本發(fā)明涉及電池技術(shù)領(lǐng)域，尤其涉及一種基于遺傳神經(jīng)網(wǎng)絡(luò)的BMS系統(tǒng)的SOC的估算方法。

背景技術(shù)：

電池荷電狀態(tài)(State of Charge，SOC)的準(zhǔn)確估算是電動汽車電池充放電控制和動力優(yōu)化管理的重要依據(jù)，直接影響電池的使用壽命和汽車的動力性能，并能預(yù)測電動汽車的續(xù)駛里程。目前，電池管理系統(tǒng)(Battery Management System，BMS)的SOC的估算方法通常采用安時(shí)法，即通過檢測電池的實(shí)際容量來檢測電池的充放電狀態(tài)，通過電池的初始特征OCV曲線(Open Circuit Voltage，開路電壓)進(jìn)而估算電池的SOC，隨著時(shí)間的積累，電池電量不斷衰減，整個(gè)OCV曲線也在變化，依靠原來的OCV曲線計(jì)算BMS系統(tǒng)的SOC，存在較大的誤差，SOC的估算不精準(zhǔn)。

鑒于此，實(shí)有必要提供一種新型的基于遺傳神經(jīng)網(wǎng)絡(luò)的BMS系統(tǒng)的SOC的估算方法以克服以上缺陷。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種估算精準(zhǔn)的基于遺傳神經(jīng)網(wǎng)絡(luò)的BMS系統(tǒng)的SOC的估算方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于遺傳神經(jīng)網(wǎng)絡(luò)的BMS系統(tǒng)的SOC的估算方法，包括如下步驟：

步驟一：對BMS系統(tǒng)充電，充電樁獲取BMS系統(tǒng)內(nèi)的電池的實(shí)際容量；

步驟二：構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，獲取電池容量參數(shù)特征對照表，所述電池容量參數(shù)特征對照表包括電池衰減過程中的電流電壓容量標(biāo)定參數(shù)、內(nèi)阻容量標(biāo)定參數(shù)及OCV容量標(biāo)定參數(shù)；

步驟三：將步驟一中的電池實(shí)際容量與步驟二中的電池容量參數(shù)特征對照表進(jìn)行對照，獲取電流電壓容量標(biāo)定參數(shù)內(nèi)的衰減電壓數(shù)據(jù)、內(nèi)阻容量標(biāo)定參數(shù)內(nèi)的衰減內(nèi)阻數(shù)據(jù)及OCV容量標(biāo)定參數(shù)內(nèi)的衰減OCV數(shù)據(jù)；

步驟四：根據(jù)步驟三中的衰減電壓數(shù)據(jù)、衰減內(nèi)阻數(shù)據(jù)及衰減OCV數(shù)據(jù)計(jì)算BMS系統(tǒng)的SOC。

在一個(gè)優(yōu)選實(shí)施方式中，所述步驟二中的電壓電流容量標(biāo)定參數(shù)、內(nèi)阻容量標(biāo)定參數(shù)及OCV容量標(biāo)定參數(shù)分別通過在靜態(tài)條件下，電壓電流的容量標(biāo)定曲線、內(nèi)阻容量標(biāo)定曲線及OCV容量標(biāo)定曲線獲得數(shù)據(jù)樣本。

在一個(gè)優(yōu)選實(shí)施方式中，所述步驟二中電池容量參數(shù)特征對照表的獲取包括如下步驟：S1：建立離散數(shù)據(jù)庫；S2：提取訓(xùn)練樣本點(diǎn)；S3：構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；S4：在線電流采集；S5：穩(wěn)態(tài)電流估算；S6：獲取電池容量參數(shù)特征對照表。

在一個(gè)優(yōu)選實(shí)施方式中，通過所述步驟三中的衰減電壓數(shù)據(jù)、衰減內(nèi)阻數(shù)據(jù)及衰減OCV數(shù)據(jù)，能夠獲取SOC的衰減數(shù)據(jù)。

在一個(gè)優(yōu)選實(shí)施方式中，所述步驟四中SOC的計(jì)算公式為：

其中，Q為電量，I為電流，SOC_k+1為k+1時(shí)刻的SOC值，SOC_k為k時(shí)刻的SOC值，C為電池的額定容量，I_k為k時(shí)刻的電流值。

相比于現(xiàn)有技術(shù)，本發(fā)明提供的基于遺傳神經(jīng)網(wǎng)絡(luò)的BMS系統(tǒng)的SOC的計(jì)估算方法，通過神經(jīng)網(wǎng)絡(luò)模型重新獲取衰減后的性能參數(shù)值，構(gòu)建SOC的衰減模型，計(jì)算的SOC值較為精準(zhǔn)。

【附圖說明】

圖1為本發(fā)明提供的基于遺傳神經(jīng)網(wǎng)絡(luò)的BMS系統(tǒng)的SOC的估算方法的流程圖；

圖2為靜態(tài)下，電壓、電流的容量標(biāo)定曲線；

圖3為靜態(tài)下，內(nèi)阻容量的標(biāo)定曲線；

圖4為靜態(tài)下，OCV容量標(biāo)定曲線；

圖5為圖1所示的方法中步驟2的子步驟的流程圖。

【具體實(shí)施方式】

為了使本發(fā)明的目的、技術(shù)方案和有益技術(shù)效果更加清晰明白，以下結(jié)合附圖和具體實(shí)施方式，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解的是，本說明書中描述的具體實(shí)施方式僅僅是為了解釋本發(fā)明，并不是為了限定本發(fā)明。

如圖1所示，本發(fā)明提供一種基于遺傳神經(jīng)網(wǎng)絡(luò)的BMS系統(tǒng)的SOC的估算方法，包括如下步驟：

步驟一：對BMS系統(tǒng)充電，充電樁獲取BMS系統(tǒng)內(nèi)的電池的實(shí)際容量；

步驟二：構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，獲取電池容量參數(shù)特征對照表，所述電池容量參數(shù)特征對照表包括電池衰減過程中的電流電壓容量標(biāo)定參數(shù)、內(nèi)阻容量標(biāo)定參數(shù)及OCV容量標(biāo)定參數(shù)；

步驟三：將步驟一中的電池實(shí)際容量與步驟二中的電池容量參數(shù)特征對照表進(jìn)行對照，獲取電流電壓容量標(biāo)定參數(shù)內(nèi)的衰減電壓數(shù)據(jù)、內(nèi)阻容量標(biāo)定參數(shù)內(nèi)的衰減內(nèi)阻數(shù)據(jù)及OCV容量標(biāo)定參數(shù)內(nèi)的衰減OCV數(shù)據(jù)；

步驟四：根據(jù)步驟三中的衰減電壓數(shù)據(jù)、衰減內(nèi)阻數(shù)據(jù)及衰減OCV數(shù)據(jù)計(jì)算BMS系統(tǒng)的SOC。

如圖2、圖3及圖4所示，所述步驟二中的電壓電流容量標(biāo)定參數(shù)、內(nèi)阻容量標(biāo)定參數(shù)及OCV容量標(biāo)定參數(shù)分別通過在靜態(tài)條件下，電壓電流的容量標(biāo)定曲線、內(nèi)阻容量標(biāo)定曲線及OCV容量標(biāo)定曲線獲得數(shù)據(jù)樣本。

本發(fā)明中所指的靜態(tài)條件下是指在實(shí)驗(yàn)室中對若干電池進(jìn)行若干次充放電測試，對若干電池在整個(gè)生命周期內(nèi)的電壓、電流、內(nèi)阻及OCV進(jìn)行監(jiān)測，繪制電壓電流的容量標(biāo)定曲線、內(nèi)阻容量標(biāo)定曲線及OCV容量標(biāo)定曲線。

如圖5所示，所述步驟二中電池容量參數(shù)特征對照表的獲取包括如下步驟：S1：建立離散數(shù)據(jù)庫；S2：提取訓(xùn)練樣本點(diǎn)；S3：構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；S4：在線電流采集；S5：穩(wěn)態(tài)電流估算；S6：獲取電池容量參數(shù)特征對照表。

通過建立離散數(shù)據(jù)庫，提取出數(shù)據(jù)樣本點(diǎn)，搭建神經(jīng)網(wǎng)絡(luò)模型。

進(jìn)一步的，通過所述步驟三中的衰減電壓數(shù)據(jù)、衰減內(nèi)阻數(shù)據(jù)及衰減OCV數(shù)據(jù)，能夠獲取SOC的衰減數(shù)據(jù)。

進(jìn)一步的，所述步驟四中SOC的計(jì)算公式為：

其中，Q為電量，I為電流，SOC_k+1為k+1時(shí)刻的SOC值，SOC_k為k時(shí)刻的SOC值，C為電池的額定容量，I_k為k時(shí)刻的電流值；公式(1)中，t₀到t₁時(shí)刻，電流I隨著時(shí)間的推移是不斷變化的，將不斷變化的電流在時(shí)間上做積分，得到電量Q；公式(2)中k+1時(shí)刻的SOC會參照k時(shí)刻的SOC加上k時(shí)刻電池SOC的衰減值。根據(jù)公式(1)及公式(2)計(jì)算出不同時(shí)刻電池容量的衰減程度，建立電池容量衰減模型。

通過電動汽車的每一次充電，得到電流池容量的衰減數(shù)據(jù)，將電流容量的衰減數(shù)據(jù)放入構(gòu)建好的神經(jīng)網(wǎng)絡(luò)，充電電池容量的實(shí)際數(shù)據(jù)主動查找神經(jīng)網(wǎng)絡(luò)模型內(nèi)的數(shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)算法找到對應(yīng)的數(shù)據(jù)后，輸入對應(yīng)的模型公式，該數(shù)據(jù)的模型具有遺傳的效果。

本發(fā)明提供的基于遺傳神經(jīng)網(wǎng)絡(luò)的BMS系統(tǒng)的SOC的計(jì)估算方法，通過神經(jīng)網(wǎng)絡(luò)模型重新獲取衰減后的性能參數(shù)值，構(gòu)建SOC的衰減模型，計(jì)算的SOC值較為精準(zhǔn)。

本發(fā)明并不僅僅限于說明書和實(shí)施方式中所描述，因此對于熟悉領(lǐng)域的人員而言可容易地實(shí)現(xiàn)另外的優(yōu)點(diǎn)和修改，故在不背離權(quán)利要求及等同范圍所限定的一般概念的精神和范圍的情況下，本發(fā)明并不限于特定的細(xì)節(jié)、代表性的設(shè)備和這里示出與描述的圖示示例。