欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022105537258
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于RNN神经网络与多参数约束的锂电池SOP在线估算方法,其特征在于,包括以下步骤:(1)建立锂电池等效电路模型和动态系统方程,进行锂电池OCV测试,记录锂电池在UDDS工况下数据,通过扩展卡尔曼滤波算法对锂电池各参数进行在线辨识;所述参数包括内阻R0、极化电阻和极化电容;

(2)根据锂电池等效电路模型建立EKF离散非线性系统方程,通过扩展卡尔曼滤波建立锂电池的状态方程和观测方程,完成循环工况下SOC的在线预估;

(3)估算持续峰值电流和持续峰值功率;

(4)以电池工况下的端电压,电流和SOC为输入量,峰值功率SOP为输出量,导入RNN神经网络模型,建立RNN神经网络,完成对锂电池峰值功率的估算。

2.根据权利要求1所述基于RNN神经网络与多参数约束的锂电池SOP在线估算方法,其特征在于,在步骤(1)中,所述锂电池等效电路模型为二阶RC电路模型,所述二阶RC电路模型包括电化学极化内阻R1、电化学极化电容C1、浓差极化电阻R2和浓差极化电容C2;

所述动态系统方程如下:

U0=Uoc(t)‑R0·I(t)‑U1(t)‑U2(t)其中,U0表示电池工作状态下的端电压,Uoc(t)是开路电压表达式,R0是欧姆内阻表达式,I表示放电电流大小,U1和U2分别表示为两组RC环路端电压,t为时间。

3.根据权利要求2所述基于RNN神经网络与多参数约束的锂电池SOP在线估算方法,其特征在于,在步骤(1)中,采用18650锂离子电池常温下做OCV测试,将测试数据拟合得到开路电压与SOC对应关系曲线。

4.根据权利要求2所述基于RNN神经网络与多参数约束的锂电池SOP在线估算方法,其特征在于,步骤(1)的具体过程如下:(11)在常温环境温度下完成锂电池的UDDS工况测试,并记录电压、电流和SOC真值;

(12)存放中间过程估值;

(13)初始化参数并把参数的估计值转换为R0,R1,R2,C1,C2;更新下一时刻值;

(14)计算卡尔曼滤波增益矩阵,采集下一时刻的电压、电流数据;

(15)重复(12)至(14),对锂电池模型参数在线辨识。

5.根据权利要求4所述基于RNN神经网络与多参数约束的锂电池SOP在线估算方法,其特征在于,步骤(2)的具体过程如下:(21)建立EKF离散非线性系统方程:

χk+1=f(xk,uk)+wk

yk=g(xk,uk)+vk

其中,χk+1为输入,yk为输出,wk和vk是系统的噪声,且服从正态分布,与f(xk,uk),g(xk,uk)相互独立,f(xk,uk)和g(xk,uk)为非线性函数;

(22)通过扩展卡尔曼滤波算法建立锂电池的状态方程与观测方程:Uk=Uoc(sk)‑ikR0‑U1,k‑U2,k其中,τd和τe为两个不同的时间常数,Uoc为开路电压,sk为k时刻的SOC估计值,ik为k时刻的电流,T为采样时间,CN为电池的额定容量,ηt为充放电效率,Uk为k时刻的端电压总估计值,U1,k为k时刻R1上的端电压估计值,U2,k为k时刻R2上的端电压估计值;

(23)根据采集锂电池充放电过程中的端电压与电流数据,对离散化后的状态方程和观测方程进行EKF递推计算,完成循环工况下SOC的在线预估。

6.根据权利要求5所述基于RNN神经网络与多参数约束的锂电池SOP在线估算方法,其特征在于,步骤(3)的具体过程如下:(31)基于电池SOC,估算峰值电流:

假设电池在Δt单位时间内以电流ik进行放电,则t+Δt时刻电池SOC如下式:在电池工作时,在任一时刻电池SOC值满足一下约束:SOCmin

(32)基于电池二阶RC模型,估算峰值电流:

根据端电压约束:Ut,min

(33)基于电池SOC和电池二阶RC模型的多参数约束,估算锂电池峰值功率:首先估算多参数约束下的峰值电流:

其中,imax、imin分别是预设的最大放电电流和最小充电电流, 和 分别为持续采样时间L内基于电池SOC的最大放电电流的最大值和最小充电电流的最小值;

然后估算峰值功率:

其中,CN为电池额定容量,j表示持续采样时间内的初始时刻,τ为时间常数,是多参数约束条件下的最大放电峰值功率和最小充电峰值功率,g(SOC,CN)表示基于电池额定容量下的电池开路电压, 表示g(SOC,CN)对SOC求一阶偏导。

7.根据权利要求1所述基于RNN神经网络与多参数约束的锂电池SOP在线估算方法,其特征在于,步骤(4)中建立RNN神经网络的具体过程如下:(a)选取输入输出变量;

(b)样本归一化处理;

(c)RNN网络模型选择;

(d)RNN网络训练;

(e)RNN网络估算。