1.一种最小二乘支持向量机的动力电池电荷状态估计方法,主要步骤如下:Ⅰ、动力电池模型及参数开路电压Uoc的辨识
采用Thevenin模型为电池等效模型,电池的极化电阻Rp与电池的极化电容Cp并联构成一阶RC结构,表示电池的极化反应,RC两端电压为Up(t);串接欧姆内阻R0和Uoc,Uoc为电池的开路电压OCV,采样得到电池端电压U(t)和流过欧姆内阻R0的电流i(t);
Thevenin模型数学表达式如下:
采用后向差分变换方法对模型离散化,用含遗忘因子的最小二乘进行参数辨识,整理得:U(k)=a1U(k-1)+a2I(k)+a3I(k-1)+(1-a1)UOC(k) (2)其中,U(k-1)是当前k时刻的前一时刻的端电压值,I(k-1)是当前k时刻的前一时刻的电流值;
由含遗忘因子的最小二乘算法求得式(2)中的a1、a2、a3的值,对应得到参数Uoc的值;
Ⅱ、建立Uoc-SOC的关系
采用8次多项式拟合曲线拟合Uoc和SOC之间关系,Uoc-SOC拟合如下式:其中Uoc(SOCk)表示电池开路电压Uoc与SOC之间的非线性关系,k0~k8为系数,用含遗忘因子的最小二乘法拟合得到;
Ⅲ、基于在线最小二乘支持向量机的动力电池开路电压Uoc估计采用在线最小二乘支持向量机建立SOC估计模型;
以动力电池的电压、电流、温度作支持向量机的输入,以动力电池电荷状态作为输出估计SOC;根据动力电池电压、电流和开路电压之间的关系,由步骤Ⅰ的式(2)得Uoc(k)=b1U(k)+b2U(k-1)+b3I(k)+b4I(k-1) (4)以当前k时刻端电压U(k)、上一时刻端电压U(k-1)、当前k时刻电流I(k)和上一时刻电流I(k-1)为输入,以开路电压Uoc(k)为输出,建立在线LS-SVM训练模型,选择最小二乘支持向量机的线性核函数;
在线最小二乘支持向量机包括增加样本和消减样本两个过程;设置训练样本的窗口长度为N,定义PN=Ω+γ-1I,其中:PN是N×N的矩阵,Ω为方阵,γ为惩罚函数,则得到式(5)式中:y=[y1,y2,…,yN]T; α=[α1,α2,…,αN]T;I为单位矩阵;T矩阵转置符号;
展开为:
求解得:
计算出 由公式(7)确定α和b;训练过程中新样本添加到PN中的同时,消去同等数量的旧样本,不断更新 得到新的α和b,实时估计开路电压Uoc;
Ⅳ、动力电池SOC估计
Ⅳ-1、SOC的初值估计
步骤Ⅲ估计得开路电压Uoc,根据公式(3)的反函数估计SOC的初值SOC0:-1
SOC0=f (Uoc(1)) (8)
Ⅳ-2、安时积分法估计SOC
根据式(8)Uoc-SOC关系确定SOC初值后,采用安时积分法估计下一时刻的SOC值:式(9)中CN是电池的额定容量,时间间隔Δt=1,η是库伦系数,取值为1;
Ⅴ、动力电池安时积分法估计SOC的修正与误差补偿
将在线最小二乘支持向量机估计的Uoc(k)与根据公式(3)计算得到的开路电压UOC(SOCk)相比得到对应的偏差e(k),步骤Ⅳ所得估计值SOC(k)补偿后得到其中,Kp为补偿系数, 为补偿后的SOC值, 为在线最小二乘支持向量机估计得到的开路电压的估计值。
2.根据权利要求1所述的最小二乘支持向量机的动力电池电荷状态估计方法,其特征在于:所述步骤Ⅴ中的补偿系数Kp取值0.5×10-6~1.55×10-6。
3.根据权利要求1所述的最小二乘支持向量机的动力电池电荷状态估计方法,其特征在于:所述步骤Ⅴ中的补偿系数Kp为10-6。
4.根据权利要求1至3中任一项所述的最小二乘支持向量机的动力电池电荷状态估计方法设计的最小二乘支持向量机的动力电池电荷状态估计系统,包括微处理器、电压传感器和电流传感器,微处理器还连接显示器;微处理器配有通用接口,电压传感器和电流传感器接入模数转换电路,再经通用接口连接微处理器;其特征在于:微处理器连接有程序存储器和数据存储器,程序存储器含有电压、电流数据采集模块、最小二乘支持向量机开路电压在线实时估计模块、Uoc-SOC关系SOC初值估计模块、安时积分法SOC估计模块、Uoc和OCV的偏差和补偿系数Kp计算模块以及SOC修正补偿模块;数据存储器保存动力电池模型参数;
微处理器接收电压传感器和电流传感器检测的动力电池实时信息,通过电压电流数据采集模块、最小二乘支持向量机开路电压在线实时估计模块、Uoc-SOC关系SOC初值估计模块、安时积分法SOC估计模块、Uoc和OCV的偏差和补偿系数Kp计算模块以及SOC修正补偿模块的计算处理,得到实时SOC估计值,在显示器上显示。
5.根据权利要求4所述的最小二乘支持向量机的动力电池电荷状态估计系统,其特征在于:所述微处理器连接CAN接口。
6.根据权利要求4所述的最小二乘支持向量机的动力电池电荷状态估计系统,其特征在于:所述微处理器及所连接的程序存储器、数据存储器和显示器构成嵌入式系统。