高原施工现场磷酸铁锂电池荷电状态估计方法及系统与流程
本申请涉及电池荷电状态估计,尤其涉及一种高原施工现场磷酸铁锂电池荷电状态估计方法及系统。
背景技术:
1、目前,磷酸铁锂电池作为电动工程机械在高原施工现场的核心动力源,其荷电状态(soc)的精确估计是保障电池管理系统(bms)安全高效运行的关键。相关技术中,通过安时积分法、开路电压法及神经网络等方法的协同,构建了soc估计的基本技术体系。
2、然而,相关技术中的soc估计方案中,直接采用单一技术,并未有效融合多源信息与自适应机制,由此可能会导致在高原低温环境下电池内阻增大、ocv-soc曲线平坦区域估计困难,或者因复杂动态负载引起电压波动响应滞后等问题,从而影响估计精度与鲁棒性,进而制约施工机械的能量管理优化与运行安全。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此,本申请的第一个目的在于提出一种高原施工现场磷酸铁锂电池荷电状态估计方法。
3、本申请的第二个目的在于提出一种高原施工现场磷酸铁锂电池荷电状态估计系统。
4、本申请的第三个目的在于提出一种计算机可读存储介质。
5、为达上述目的,本申请的第一方面在于提出一种高原施工现场磷酸铁锂电池荷电状态估计方法,包括以下步骤:
6、采集高原施工现场下磷酸铁锂电池运行时的电压、电流和温度数据,并对采集的数据进行预处理;
7、基于预处理后的数据构建非线性自回归动态神经网络模型,采用正余弦优化算法对所述模型的关键超参数进行全局寻优,并利用多种环境温度和动态工况下的实验数据对优化后的模型进行离线训练,将训练后的模型作为荷电状态估计的测量方程;
8、采用自适应卡尔曼滤波算法进行在线荷电状态估计,其中,荷电状态的状态方程基于安时积分法构建,测量方程采用所述离线训练后的非线性自回归动态神经网络模型,所述自适应卡尔曼滤波算法根据实时测量数据动态调整状态噪声协方差和测量噪声协方差,并将估计出的荷电状态值反馈至所述状态方程和所述测量方程,以形成闭环信息融合;
9、实时输出在线估计得到的所述磷酸铁锂电池的荷电状态估计值。
10、为达上述目的,本申请的第二方面在于提出一种高原施工现场磷酸铁锂电池荷电状态估计系统,包括以下模块:
11、采集模块,用于采集高原施工现场下磷酸铁锂电池运行时的电压、电流和温度数据,并对采集的数据进行预处理;
12、构建模块,用于基于预处理后的数据构建非线性自回归动态神经网络模型,采用正余弦优化算法对所述模型的关键超参数进行全局寻优,并利用多种环境温度和动态工况下的实验数据对优化后的模型进行离线训练,将训练后的模型作为荷电状态估计的测量方程;
13、估计模块,用于采用自适应卡尔曼滤波算法进行在线荷电状态估计,其中,荷电状态的状态方程基于安时积分法构建,测量方程采用所述离线训练后的非线性自回归动态神经网络模型,所述自适应卡尔曼滤波算法根据实时测量数据动态调整状态噪声协方差和测量噪声协方差,并将估计出的荷电状态值反馈至所述状态方程和所述测量方程,以形成闭环信息融合;
14、输出模块,用于实时输出在线估计得到的所述磷酸铁锂电池的荷电状态估计值。
15、为达上述目的,本申请第三方面还提出了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面中任一项所述的高原施工现场磷酸铁锂电池荷电状态估计方法。
16、本申请的实施例提供的技术方案至少带来以下有益效果:本申请通过sca优化的narx动态神经网络与sage-husa自适应卡尔曼滤波融合,实现高精度、强鲁棒性的磷酸铁锂电池soc估计,有效提升了锂离子电池荷电状态估算的稳定性和精度,降低了soc估计的误差。并且,本申请还有效抑制高原施工现场传感器噪声、环境温度剧烈变化以及复杂动态负载引起的估计偏差,能够应对高原低温与复杂工况的对估计产生的影响,进一步提高了磷酸铁锂电池soc估计的鲁棒性。为高原施工机械的能量管理、充电调度和续航里程预测提供可靠依据。
17、本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
1.一种高原施工现场磷酸铁锂电池荷电状态估计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述采集高原施工现场下磷酸铁锂电池运行时的电压、电流和温度数据,并对采集的数据进行预处理,包括:
3.根据权利要求1所述的方法,其特征在于,所述非线性自回归动态神经网络模型包括输入层、隐含层和输出层,且引入输入延迟和反馈延迟;
4.根据权利要求3所述的方法,其特征在于,所述模型的关键超参数包括所述输入延迟、所述反馈延迟以及隐含层神经元数量;
5.根据权利要求4所述的方法,其特征在于,基于安时积分法构建的所述荷电状态的状态方程通过以下公式表示:
6.根据权利要求1所述的方法,其特征在于,通过以下公式表示所述测量方程:
7.根据权利要求1所述的方法,其特征在于,所述自适应卡尔曼滤波算法为sage-husa自适应卡尔曼滤波算法,所述sage-husa自适应卡尔曼滤波算法通过预测步和更新步进行迭代,包括:
8.根据权利要求1所述的方法,其特征在于,所述形成闭环信息融合,包括:
9.一种高原施工现场磷酸铁锂电池荷电状态估计系统,其特征在于,包括以下模块:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的高原施工现场磷酸铁锂电池荷电状态估计方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com