一种电池最大放电功率估算方法和装置的制造方法
【技术领域】
[0001] 本发明设及电动汽车技术领域，特别设及一种电池最大放电功率的估算方法和装 置。
【背景技术】
[0002] 电动汽车是未来汽车行业的重要发展、升级领域，其通过内部动力电池系统作为 动力来源，电池系统的最大放电功率直接决定了电动汽车的输出功率和行驶速度，如何根 据电池的各种状况估算电池的最大放电功率，对防止电池过放电、增加电池使用寿命具有 重要意义。
[0003] 经过长期的实践积累，已得出可用于评价电池放电功率的参数包括电池荷电状态 (Sl:ate of Qiarge，SOC)、电池健康状态（State of Health, SOH)和温度（Temperature, T)。 其中SOC表示电池剩余电量与电池总容量的比值、SOH代表了电池可放出容量与电池组出 厂容量的比值。从使用角度考虑，电池的输出电压直接表示了电池的放电功率。
[0004] 目前，纯电动汽车电池的最大放电功率都是通过不同温度、不同S0C建立查找表 得到预先设计好的数值，实际应用中直接利用查找表查找特定温度、特定S0C下对应的最 大放电功率数值。该一方法虽然使用简单，但从实际应用出发，可发现其具有W下问题：首 先，由于预先设定的查找表代表了同一型号电池组的整体放电特性，并不能真实反映每一 辆汽车特定的电池组实际特性；其次，设定值为在线理想环境下采用精密仪器测量得到，实 际应用中测量条件和理想环境条件有很大差距，造成相关数据测量可能产生较大误差，如 S0C误差在6% W上；再次，随着使用电池的放电性能会发生衰减，W出厂电池条件下设计 的最大放电参数与实际电池放电能力不符，经常会造成电池的过放电。
【发明内容】
[0005] 本发明提供一种电池最大放电功率估算方法，包括W下步骤：
[0006] 建立输入为S0C、S0H和温度T W及输出为电池估算最大放电功率Pmsi。。前BP神 经网络模型；
[0007] 按照预设步长获取所述S0C、所述S0H和所述温度T及对应的所述Pd^i。。,；
[000引将所述S0C、所述S0H、所述温度T和所述PDkmJ乍为所述BP神经网络模型的训练 样本、按照预设算法训练所述BP神经网络模型、获得所述S0C、所述S0H、所述温度T与所述 Pms。。,的函数映射关系，建立电池最大放电功率估算函数；
[0009] 利用所述电池最大放电功率估算函数估算电池的最大放电功率。
[0010] 通过建立BP神经网络模型，并采用实际采集的训练样本对BP神经网络模型进行 训练，可根据电池特性建立满足特定精度要求的电池最大放电功率估算函数用于估算电池 的最大放电功率。
[0011] 优选的，所述BP神经网络模型网络层数为S层、分别为输入层、隐层和输出层；所 述隐层的节点数目为6。
[0012] 优选的，所述隐层的传输函数采用单极性Si gmo i d函数，所述单极性Si gmo i d函数 为：
[001 引
【主权项】
1. 一种电池最大放电功率估算方法，其特征在于，包括以下步骤： 建立输入为SOC、SOH和温度T以及输出为电池最大放电功率Pllismax的BP神经网络模 型； 按照预设步长获取所述S0C、所述SOH和所述温度T及对应的所述Pllismax; 将所述S0C、所述S0H、所述温度T和所述Pllismax作为所述BP神经网络模型的训练样本、 按照预设算法训练所述BP神经网络模型、获得所述S0C、所述S0H、所述温度T与所述Pllismax 的函数映射关系，建立电池最大放电功率估算函数； 利用所述电池最大放电功率估算函数估算电池的最大放电功率。
2. 根据权利要求1所述的电池最大放电功率估算方法，其特征在于： 所述BP神经网络模型网络层数为三层、分别为输入层、隐层和输出层；所述隐层的节 点数目为6。
3. 根据权利要求2所述的电池最大放电功率估算方法，其特征在于，所述隐层的传输 函数采用单极性Sigmoid函数，所述单极性Sigmoid函数为：
4. 根据权利要求1所述的电池最大放电功率估算方法，其特征在于： 采用Levenberg-Marquardt算法对所述BP神经网络模型进行训练，得到所述输入层与 所述隐层的权值向量IW2、阈值向量b1以及所述隐层与所述输出层的权值向量IW2、阈值向 量b2。
5. 根据权利要求4所述的电池最大放电功率估算方法，其特征在于： 采用Levenberg-Marquardt算法对所属BP神经网络模型进行训练时的训练允许误差 为 100W。
6. 根据权利要求1所述的电池最大放电功率估算方法，其特征在于： 所述SOC的预设步长为5%、所述SOH的预设步长为5%、所述温度的预设步长为2°C。
7. 根据权利要求1所述的电池最大放电功率估算方法，其特征在于，还包括： 实时获取所述电池的当前放电功率P、实际电压U ; 对所述当前放电功率P和实际电压U进行判断，若所述当前放电功率P小于所述PDismax、 且所述实际电压U小于设定阈值时，以当前放电功率P和对应的所述S0C、所述SOH和所述 温度T对所述电池最大放电功率估算函数进行修正。
8. 根据权利要求7所述的电池最大放电功率估算方法，其特征在于，所述设定阈值为 Ulev+2〇
9. 一种电池最大放电功率估算装置，其特征在于，包括： 模型建立单元（201)，用于建立SOC、SOH和温度T及电池估算最大放电功率Pllismax的BP 神经网络模型； 获取单元（202)，用于按照预设步长获取所述S0C、所述SOH和所述温度T及对应的所 述P Dismax? 模型训练单元（203)，用于将所述S0C、所述S0H、所述温度T和所述Pllismax作为所述BP 神经网络模型的训练样本、按照预设算法训练所述BP神经网络模型，获取所述S0C、所述 SOH、所述温度T与所述Pllisniax的函数映射关系，建立电池最大放电功率估算函数； 控制单元（204)，利用所述电池最大放电功率估算函数估算电池的最大放电功率。
10.根据权利要求9所述的电池最大放电功率估算装置，其特征在于，还包括： 实时监控单元（205)，用于实时获取所述电池的当前放电功率P、实际电压U ; 修正单元（206)，用于对所述当前放电功率P和实际电压U进行判断，若所述当前放电 功率P小于所述Pllismax、且所述实际电压U小于设定阈值时，以当前放电功率P和对应的所 述S0C、所述SOH和所述温度T对所述电池最大放电功率估算函数进行修正。
【专利摘要】本发明提供一种电池最大放电功率估算方法，包括：建立输入为SOC、SOH和温度T以及输出为电池估算最大放电功率PDismax的神经网络模型；按照预设步长获取SOC、SOH和温度T及对应的PDismax；将SOC、SOH、温度T和PDismax作为神经网络模型的训练样本、按照预设算法训练神经网络模型、获得SOC、SOH、温度T与PDismax的函数映射关系，建立电池最大放电功率估算函数；利用电池最大放电功率估算函数估算电池的最大放电功率。通过建立神经网络模型，并采用实际采集的训练样本对神经网络模型进行训练，可根据电池特性建立满足特定精度要求的电池最大放电功率估算函数用于估算电池的最大放电功率。
【IPC分类】G06F19-00
【公开号】CN104537268
【申请号】CN201510025666
【发明人】马守明, 冯超, 刘宇
【申请人】重庆长安汽车股份有限公司, 重庆长安新能源汽车有限公司
【公开日】2015年4月22日
【申请日】2015年1月19日