基于人工神经网络算法的电池管理系统及方法
【技术领域】
:
[0001]本发明涉及电池管理系统及方法，具体涉及基于人工神经网络算法的电池管理系统及方法。
技术背景:
[0002]电池管理系统(Battery Management System)是电池与用户之间的纽带，该系统主要应用对象为二次电池。电池管理系统(以下简称BMS系统)主要针对电池个体中存在的储能少、寿命短、使用完全性以及电池电量难以估算等问题提供全方位的解决方案，其目的是为了得到电池相关性能参数的实时精确数据并对其进行监控，达到提高电池利用率的目的。
[0003]BMS系统主要包括三个功能:首先是准确估测电池组的荷电状态(State ofCharge，以下简称SOC)，即电池的剩余电量，保证S0C值维持在合理范围内，防止过充和过放对电池造成损伤。S0C值以剩余电量与完全充电状态电量的比值表示。其次是在电池的充放电过程中对电池组进行全参数(包括每块电池端电压、温度、电流、总电压等)动态监测，建立每一块电池以及电池组的历史档案；最后是利用均衡技术使电池组中的各电池都处于均衡一致的状态，从而达到电池利用率最大化的目的。其中能否准确对S0C进行估算决定了对电池动态参数的正确评估能力，该行为直接决定电池过充、过放、均衡性等重要指标的准确性，是BMS系统能否有效提高电池利用率的最重要因素。现阶段BMS系统的S0C值估算在实际应用中多通过电池端电压值标定电量值的方法进行估算，由于电池组的电量值并非与电池端电压值呈线性变化，因而使用电压标定法对电量估算存在较大误差(约-10 %?+10% )，从而无法通过该方法计算出精确的S0C值，很难满足准确估测电池参数的要求。
【发明内容】
:
[0004]本发明所要解决的技术问题是提供基于人工神经网络算法的电池管理系统及方法。
[0005]为了解决上述问题，本发明的第一个技术方案是，基于人工神经网络算法的电池管理系统，包括程控转换与均衡电路、直流可编程电源、电子负载、温度检测电路、数字万用表和上位机；其特征在于:
[0006]直流可编程电源、电子负载和数字万用表均由上位机进行远端编程控制；直流可编程电源、电子负载和数字万用表分别通过第一继电器、第二继电器和第三继电器与电池组连接；
[0007]直流可编程电源用于对电池组进行充电，并检测充电电流输出到上位机；
[0008]电子负载用于对电池组进行放电试验，检测电池组放电电流，输出到上位机；
[0009]数字万用表用于采集电池组以及每个单体电池的电压值，输出到上位机；
[0010]温度检测电路用于采集电池组温度，通过程控转换与均衡电路进行处理后输出到上位机；
[0011]程控转换与均衡电路接收上位机输出的控制指令，控制第一继电器、第二继电器和第三继电器的通电状态，以对系统进行充放电切换控制和环路通断控制，并对电池组各电池单元进行电压均衡控制；同时，接收温度检测电路输出的温度数据，进行处理后输出到上位机；
[0012]上位机分别接收直流可编程电源、电子负载、数字万用表输出的电池组充电电流、放电电流、电池组电压值以及每个单体电池的电压值，还接收温度检测电路通过程控转换与均衡电路输出的电池组温度数据，通过人工神经网络算法，得到电池组电量与电池组动态参数的映射规则，并将该映射规则存入上位机中。
[0013]根据本发明所述的基于人工神经网络算法的电池管理系统的优选方案，所述程控转换与均衡电路包括微控制单元、电压均衡电路、第一升压电路、第二升压电路和第三升压电路；
[0014]第一升压电路连接在微控制单元与第一继电器之间，第二升压电路连接在微控制单元与第二继电器之间，第三升压电路连接在微控制单元与第三继电器之间，第一升压电路、第二升压电路、第三升压电路分别接收微控制单元输出的信号，进行升压电路转换，分别控制第一继电器、第二继电器和第三继电器的通断；
[0015]电压均衡电路接收微控制单元输出的信号，对电池组各单体电池进行电压均衡控制，对电压高的单体电池的充电电流进行旁路；
[0016]微控制单元接收上位机输出的控制指令，分别输出信号到电压均衡电路、第一升压电路、第二升压电路和第三升压电路；同时，接收温度检测电路输出的温度数据，进行处理后输出到上位机。
[0017]根据本发明所述的基于人工神经网络算法的电池管理系统的优选方案，该系统包括电池管理模块；
[0018]电池管理模块与上位机进行通信，上位机将电池组电量与电池组动态参数的映射规则写入电池管理模块的主控芯片内；电池管理模块对电池组的充电电流、放电电流、温度以及电压进行检测，利用映射规则计算出电池组当前电量与S0C值，并与电池管理模块的主控芯片内的预设值进行比较，输出信号到程控转换与均衡电路。
[0019]本发明的第二个技术方案是，基于人工神经网络算法的电池管理方法，其特征在于:包括如下步骤:
[0020]A、上位机进行人工神经网络算法学习，分别得到在充电状态下和放电状态下电池组电量与电池组动态参数的映射规则；
[0021]B、将充电状态下和放电状态下电池组电量与电池组动态参数的映射规则存入上位机的指定内存或者存入电池管理模块；
[0022]采集电池组动态参数，判断电池组处于充电状态或是放电状态，当为充电状态时，根据充电状态下电池组电量与电池组动态参数的映射规则实时计算电池组电量与S0C值，当为放电状态时，根据放电状态下电池组电量与电池组动态参数的映射规则实时计算电池组电量与S0C值，判断电池组是否处于过充或过放状态，当处于过充或过放状态，断开电池组，完成电池组过充保护、过放保护
[0023]根据本发明所述的基于人工神经网络算法的电池管理方法的优选方案，上位机进行人工神经网络算法学习，分别得到在充电状态下和放电状态下电池组电量与电池组动态参数的映射规则，具体包括:
[0024]A1、搭建人工神经网络:采用单隐含层方式搭建人工神经网络，设置人工神经网络由输入层、隐含层和输出层构成；输入层由若干输入节点构成，输入节点的数量等于需采集参数的个数；隐含层由若干隐含节点构成；输出层只由一个输出节点构成；每个输入节点都同时连接所有的隐含节点；每个隐含节点同时连接所有的输入节点；并且，每个隐含节点均与输出节点连接；输出节点同时连接所有的隐含节点；
[0025]A2、控制电池组通过电子负载放电，当电池组电量放空后，断开电子负载；
[0026]A3、接通直流可编程电源对电池组进行充电；
[0027]A4、每间隔设定时间，利用数字万用表采集电池组以及每个单体电池的电压值，输出到上位机；利用直流可编程电源采集电池组的充电电流值，输出到上位机；同时，利用温度检测电路采集电池组温度，通过程控转换与均衡电路进行处理后输出到上位机；
[0028]A5、判断电池组电量是否充满，当电池组电量充满后，断开直流可编程电源，停止数据采集；
[0029]A6、将数字万用表采集的电池组以及每个单体电池的电压值、直流可编程电源采集电池组的充电电流值以及温度检测电路采集的电池组温度作为输入层的输入节点；
[0030]A7、随机产生输入层的每个节点对应的权值、隐含层阈值，得出输入层到隐含层的映射规则；
[0031]A8、根据输入层到隐含层的映射规则推算出隐含层的每个节点收到的从输入层映射来的信息；
[0032]A9、将电池组电量作为输出层输出节点，随机产生隐含层的每个节点对应的权值、电池组电量阈值，得到隐含层到输出层的映射规则；
[0033]A10、根据隐含层到输出层的映射规则，推算出输出层输出节点收到的映射信息；
[0034]All、进行误差比较:将A10步的结果与电池组的标准电量值进行比较，判断比较结果是否小于允许最大误差，当比较结果大于允许最大误差时，校准并更新隐含层的每个节点对应的权值、电池组电量阈值；校准并更新输入层的每个节点对应的权值、隐含层阈值；返回A7步；若在允许最大误差范围内，保存最终输入层到隐含层中输入层每个节点对应的权值、隐含层到输出层中隐含层的每个节点对应的权值、隐含层阈值、输出层阈值，得到充电状态下电池组电量与电池组动态参数的映射规则；
[0035]A12、控制电池组通过电子负载放电；
[0036]A13每间隔设定时间，利用数字万用表采集电池组以及每个单体电池的电压值，利用电子负载采集电池组的放电电流值，输出到上位机；同时，利用温度检测电路用于采集电池组温度，通过程控转换与均衡电路进行处理后输出到上位机；
[0037]A14、判断电池组电量是否放空，当电池组电量放空后，断开电子负载；数字万用表和温度检测电路停止数据采集；
[0038]A15、将电池组以及每个单体电池的电压值、电池组的放电电流值以及电池组温度作为输入层的输入节点；
[0039]A16