T矩阵转置符号。
[0049] 展开为：
[0051] 求解可得：
[0053] 计算出，由公式（7)确定α和b。训练过程中只要将新样本添加到Pn中的同 时，消去同等数量的旧样本，就可以不断更新^1，得到新的α和b，实时得到估计的开路 电压U。。。
[0054] IV、动力电池 SOC估计
[0055] IV -I、SOC的初值估计
[0056] 采用LS-SVM模型估计出开路电压Uci。，根据公式（3)的反函数估计SOC的初值 SOC0:
[0058] 在整个SOC的估计过程中均采用查表法由U。。估计得到S0C，但Uck-SOC关系曲线存 在平台区域，曲线拟合本身就造成了较大的误差。如果利用该曲线估计S0C，则需要对SOC 进行补偿，提高估计精度。
[0059] IV -2、安时积分法估计SOC
[0060] 安时积分法（Ah法，Ampere-hour Counting method)是目前比较常用的一种方 法，短时间虽能较精确地估计，但存在初值问题，并随着运行时间的增加，累积误差也逐渐 增大，SOC的估计精度降低。
[0061] 本发明根据式（8)Uck-SOC关系确定一个合适的SOC初值后，采用安时积分法估计 下一时刻的SOC值：
[0063] 式（9)中Cn是电池的额定容量，时间间隔At = 1，η是库伦系数，取值为1。
[0064] V、动力电池安时积分法估计SOC的修正与误差补偿
[0065] 由于Uck-SOC的拟合关系本身就存在误差，因而得到的SOC的估计也存在偏差，且 采用安时积分法计算得到的SOC存在累积误差。本发明将在线最小二乘支持向量机LS-SVM 估计的Mk)与根据公式⑶计算得到的开路电压MSOCk)相比得到对应的偏差，并用 此修正步骤IV安时积分法估计所得的SOC(k)，以补偿拟合误差及安时积分法产生的累积误 差。
[0066] 步骤IV所得估计值soc (k)的补偿后得到so('a·)，
[0068] 其中，Kp为补偿系数，Kp取值0.5X10 6~1.55X 10 6,最佳方案取Kp为IO6; 立为补偿后的SOC值，为在线LS-SVM估计得到的开路电压的估计值。
[0069] 本发明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。
[0070] 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（LS-SVM)开路电压（OCV)在线实时估计模块、Uck-SOC关系SOC 初值估计模块、安时积分法SOC估计模块、U。。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。
[0071] 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（LS-SVM)开路电压（OCV)在线实时估计模块、 Uck-SOC关系SOC初值估计模块、安时积分法SOC估计模块、U。。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。
[0072] 微处理器连接CAN接口，所得的实时SOC估计值经CAN接口提供给其它设备。
[0073] 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。
[0074] 与现有技术相比，本发明最小二乘支持向量机的动力电池电荷状态估计方法及系 统的优点为：1、利用采用计算简单、收敛速度快的在线LS-SVM模型辨识开路电压Uoc，以 SOC与OCV (也就是开路电压Uoc)的关系确定SOC初值，通过安时积分法估计S0C，并利用 OCV的偏差信息对安时积分法得到的SOC估计值进行修正，有效地补偿拟合误差和安时积 分法产生的累计误差；2、在线实时地调整模型参数，运算速度快，跟踪能力强，估计准确，实 验表明本法SOC估计精度，平均绝对误差为1. 2793%，最大绝对误差为2. 7011%。
【附图说明】
[0075] 图1为本最小二乘支持向量机的动力电池电荷状态估计方法实施例所采用的电 池等效模型Thevenin模型图。
[0076] 图2为本最小二乘支持向量机的动力电池电荷状态估计方法实施例SOC估计方法 示意图；
[0077] 图3为本最小二乘支持向量机的动力电池电荷状态估计方法实施例流程图；
[0078] 图4为本最小二乘支持向量机的动力电池电荷状态估计系统实施例结构示意图；
[0079] 图5为本最小二乘支持向量机的动力电池电荷状态估计系统实施例所得SOC估计 值与SOC真实值的对比曲线图；
[0080] 图6为本最小二乘支持向量机的动力电池电荷状态估计系统实施例所得SOC估计 值的误差曲线图。
【具体实施方式】
[0081] -种最小二乘支持向量机的动力电池电荷状态估计方法实施例
[0082] 本最小二乘支持向量机的动力电池电荷状态估计方法实施例主要步骤示意图如 图2所示，流程图如图3所示，具体步骤如下：
[0083] I、动力电池模型及参数开路电压U。。的辨识
[0084] 采用图1所示的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);串接欧姆电 阻R。和Uoc，Uoc为电池的开路电压0CV，采样得到电池端电压U(t)和流过欧姆内阻R。的 电流i⑴；
[0085] Thevenin模型数学表达式如下：
[0087] 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： LlN 丄UO丄丄Λ 、" }J\
[0089] 其中，U(k-l)是当前k时刻的前一时刻的端电压值，I (k_l)是当前k时刻的前一 时刻的电流值；
[0090] 由含遗忘因子的最小二乘算法求得式（2)中的ai、a2、a 3的值，对应得到参数UcJ勺 值；
[0091] II、建立 Ucic-SOC 的关系
[0092] 采用8次多项式拟合曲线拟合U。。和SOC之间关系，U %-SOC拟合如下式：
[0094] 其中Ucic(SOCk)表示电池开路电压Ucic与SOC之间的非线性关系，k。~kA系数， 用含遗忘因子的最小二乘法拟合得到；
[0095] III、基于在线最小二乘支持向量机的动力电池开路电压U。。估计
[0096] 采用在线最小二乘支持向量机建立SOC估计模型；
[0097] 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
[0098] Uoc (k) = biU (k) +b2U (k~l) +b3I (k) +b4I (k~l) (4)
[0099] 以当前k时刻端电压U (k)、上一时刻端电压U (k_l)、当前k时刻电流I (k)和上一 时刻电流I (k-Ι)为输入，以开路电压U。。(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
[0100] 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：匕是NXN的矩阵，Ω为方阵，则得到式（5)
[0102] 式中：y = Iiy1, y2,…，yJT; ? = [1·Λ…,丨];α = [ α 1，α 2,…，α JT;I 为单位矩阵； T矩阵转置符号。
[0103] 展开为：
[0107] 计算出Λ_Ι，由公式（7)确定α和b ;训练过程中新样本添加到^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Uck;
[0108] IV、动力电池 SOC估计
[0109] IV -1、SOC的初值估计
[0110] 步骤III估计得开路电压U。。，根据公式（3)的反函数估计SOC的初值S0C。：
[0111] SOC0= f '(Uoc(I)) (8)
[0112] IV _2、安时积分法估计SOC
[0113] 本例根据式（8) Uck-SOC关系确定一个合适的SOC初值后，采用安时积分法（Ah法） 估计下一时刻的SOC值：
[0115] 式（9)中Cn是电池的额定容量，时间间隔At = 1，η是库伦系数，取值为1。
[0116] V、动力电池安时积分法估计SOC的修正与误差补偿
[0117] 将在线最小二乘支持向量机估计的Mk)与根据