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)的补偿后得到切(:、（々），
[0119] 其中，Kp为补偿系数，本例Kp为10 6,系为补偿后的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。
[0120] 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
[0121] 本例最小二乘支持向量机的动力电池电荷状态估计系统结构如图4所示，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。微处理器还连接CAN 接口。
[0122] 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。
[0123] 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。
[0124] 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，并经 CAN接口提供给其它设备。
[0125] 本例系统与连接20Ah/24V动力电池，进行SOC估计实验。
[0126] 以高精度电流测量的传统实验所得的该型号动力电池的SOC作为SOC真实值。
[0127] 本例所得SOC估计值结果和SOC实际值对比曲线如图5所示，图5的横坐标为时 间，单位为IO4秒，纵坐标为SOC估计值，图中实线曲线为本例所得SOC估计值，虚线曲线为 SOC实际值。图5中可见两条曲线基本重合，即本例所得SOC估计值与SOC实际值接近。
[0128] 图6中更清楚地显示本例所得SOC估计值相对SOC实际值的误差，图6的横坐标 为时间，单位为IO4秒，纵坐标为SOC估计值的误差，单位为％。图6可见本例所得SOC估 计值平均绝对误差仅1. 2793%，最大绝对误差仅为2. 7011%。
[0129] 上述实施例，仅为对本发明的目的、技术方案和有益效果进一步详细说明的具体 个例，本发明并非限定于此。凡在本发明的公开的范围之内所做的任何修改、等同替换、改 进等，均包含在本发明的保护范围之内。
【主权项】
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U。。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i(t); Thevenin模型数学表达式如下：(1) 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) =ajU(k-1) +a2I(k) +a3I(k-1) + (1-aj)Uoc (k) (2) 其中，U(k-l)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&1、a2、a3的值，对应得到参数U。。的值； II、 建立IL-S0C的关系 采用8次多项式拟合曲线拟合U。。和S0C之间关系，U%-SOC拟合如下式：其中lUS0Ck)表示电池开路电压U。。与S0C之间的非线性关系，kfks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U。。估计 采用在线最小二乘支持向量机建立S0C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S0C;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) =biU(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1]。。〇〇为输出，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=Q+y:1，其中：匕是~父~的矩阵，Q为方阵，则得到式（5)(5) 式中：y= [y:，y2，…，yN]T;iKHJ];a =[a 1，a 2,…，aJT;I为单位矩阵；T矩 阵转置符号； 展开为：计算出巧\由公式（7)确定a和b;训练过程中新样本添加到匕中的同时，消去同等 数量的旧样本，不断更新得到新的a和b，实时估计开路电压队。； IV、 动力电池SOC估计 IV-1、SOC的初值估计 步骤III估计得开路电压队。，根据公式（3)的反函数估计SOC的初值SOC。： SOC〇=f'(U^d)) (8) IV-2、安时积分法估计SOC 根据式（8)l^-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：m 式（9)中CN是电池的额定容量，时间间隔At= 1，n是库伦系数，取值为1 ; V、 动力电池安时积分法估计S0C的修正与误差补偿 将在线最小二乘支持向量机估计的Mk)与根据公式（3)计算得到的开路电压IV(S0Ck)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SCXU，(1〇) 其中，Kp为补偿系数，众为补偿后的SOC值，(幻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 X 10 6~1. 55 X 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、Ua-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； 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、uTC-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。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。
【专利摘要】本发明为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，本法步骤为：Ⅰ、用动力电池模型及参数由含遗忘因子的最小二乘FFRLS求得开路电压Uoc；Ⅱ、用FFRLS拟合得到Uoc-SOC的关系；Ⅲ、建立在线最小二乘支持向量机LS-SVM的SOC训练模型；Ⅳ、估计SOC的初值，安时积分法估计SOC；Ⅴ、修正、补偿安时积分法估计的SOC。本系统电压电流传感器实时信号接入微处理器，程序存储器中存储有执行本法的各处理模块，计算处理所得实时SOC估计值直接显示。本发明有效地补偿拟合误差和安时积分法的累计误差；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，平均绝对误差仅为1.28％。
【IPC分类】G01R31/36
【公开号】CN105116343
【申请号】CN201510521981
【发明人】党选举, 言理, 伍锡如, 刘政, 姜辉, 张向文, 李爽, 汪超, 黄品高, 王土央
【申请人】桂林电子科技大学
【公开日】2015年12月2日
【申请日】2015年8月24日