一种用于电池管理系统的电池荷电状态预测方法
【技术领域】
[0001]本发明属于电动汽车电池管理系统领域，尤其是涉及一种用于电池管理系统的电池荷电状态预测方法。
【背景技术】
[0002]随着环保和节能问题的日益突出，锂离子电池由于比能量高，绿色环保等优点，逐步在汽车、航天、船舶等领域都有了实际应用。但由于电池的过充过放，电池间不一致性，电池的发热等问题，容易导致电池失效，严重影响使用寿命，造成重大生命或财产损失。未充分利用的电池材料，也造成一种资源的浪费。因此对于动力电池来说，电池管理系统不可缺少。
[0003]在电池管理系统的诸多部分中，电池荷电状态(State of Charge，简写SoC)的预测是最基本和最首要的任务，其预测的准确性，会影响到电池管理系统的控制策略，从而影响电池性能的发挥。同时，SoC也是指导电池充电或放电过程的重要参数，可以防止电池的过充和过放造成的不可恢复的损坏，能够更好地保护电池。对于应用于电动汽车的动力电池而言，通过正确地估算电池的SoC，充分利用电池的电能，可以使电动车的续航距离更长，同时能够延长电池的使用寿命，从而降低电池的使用成本。因此，准确预测锂离子电池SoC意义重大。
[0004]目前电池管理系统SoC估算的方法主要有:安时计量法、开路电压法和卡尔曼法等。安时计量法计算简单，但其预测精度较差。且精密安时计量价格昂贵，工作环境要求高，不适用与工况复杂、振动剧烈的电动汽车上。开路电压法虽然能较好获取电池起始时刻的SoC，但不适合在复杂情况下的电动汽车实时预测。卡尔曼法虽然有较高的预测精度，也具有较强的跟踪性能，但现有的卡尔曼滤波方法，在估计锂离子电池SoC时，根据常规经验初步设定一个SoC初值及其初始误差协方差，这导致卡尔曼滤波的收敛性和准确性受到较大影响，进而造成锂离子电池SoC的在线估计值可靠性低。
【发明内容】
[0005]本发明的目的在于，针对上述问题，提出一种用于电池管理系统的电池荷电状态预测方法，以实现结构简单，计算开销量小，预测精度可观，且具有普遍适用性等特点。
[0006]为实现上述目标，本方法所采用的技术方案为:
[0007]—种用于电池管理系统的电池荷电状态(State of Charge，简写SoC)预测方法，通过电池管理系统对电池电压、电流、温度数据进行采集，并估算电池SoC后将估算得到的SoC数据序列存储到数据存储区；利用灰色预测模型对数据存储区中存储的电池SoC数据序列进行预测，所述SoC预测方法，包括以下步骤:
[0008](I)初始化:建立一个宽度为X个数据点的滑窗窗口，确定预测数据序列后续数据点个数为Y，确定每次滑动跳过的数据点个数为Z，其中数据点个数X，Y均为大于O的整数，Z为大于I且小于等于Y的正整数，具体值可由用户按照需求确定；
[0009](2)根据所述滑窗窗口设定的数据点个数，从采集到的数据序列中依序选取X个数据点建立灰色预测模型，而后预测后续的Y个数据点的值，将预测结果数据存储；
[0010](3)判断数据序列中剩余数据点的个数是否满足大于或等于Z，若满足则依序滑动滑窗窗口跳过Z个数据点，然后重复执行步骤(2);若不满足，则结束程序，停止预测。
[0011]根据所述的一种用于电池管理系统的电池荷电状态预测方法，所述灰色预测模型可为GM(1，1)预测模型，Verhulst GM(Ll)预测模型，马尔可夫GM(1，I)预测模型和残差GM(Ll)预测模型中的任意一个，具体使用哪个模型可由用户确定。
[0012]本发明具有以下优点:
[0013]本发明提出一种用于电池管理系统的电池荷电状态预测方法，以实现结构简单，计算开销量小，预测精度可观，且具有普遍适用性等特点。
【附图说明】
[0014]附图1为一种用于电池管理系统的电池荷电状态预测方法流程图。
[0015]附图2为一种用于电池管理系统的电池荷电状态预测方法示意图。
【具体实施方式】
[0016]下面结合附图对本发明作进一步说明。
[0017]如附图1所示一种用于电池管理系统的电池荷电状态预测方法流程图所示，通过电池管理系统对电池电压、电流、温度数据进行采集，并估算电池SoC后将估算得到的SoC数据序列存储到数据存储区；利用灰色预测模型对数据存储区中存储的电池SoC数据序列进行预测，所述SoC预测方法，包括以下步骤:
[0018](I)初始化:建立一个宽度为X个数据点的滑窗窗口，确定预测数据序列后续数据点个数为Y，确定每次滑动跳过的数据点个数为Z，其中数据点个数X，Y均为大于O的整数，Z为大于I且小于等于Y的正整数，具体值可由用户按照需求确定；
[0019](2)根据所述滑窗窗口设定的数据点个数，从采集到的数据序列中依序选取X个数据点建立灰色预测模型，而后预测后续的Y个数据点的值，将预测结果数据存储；
[0020](3)判断数据序列中剩余数据点的个数是否满足大于或等于Z，若满足则依序滑动滑窗窗口跳过Z个数据点，然后重复执行步骤(2);若不满足，则结束程序，停止预测。
[0021]根据所述的一种用于电池管理系统的电池荷电状态预测方法，所述灰色预测模型可为GM(1，1)预测模型，Verhulst GM(Ll)预测模型，马尔可夫GM(1，I)预测模型和残差GM(Ll)预测模型中的任意一个，具体使用哪个模型可由用户确定。
[0022]如附图2所示一种用于电池管理系统的电池荷电状态预测方法示意图所示，当用户需要使用该方法时，用户可在初始化时建立一个宽度为X个数据点的滑窗窗口，设定X等于5 ;确定预测序列后续数据点个数Y，设定Y等于5 ;确定每次滑动跳过的数据点个数Z，设定Z等于3;假定用户选择Verhulst GM(Ll)预测模型作为灰色预测模型，则由所述滑窗窗口内5个数据点建立Verhulst GM(Ll)预测模型，预测序列后续5个数据点的值，并存储预测结果到数据存储区。
[0023]具体为，初始化时建立一个宽度为X个数据点的滑窗窗口，设定X等于5，如附图2所示Xl为第一次预测时的滑窗窗口，所述滑窗窗口 Xl内5个数据点建立Verhulst GM(I,I)预测模型，预测序列后续Y个数据点的值，设定Y等于5，如附图2所示Yl为第一次预测结果的5个数据点值，并存储预测结果到数据存储区。完成第一次预测后，判断序列剩余数据点个数是否满足大于等于Z个，设定Z等于3，若满足，则滑动滑窗窗口跳过3个数据点，建立一个宽度为5个数据点的滑窗窗口 X2，如附图2所示X2为第二次预测时的滑窗窗口，所述滑窗窗口 X2内5个数据点建立Verhulst GM(I, I)预测模型，预测序列后续5个数据点的值，即第二次预测结果Y2内5个数据点的值，并存储预测结果到数据存储区。如附图2所示，程序依次使用滑窗窗口 XI，X2，X3至Xn内数据点分别建立灰色预测模型，其中Xn表示第η次预测时滑窗窗口，预测结果分别为Yl，Υ2，Υ3至Yn内数据点，其中Yn表示第η次预测结果，程序连续运行，直到判断序列剩余数据点个数小于Z个，即小于3个时，则程序结束。
[0024]如附图2所示一种用于电池管理系统的电池荷电状态预测方法示意图所示，当用户需要使用该方法时，特别的，当用户确定每次滑动跳过的数据点个数1，即Z等于I时，该方法又可以视为新陈代谢预测算法，即每次滑动窗口使得窗口内数据更新I个数据点，同时剔除I个滑窗窗口内最旧的数据点，提高了该方法对数据序列的波动的追踪能力。
[0025]如附图2所示一种用于电池管理系统的电池荷电状态预测方法示意图所示，当用户需要使用该方法时，特别的，当用户确定每次滑动跳过的数据点个数Z值大于滑窗窗口宽度数据点个数X值时，即Z > X时，该方法又可以视为有间隔滑窗预测算法。
[0026]在此说明书中，应当指出，以上实施例仅是本发明较有代表性的例子。显然本发明不局限于上述具体实施例，还可以做出各种修改、变换和变形。因此，说明书和附图应该被认为是说明性的而非限制性的。凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均应认为属于本发明的保护范围。
【主权项】
1.一种用于电池管理系统的电池荷电状态(state of Charge，简写SoC)预测方法，通过电池管理系统对电池电压、电流、温度数据进行采集，并估算电池SoC后将估算得到的SoC数据序列存储到数据存储区；其特征在于，利用灰色预测模型对数据存储区中存储的电池SoC数据序列进行预测， 所述SoC预测方法，包括以下步骤: (1)初始化:建立一个宽度为X个数据点的滑窗窗口，确定预测数据序列后续数据点个数为Y，确定每次滑动跳过的数据点个数为Z，其中数据点个数X，Y均为大于O的整数，Z为大于I且小于等于Y的正整数，具体值可由用户按照需求确定； (2)根据所述滑窗窗口设定的数据点个数，从采集到的数据序列中依序选取X个数据点建立灰色预测模型，而后预测后续的Y个数据点的值，将预测结果数据存储； (3)判断数据序列中剩余数据点的个数是否满足大于或等于Z，若满足则依序滑动滑窗窗口跳过Z个数据点，然后重复执行步骤(2);若不满足，则结束程序，停止预测。2.根据权利要求1所述的一种用于电池管理系统的电池荷电状态预测方法，其特征在于，所述灰色预测模型可为GM(1，1)预测模型，Verhulst GM(Ll)预测模型，马尔可夫GM(Ll)预测模型和残差GM(1，1)预测模型中的任意一个，具体使用哪个模型可由用户确定。
【专利摘要】本发明公开了一种用于电池管理系统的电池荷电状态预测方法，包括以下步骤：1.用户依照需求初始化建立一个宽度为X个数据点的滑窗窗口，确定预测序列后续数据点个数Y，确定每次滑动跳过的数据点个数Z；2.由滑窗窗口内X个数据点建立灰色预测模型，预测序列后续Y个数据点的值，并存储预测结果3.判断序列剩余数据点个数是否满足大于等于Z，若满足，则滑动滑窗窗口跳过Z个数据点，然后重复执行步骤2；若不满足，则结束程序。本发明实现电池荷电状态预测，结构简单，计算开销量小，预测精度可观，且具有普遍适用性等特点。
【IPC分类】G01R31/36
【公开号】CN105676128
【申请号】
【发明人】陈琳, 林伟龙, 潘海鸿, 李君子, 黄炳琼
【申请人】广西大学
【公开日】2016年6月15日
【申请日】2015年8月17日