[发明专利]电动汽车动力电池SOC估计方法

权利要求书

1.一种电动汽车动力电池SOC估计方法，其特征在于，包括

s1、自BMS中提取可以表征SOC的关联特征；

s2、利用关联特征训练深度神经网络模型，深度神经网络模型采用BLSTM-RNN神经网络，

采用极大似然估计来训练模型，

采用Tanh函数作为激活函数：

第一层的输出由下式给出：

h⁽¹⁾＝g⁽¹⁾(W^(1)TX+b⁽¹⁾) (3)

第二层由

h⁽²⁾＝g⁽²⁾(W^(2)Th⁽¹⁾+b⁽²⁾) (4)

其中a表示汇集计算的值，b表示经过激活函数计算的值，w是不同神经元之间连接的参数，带下标k的是输出层，带下标h的是隐藏层相关的内容，L则是模型当中最后使用的损失函数，

关于反向传播，公式(9)中括号里包含两个部分，第一项是当前时间输出层传回的残差，第二项是下一时间隐藏层传回的残差，

关于全连接层，将隐藏层的状态h_k线性映射成SOC估计值SOC_k，计算公式如下：

SOC_k＝ν_outh_k+b_k (12)

其中，ν_out是全连接层的权值矩阵，b_k是偏移量；

s3、基于训练后的深度神经网络模型在线SOC估计。

2.根据权利要求1所述的电动汽车动力电池SOC估计方法，其特征在于，所述关联特征包括电池电流I_k、电池总电压V_k、电池包最低温度T_mink、电池包最高温度T_maxk。

3.根据权利要求1所述的电动汽车动力电池SOC估计方法，其特征在于，步骤s2中，回归模型的训练样本集k＝1，...，N，其中，为已有的SOC真实值，作为训练样本的标签。

4.根据权利要求1所述的电动汽车动力电池SOC估计方法，其特征在于，步骤s2中，将训练样本集输入到BLSTM-RNN神经网络中，采用梯度下降法对网络参数进行学习，当损失函数值小于给定阈值时，停止训练。

5.根据权利要求1所述的电动汽车动力电池SOC估计方法，其特征在于，步骤s3中，自BMS中提取实时的关联特征，并输入训练好的BLSTM-RNN神经网络，得到实时的SOC估计结果。