[发明专利]一种基于蝙蝠探测-极限学习机的锂电池容量估计方法

说明书

一种基于蝙蝠探测‑极限学习机的锂电池容量估计方法，属于电池技术领域。本发明包括如下步骤，S1：对锂电池进行充放电循环工况测试并记录测试数据，通过灵敏度分析确定输入变量和输出变量；S2：将输入变量和输出变量形成训练集和测试集；设计蝙蝠探测算法并将训练集导入进行迭代寻优，得到最优输出权值；S3：计算输入连接权值和隐含层神经元阈值，构建前馈神经网络结构极限学习机；S4：将测试集导入步骤S3构建的极限学习机进行锂电池容量估计，并进行锂电池容量估计的性能评价。本发明泛化能力好，可有效降低锂电池容量估计误差，提高锂电池容量估计精度。

技术领域

本发明属于电池技术领域，具体是涉及一种基于蝙蝠探测-极限学习机的锂电池容量估计方法。

背景技术

电动汽车产业快速崛起，已经成为中国战略性新兴产业。锂电池具有重量轻、储能大、功率大等优点，是电动汽车理想动力源的首选。电池的容量可以表示为电池在一定条件下从满充状态下以一定的倍率放电到截止电压所放出的容量，即放电电流时间积分值，这也是衡量电池性能一项重要指标。

锂电池一般会随着充放电循环周期增加出现容量衰退现象。锂电池容量也会随着使用环境、老化等发生变化。因此，锂电池容量的不精确估计，会导致电池剩余使用寿命预测不准确，也会影响电动汽车续驶里程的准确估算。

目前电池容量估计主要有经验估计、基于参数模型的估计、数据驱动等方法。经验估计一般先进行寿命老化试验，寻找一定的老化规律，建立容量衰减曲线进行电池实际容量估计。经验估计方法受锂电池种类以及电池使用环境影响较大。基于参数模型的估计算法对电池模型精度要求较高，模型参数辨识的不准确，直接影响电池实际容量的估计精度。目前亟需具有泛化性能好、噪声容错能力强、估计精度高的方法进行锂电池容量估计。

发明内容

本发明主要是解决上述现有技术所存在的技术问题，提供一种基于蝙蝠探测-极限学习机的锂电池容量估计方法，该方法泛化能力好，噪声容错能力强，可有效降低电池容量估计误差，提高电池容量估计精度。

本发明的上述技术问题主要是通过下述技术方案得以解决的：一种基于蝙蝠探测-极限学习机的锂电池容量估计方法，包括如下步骤：

S1：对锂电池进行充放电循环工况测试并记录测试数据，通过灵敏度分析确定输入变量和输出变量；

S2：将输入变量和输出变量形成训练集和测试集；设计蝙蝠探测算法并将训练集导入进行迭代寻优，得到最优输出权值；

S3：计算输入连接权值和隐含层神经元阈值，构建前馈神经网络结构极限学习机；

S4：将测试集导入步骤S3构建的极限学习机进行锂电池容量估计，并进行锂电池容量估计的性能评价。

作为优选，在步骤S1中，所述测试数据包括恒流充电时间T_I、恒压充电时间T_V、充电总时间T_total,charge、充电瞬间电池端电压变化值△V_charge、放电总时间T_{total,discharge}、放电过程电池温度变化值△Temp_discharge、放电瞬间电池端电压变化值△V_discharge、以及电池实际剩余容量C_aged。

作为优选，在步骤S2中，所述输入变量经归一化处理后进行挑选形成一定比例的输入数据训练集，剩余部分为输入数据测试集；所述输出变量经归一化处理后进行挑选形成一定比例的输出数据训练集，剩余部分为输出数据测试集；所述输入变量的挑选比例和输出变量的挑选比例相同。

作为优选，步骤S2包括如下步骤：