[发明专利]一种动力电池SOC估算方法

说明书

本发明涉及混合动力汽车领域，特别是涉及一种动力电池SOC估算方法。一种动力电池SOC估算方法，所述动力电池用于混合动力汽车中，所述估算方法包括：提供所述动力电池特征参数的实验室恒流放电数据集；使用所述实验室恒流放电数据集训练LSTM模型，得到LSTM模型迁移参数；采集所述动力电池特征参数的实际工况数据集；以及使用所述LSTM模型迁移参数和所述实际工况数据集训练LSTM‑DaNN模型，得到动力电池SOC。上述动力汽车SOC估算方法将所述动力电池特征参数的实验室恒流放电数据集作为有标签的数据，用无标签的所述动力电池特征参数的实际工况数据集辅助所述有标签的数据训练LSTM‑DaNN模型，提升了训练效率，减少了计算量。

技术领域

本发明涉及混合动力汽车领域，特别是涉及一种动力电池SOC估算方法。

背景技术

与传统型汽车相比，混合动力汽车充分吸取了电力/热力系统中最大的优势，很大程度地降低了汽车的耗油量和污染物的排放，可以确保具有同等的性能和优势，并且在节能和排放上胜出一筹。混合动力汽车在现有技术的基础上达到了提高燃料经济性和减少排放的目的，因而极具发展前景。

对于混合动力汽车，动力电池SOC(State Of Charge，荷电状态)的估算是其电池管理系统中的关键技术之一。一般的，混合动力汽车动力电池SOC估算方法有开路电压法、安时积分法、放电实验法、人工神经网络法等。在使用人工神经网络法估算SOC时，只需要建立映射关系训练BP(Back Propagation，反向传播)网络模型，而不需要考虑各个参数之间的关系，在估算的准确性及鲁棒性上具有明显优势。但是，现有的人工神经网络法在估算SOC时，具有计算量大、花费时间长、需要足够的存储空间等缺点。

发明内容

基于此，有必要针对上述技术问题，提供一种动力电池SOC估算方法，将所述动力电池特征参数的实验室恒流放电数据集作为有标签的数据，用无标签的所述动力电池特征参数的实际工况数据集辅助所述有标签的数据训练LSTM-DaNN模型，提升了训练效率，减少了计算量。

一种动力电池SOC估算方法，所述动力电池用于混合动力汽车中，所述估算方法包括：

提供所述动力电池特征参数的实验室恒流放电数据集；

采集所述动力电池特征参数的实际工况数据集；

使用所述实验室恒流放电数据集训练LSTM模型，得到LSTM模型迁移参数；以及

使用所述LSTM模型迁移参数和所述实际工况数据集训练LSTM-DaNN模型，得到动力电池SOC。

上述动力电池SOC估算方法，将所述动力电池特征参数的实验室恒流放电数据集作为有标签的数据，用无标签的所述动力电池特征参数的实际工况数据集辅助所述有标签的数据训练LSTM-DaNN模型，再使用训练好的LSTM-DaNN模型估算动力电池SOC，提升了训练效率，减少了计算量。

在其中一个实施例中，所述特征参数包括所述动力电池的端电压、工作电流和平均温度。

在其中一个实施例中，所述特征参数还包括所述动力电池的电压极差。

在其中一个实施例中，所述提供所述动力电池特征参数的实验室恒流放电数据集的步骤，包括：

提供所述动力电池特征参数的实验室恒流放电原始数据；

对所述实验室恒流放电原始数据进行数据采样，将所述实验室恒流放电原始数据分割成多个同等时间长度的样本，得到所述实验室恒流放电数据集。

在其中一个实施例中，所述采集所述动力电池特征参数的实际工况数据集的步骤，包括：

采集所述动力电池特征参数的实际工况原始数据；