[发明专利]一种基于阻抗参数的SOH与SOC的在线协同估计方法及系统

权利要求书

1.一种基于阻抗参数的SOH与SOC的在线协同估计方法，包括：

向蓄电池施加脉冲电流激励，采集充放电过程中充放电数据；

基于蓄电池等效电路模型，结合蓄电池的充放电数据进行阻抗参数的辨识；

引入循环神经网络模型，基于充放电数据和阻抗参数，协同估计SOC和SOH；

所述引入循环神经网络模型，基于充放电数据和阻抗参数，协同估计SOC和SOH，具体包括：

引入LSTM循环神经网络模型，对LSTM循环神经网络模型进行训练和学习，结合当前时刻的时间序列数据和前一时刻荷电状态SOC_t-1构建SOC估算模型输出当前时刻的荷电状态SOC_t；

结合当前时刻的阻抗参数和当前时刻的荷电状态SOC_t，输入前一时刻脉冲充放电得到的SOH_t-1，再次引入LSTM循环神经网络模型，对LSTM循环神经网络模型进行训练和学习，构建SOH估算模型，估计蓄电池的健康状态SOH_t。

2.如权利要求1所述的一种基于阻抗参数的SOH与SOC的在线协同估计方法，其特征是，基于蓄电池等效电路模型，结合蓄电池的充放电数据进行阻抗参数的辨识，包括：

选择Thevenin等效电路模型作为蓄电池等效电路模型；

分析放电电流和端电压的变化情况，得到电流激励作用下的电压变化曲线；

分析电流激励作用下的电压变化曲线，进行阻抗参数的辨识。

3.如权利要求1所述的一种基于阻抗参数的SOH与SOC的在线协同估计方法，其特征是，将采集的充放电数据转化为时间序列数据。

4.如权利要求3所述的一种基于阻抗参数的SOH与SOC的在线协同估计方法，其特征是，对LSTM循环神经网络模型进行训练和学习，包括：

确定LSTM循环神经网络模型子网络的输入节点、隐藏层节点、全连接输出节点。

5.如权利要求1所述的一种基于阻抗参数的SOH与SOC的在线协同估计方法，其特征是，所述充放电数据包括目标蓄电池端电压、电流、温度；

所述阻抗参数包括极化内阻、极化电容及电池等效内阻。

6.如权利要求4所述的一种基于阻抗参数的SOH与SOC的在线协同估计方法，其特征是，训练过程使用Adam算法加速收敛。

7.一种基于阻抗参数的SOH与SOC的在线协同估计系统，其特征是，包括：

数据采集模块，被配置为：向蓄电池施加脉冲电流激励，采集充放电过程中充放电数据；

阻抗参数辨识模块，被配置为：基于蓄电池等效电路模型，结合蓄电池的充放电数据进行阻抗参数的辨识；

SOC和SOH协同估计模块，被配置为：引入循环神经网络模型，基于充放电数据和阻抗参数，协同估计SOC和SOH；

所述引入循环神经网络模型，基于充放电数据和阻抗参数，协同估计SOC和SOH，具体包括：

引入LSTM循环神经网络模型，对LSTM循环神经网络模型进行训练和学习，结合当前时刻的时间序列数据和前一时刻荷电状态SOC_t-1构建SOC估算模型输出当前时刻的荷电状态SOC_t；

结合当前时刻的阻抗参数和当前时刻的荷电状态SOC_t，输入前一时刻脉冲充放电得到的SOH_t-1，再次引入LSTM循环神经网络模型，对LSTM循环神经网络模型进行训练和学习，构建SOH估算模型，估计蓄电池的健康状态SOH_t。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-6任一所述的一种基于阻抗参数的SOH与SOC的在线协同估计方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6任一所述的一种基于阻抗参数的SOH与SOC的在线协同估计方法的步骤。