一种适用于数据驱动SOC估计的输入特征构造方法

本发明涉及一种输入特征构造方法，尤其是一种适用于数据驱动soc估计的输入特征构造方法，属于锂离子电池性能评估。

背景技术：

1、锂离子电池因其良好的性能已成为电动汽车的主要动力源，其有效的荷电状态(state ofcharge，soc)估计对电动汽车的安全驾驶、热管理等具有重要意义。基于数据驱动的soc估计方法因无需考虑电池内部复杂的反应机理，无需权衡电池模型的精度与复杂度而受到广泛关注。然而，在实际应用中，电池的可测参数较少，这不利于soc数据驱动估计模型的建立。此外，可测参数较强的非线性特性使得特定环境下所建立的soc数据驱动估计模型在其他温度等环境下不再适用，导致soc估计结果较差。

2、目前，基于数据驱动的soc估计方法大都仍采用仅可测量的电压、电流、温度作为soc数据驱动估计模型的输入特征。如公开号为cn116068412a和cn113933725a的中国发明专利申请提出的基于rvm的soc估计方法，其中模型输入为：电压、电流和温度变量；公告号为cn112782594b的中国发明授权专利将环境温度、放电电流、端电压和内阻作为soc数据驱动估计模型的输入；公告号为cn106154168b的中国发明授权专利将电压、电流、温度和历史soc作为输入特征量来建立soc数据驱动估计模型。上述专利方法都在特定环境下进行建模和预测，即使使用有限的可测输入特征，也可获得较好的soc估计结果。但是，上述专利中所使用的传统输入特征(电压、电流等)使得所建立的soc数据驱动估计模型的工况适应性较差。

技术实现思路

1、为解决背景技术存在的不足，本发明提供一种适用于数据驱动soc估计的输入特征构造方法，它通过构造有效的输入特征促进soc数据驱动建模，能够提高soc数据驱动估计模型的工况适应能力和估计精度。

2、为实现上述目的，本发明采取下述技术方案：一种适用于数据驱动soc估计的输入特征构造方法，包括以下步骤：

3、步骤一：soc数据驱动估计模型输入特征的构造

4、1.1开路电压输入特征的建模和构造

5、基于电池内部的反应机理，端电压与开路电压的电压差δu为欧姆内阻所产生的电压变化和极化电压的和，即：

6、δu(k)＝ut(k)-uocv(k)＝-i(k)·r0-up(k)

7、式中，k表示离散时间，ut表示端电压，uocv表示开路电压，i表示随机放电电流，r0表示欧姆内阻，up表示极化电压，

8、使用数据驱动算法建立端电压、随机放电电流与电压差之间的数据驱动模型如下：

9、

10、式中，f表示数据驱动算法，m表示f所建立的输入特征ut、i与δu之间的数据驱动模型，

11、最终构造开路电压输入特征表达式如下：

12、ocve(k)＝μ(ut(k),i(k))+ut(k)

13、式中，ocve表示基于数据驱动所构造的开路电压曲线，μ(ut,i)表示经过数据驱动模型m后所预测的δu；

14、1.2开路电压曲线平滑输入特征的构造

15、对基于数据驱动所构造的开路电压曲线进行平滑处理，设定窗口n，将当前时刻窗口n中的开路电压求取平均值作为当前时刻平滑构造后的开路电压，表达式如下：

16、ocvf(k)＝mean([ocv(k-n+1),ocv(k-n),...,ocv(k-1),ocv(k)])

17、式中，ocvf表示平滑构造后的开路电压曲线，[ocv(k-n+1),ocv(k-n),...,ocv(k-1),ocv(k)]表示窗口大小n中的开路电压参数值；

18、1.3端电压曲线平滑输入特征的构造

19、同样地，对端电压曲线进行平滑处理，表达式如下：

20、utf(k)＝mean([ut(k-n+1),ut(k-n),...ut(k-1),ut(k)])

21、式中，utf表示平滑构造后的端电压曲线，[ut(k-n+1),ut(k-n),...ut(k-1),ut(k)]表示窗口大小n中的端电压参数值；

22、1.4开路电压曲线平滑输入特征和端电压曲线趋势特征的融合构造

23、对于一段时间内电池的端电压曲线[ua,ub]，拟合时间与端电压之间的关系曲线，其关系曲线的拟合方程设定为：

24、y＝ax+b

25、式中，x表征时间，y表征端电压，a和b为拟合方程的系数，

26、则端电压曲线趋势特征为：

27、utrend(k)＝at+b

28、式中，utrend表示端电压曲线的趋势性曲线，t表示时间，

29、融合开路电压曲线平滑输入特征和端电压曲线趋势特征构造新的输入特征，表达式如下：

30、

31、式中，ufusion表示平滑构造后的开路电压曲线与端电压曲线的趋势性曲线的融合曲线；

32、1.5基于安时积分法方程的soc输入特征构造

33、基于安时积分法方程的soc被构造用于soc建模的输入特征，即：

34、

35、式中，soc(k)表示当前时刻的soc，soc(k－1)表示前一时刻的soc，i(k)表示当前时刻的电流，δt表示采样时间，ccap表示电池的容量；

36、步骤二：基于特征点采样所构造输入特征的处理

37、基于步骤一所构造的五个输入特征，以任一输入特征为基础，在构造过程中实时判断当前时刻所选择的特征值与前一时刻所选择的特征值之间的大小，并不断记录和更新存储空间中最小的特征值，以在放电过程中对所选择的输入特征进行采样处理并提取和构造具有单调下降趋势的输入特征，同时，以该所选择输入特征的采样标准为基准，对步骤一所构造的其余输入特征和soc数据驱动估计模型中所采用的训练数据集做相同的处理。

38、与现有技术相比，本发明的有益效果是：本发明通过开路电压输入特征的建模和构造、开路电压曲线平滑输入特征的构造、端电压曲线平滑输入特征的构造、开路电压曲线平滑输入特征和端电压曲线趋势特征的融合构造以及基于安时积分法方程的soc输入特征构造，确定soc数据驱动估计模型的输入特征，然后以所构造的输入特征为基础，基于特征的单调变化趋势对所构造的输入特征做进一步采样处理，并在采样点估计soc，提供了有利于建模的输入特征，为获得良好的soc估计结果提供基础，适用于不同的应用环境，提高soc数据驱动估计模型的工况适应能力，可在线实时构造和获取，有利于模型的在线部署，无需大量的训练数据，易建立所构造输入特征与soc之间的映射关系，更有利于实际应用，能够为续驶里程预测、老化状态估计等提供基础，有利于电动汽车的安全行驶。

技术特征：

1.一种适用于数据驱动soc估计的输入特征构造方法，其特征在于：包括以下步骤：

技术总结
一种适用于数据驱动SOC估计的输入特征构造方法，涉及一种输入特征构造方法。SOC数据驱动估计模型输入特征的构造，包括开路电压输入特征的建模和构造、开路电压曲线平滑输入特征的构造、端电压曲线平滑输入特征的构造、开路电压曲线平滑输入特征和端电压曲线趋势特征的融合构造以及基于安时积分法方程的SOC输入特征构造，确定输入特征后进行采样处理，并在采样点估计SOC。通过构造有效的输入特征促进SOC数据驱动建模，能够提高SOC数据驱动估计模型的工况适应能力和估计精度。

技术研发人员：赵林辉,秦鹏亮
受保护的技术使用者：哈尔滨工业大学
技术研发日：
技术公布日：2024/1/15