锂电池SOC预测方法及装置与流程

本发明涉及电池，具体涉及一种锂电池soc预测方法及装置。

背景技术：

1、锂电池的soc（state of charge，荷电状态）数据非线性程度高，且会随着环境变化发生改变，传统的安时积分法和开路电压法应用起来有很多限制，且精度不高。由于实际的锂电池使用过程中，外界环境会发生变化，锂电池的充放电深度也存在差异，这些现象会对锂电池的soc有着很大的影响，单一soc预测模型很难预测准确。

2、在现实的锂电池使用过程中，很难出现满充满放的过程，此时锂电池无法进行校准，soc的预测往往不准确，这一类数据在建立soc预测模型的过程中常常被抛弃，造成资源浪费。

技术实现思路

1、本发明为解决上述技术问题，提供了一种锂电池soc预测方法和一种锂电池soc预测装置，能够充分利用不同锂电池充放电状态的数据，能够提升soc预测模型泛化性和可靠性，提高soc预测模型对于同一类数据的预测精度，进而有效提升soc预测的预测精度。

2、本发明采用的技术方案如下：

3、一种锂电池soc预测方法，包括以下步骤：s1，获取多种充放电状态的样本锂电池的充放电数据，其中，所述充放电状态根据充放电起始时的电压和充放电结束时的电压进行划分；s2，根据所述样本锂电池的充放电数据预测所述样本锂电池的可用容量；s3，根据所述样本锂电池的充放电数据和可用容量计算每个所述样本锂电池各采样时刻的soc，得到所述样本锂电池的soc数据；s4，对所述样本锂电池的充放电数据进行聚类，得到多个样本数据类和每个样本数据类的数据中心；s5，根据所述样本锂电池的充放电数据和soc数据，为每个样本数据类建立一个soc预测模型；s6，获取待预测锂电池的充放电数据，计算待预测锂电池的充放电数据与每个样本数据类中心的欧式距离；s7，将欧式距离最小的样本数据类对应的soc预测模型选定为所述待预测锂电池的soc预测模型，通过选定的soc预测模型根据所述待预测锂电池的充放电数据对所述待预测锂电池的soc进行预测，得到所述待预测锂电池的soc。

4、另外，根据本发明上述提出的锂电池soc预测方法还可以具有如下附加的技术特征：

5、根据本发明的一个实施例，所述充放电状态分为第一至第四种，所述充放电状态分为第一至第四种，其中，第一种充放电状态的锂电池充电起始时的电压为预设充电起始电压、充电结束时的电压为预设充电结束电压，或者放电起始时的电压为预设放电起始电压、放电结束时的电压为预设放电结束电压；第二种充放电状态的锂电池充电起始时的电压大于所述预设充电起始电压、充电结束时的电压为所述预设充电结束电压，或者放电起始时的电压为所述预设放电起始电压、放电结束时的电压大于所述预设放电结束电压；第三种充放电状态的锂电池充电起始时的电压为所述预设充电起始电压、充电结束时的soc的电压小于所述预设充电结束电压，或者放电起始时的电压小于所述预设放电起始电压、放电结束时的电压为所述预设放电结束电压；第四种充放电状态的锂电池充电起始时的电压大于所述预设充电起始电压、充电结束时的电压小于所述预设充电结束电压，或者放电起始时的电压小于所述预设放电起始电压、放电结束时的电压大于所述预设放电结束电压。

6、根据本发明的一个实施例，根据所述样本锂电池的充放电数据基于pls（partialleast squares，偏最小二乘）模型预测所述样本锂电池的可用容量，其中，基于第一种样本锂电池的充放电数据中的k组数据建立所述pls模型，其中，所述第一种样本锂电池的充放电数据共有m组数据，每个第一种样本锂电池对应所述第一种样本锂电池的充放电数据中的一组数据，m为大于2的整数，k为大于1小于m的整数。

7、根据本发明的一个实施例，步骤s3具体包括：s31，根据所述样本锂电池的充放电数据计算所述样本锂电池各采样时刻的充放电安时数；s32，获取所述样本锂电池在充放电起始时的soc，其中，当所述样本锂电池为所述第二种充放电状态时，该样本锂电池在充电起始时的soc为：

8、

9、其中， c r为可用容量，当所述样本锂电池为所述第三种充放电状态时，该样本锂电池在放电起始时的soc为：

10、

11、其中， soc0为充电/放电起始时的soc， c t为充电/放电安时数，

12、当所述样本锂电池为所述第四种充放电状态时，使用开路电压法计算该样本锂电池充放电起始时和结束时的soc；s33，根据所述样本锂电池各采样时刻的充放电安时数、可用容量和充放电起始时的soc，计算每个所述样本锂电池各采样时刻的soc。

13、根据本发明的一个实施例，根据所述样本锂电池的电流数据和时间数据基于安时积分法计算所述样本锂电池的充放电安时数。

14、根据本发明的一个实施例，在步骤s32之后，步骤s33之前，还包括：当所述样本锂电池为所述第一种充放电状态时，如果该样本锂电池在充放电结束时基于所述pls模型得到的可用容量和基于安时积分法计算的充放电安时数之间的第一误差超过第一误差限，则弃用该样本锂电池的充放电数据；当所述样本锂电池为所述第四种充放电状态时，分别基于开路电压法和所述pls模型计算得到该样本锂电池在充放电起始时和结束时的soc差，如果基于开路电压法得到的soc差和基于所述pls模型得到的soc差之间的第二误差超过第二误差限，则弃用该样本锂电池的充放电数据。

15、此外，为实现上述目的，本发明还提出一种锂电池soc预测装置。

16、一种锂电池soc预测装置，包括：第一获取模块，第一获取模块获取多种充放电状态的样本锂电池的充放电数据，其中，所述充放电状态根据充放电起始时的电压和充放电结束时的电压进行划分；第一预测模块，所述第一预测模块用于根据所述样本锂电池的充放电数据预测所述样本锂电池的可用容量；计算模块，所述计算模块用于根据所述样本锂电池的充放电数据和可用容量计算每个所述样本锂电池各采样时刻的soc，得到所述样本锂电池的soc数据；聚类模块，所述聚类模块用于对所述样本锂电池的充放电数据进行聚类，得到多个样本数据类和每个样本数据类的数据中心；第一建模模块，所述第一建模模块用于根据所述样本锂电池的充放电数据和soc数据，为每个样本数据类建立一个soc预测模型；第二获取模块，所述第二获取模块用于获取待预测锂电池的充放电数据，计算待预测锂电池的充放电数据与每个数据中心的欧式距离；第二预测模块，所述第二预测模块用于将欧式距离最小的样本数据类对应的soc预测模型选定为所述待预测锂电池的soc预测模型，通过选定的soc预测模型根据所述待预测锂电池的充放电数据对所述待预测锂电池的soc进行预测，得到所述待预测锂电池的soc。

17、另外，根据本发明上述提出的锂电池soc预测装置还可以具有如下附加的技术特征：

18、根据本发明的一个实施例，所述充放电状态分为第一至第四种，其中，第一种充放电状态的锂电池充电起始时的电压为预设充电起始电压、充电结束时的电压为预设充电结束电压，或者放电起始时的电压为预设放电起始电压、放电结束时的电压为预设放电结束电压；第二种充放电状态的锂电池充电起始时的电压大于所述预设充电起始电压、充电结束时的电压为所述预设充电结束电压，或者放电起始时的电压为所述预设放电起始电压、放电结束时的电压大于所述预设放电结束电压；第三种充放电状态的锂电池充电起始时的电压为所述预设充电起始电压、充电结束时的soc的电压小于所述预设充电结束电压，或者放电起始时的电压小于所述预设放电起始电压、放电结束时的电压为所述预设放电结束电压；第四种充放电状态的锂电池充电起始时的电压大于所述预设充电起始电压、充电结束时的电压小于所述预设充电结束电压，或者放电起始时的电压小于所述预设放电起始电压、放电结束时的电压大于所述预设放电结束电压。

19、根据本发明的一个实施例，所述第一预测模块用于根据所述样本锂电池的充放电数据基于pls模型预测所述样本锂电池的可用容量，所述soc预测装置还包括第二建模模块，所述第二建模模块用于基于第一种样本锂电池的中的k组数据建立可用容量预测模型，其中，基于第一种样本锂电池的充放电数据中的k组数据建立所述pls模型，其中，所述第一种样本锂电池的充放电数据共有m组数据，每个第一种样本锂电池对应所述第一种样本锂电池的充放电数据中的一组数据，m为大于2的整数，k为大于1小于m的整数。

20、根据本发明的一个实施例，计算模块具体包括：第一计算子模块，所述第一计算子模块用于根据所述样本锂电池的充放电数据计算所述样本锂电池的充放电安时数；第二计算子模块，所述第二计算子模块用于获取所述样本锂电池在充放电起始时的soc，其中，当所述样本锂电池为所述第二种充放电状态时，该样本锂电池在充电起始时的soc为：

21、

22、其中， c r为可用容量，当所述样本锂电池为所述第三种充放电状态时，该样本锂电池在放电起始时的soc为：

23、

24、其中， soc0为充电/放电起始时的soc， c t为充电/放电安时数，

25、当所述样本锂电池为所述第四种充放电状态时，使用开路电压法计算该样本锂电池充放电起始时和结束时的soc；第三计算子模块，所述第三计算子模块用于根据所述样本锂电池的充放电安时数、可用容量和充放电起始时的soc，计算每个所述样本锂电池各采样时刻的soc。

26、根据本发明的一个实施例，所述第一计算子模块用于根据所述样本锂电池的电流数据和时间数据基于安时积分法计算所述样本锂电池的充放电安时数。

27、根据本发明的一个实施例，所述计算模块还包括清理子模块，所述清理子模块用于当所述样本锂电池为所述第一种充放电状态时，如果该样本锂电池在充放电结束时基于所述pls模型得到的可用容量和基于安时积分法计算的充放电安时数之间的第一误差超过第一误差限，则弃用该样本锂电池的充放电数据；当所述样本锂电池为所述第四种充放电状态时，分别基于开路电压法和所述pls模型计算得到该样本锂电池在充放电起始时和结束时的soc差，如果基于开路电压法得到的soc差和基于所述pls模型得到的soc差之间的第二误差超过第二误差限，则弃用该样本锂电池的充放电数据。

28、本发明的有益效果：

29、本发明实施例的锂电池soc预测方法，通过使用多种充放电状态的样本锂电池的充放电数据，得到不同样本数据类的soc预测模型，能够充分利用锂电池不同充放电状态的数据；通过先预测样本锂电池的可用容量再计算样本锂电池各采样时刻的soc，通过聚类得到多个样本数据类及数据中心，然后建立每个样本数据类的soc预测模型，根据待预测锂电池的充放电数据和数据中心的欧式距离选定合适的soc预测模型，能够提升soc预测模型的泛化性和可靠性，提高soc预测模型对于同一类数据的预测精度，进而有效提升锂电池soc的预测精度。