一种车载铅酸电池剩余电量估计方法、存储介质、设备

本发明涉及车载铅酸电池，尤其涉及一种车载铅酸电池剩余电量估计方法、存储介质、设备。

背景技术：

1、铅酸蓄电池是燃油汽车上的辅助电源，一般用来承担发动机起动供电和辅助供电的任务。soc(state of charge，荷电状态)用来描述铅酸蓄电池的荷电状态，表示电池剩余容量与其完全充电状态的容量的比值，常用百分数表示。其取值范围为0～1，当soc＝0时表示电池放电完全，当soc＝1时表示电池完全充满。soc是燃油车能量管理系统电源管理策略的重要输入参数，估计精度对整车能量管理有效性有重要影响。通过定期监测soc，可以确保电池在使用过程中保持在合理的电量范围内，避免过度充电或放电对电池性能和寿命的影响。

2、目前常用的估计soc的方法包括：开路电压法，就是根据电池的开路电压ocv(opencircuit voltage，开路电压)来确定其soc值。分别测量在不同的soc值下的电池开路电压大小，然后通过数据拟合的方法得到关于soc-ocv的函数。安时积分法，把充入或流出电池的电流与时间进行积分，根据电池初始时刻的soc值，就能得到在某时刻电池内的剩余电量。基于模型的方法，如卡尔曼滤波法。等等。但是对soc的估计的各种方法很难实现soc的准确估计，存在较大误差，因为在这个过程中会受到温度等因素的干扰。

技术实现思路

1、本发明的目的在于：为了解决现有技术很难实现soc的准确估计，存在较大误差的问题，提出一种车载铅酸电池剩余电量估计方法，包括以下步骤：

2、s1、对电池进行soc-ocv实验，绘制电池soc与ocv的曲线，拟合电池soc与ocv的关系式；

3、s2、测量电池的充放电电流，通过电流判断此时电池处于静置状态还是正在使用中的状态；

4、s3、若电池处于正在使用中的状态，采用开路电压-安时积分估计方法对电池剩余电量进行实时估计；如果电池处于静置状态，使用s1拟合的电池soc与ocv的关系式对电池剩余电量进行估计，并记录相应的电压、电流、温度；

5、s4、构建神经网络，以s3中记录的电压、电流、温度作为神经网络输入，估计的电池剩余电量作为真实输出标签；

6、s5、将输入信号与每个神经元关联并与偏置求和后通过激活函数得到神经网络的输出；

7、s6、将s5中得到得神经网络的输出和真实输出标签的差反向输入到神经网络的输入层，计算神经网络的损失函数对于输出层和隐藏层的梯度；

8、s7、基于梯度更新隐藏层和输出层的权重和偏置，并使用更新后的权重和偏置计算新的输出；

9、s8、重复s4-s7，直到神经网络的输出达到预设值或神经网络训练迭代次数达到预设值，将电池各种状态下测得的电压、电流、温度输入训练好的神经网络，得到最终估计的电池剩余电量。

10、进一步地，对电池进行soc-ocv实验，具体为：

11、将电池充满电，静置1小时，测量soc＝100％时的开路电压；

12、电子负载以10a对电池进行恒流放电1小时，然后静置1.5小时，测量soc＝90％时的开路电压；

13、依次测量soc＝80％、soc＝70％.......soc＝10％、soc＝0％各阶段的开路电压；

14、记录各阶段的开路电压、恒流放电值，静置时间。

15、进一步地，拟合电池荷电状态与电池开路电压的关系式表示为：

16、ocv＝a+b×soc+c×soc2+d×soc3

17、其中，ocv表示开路电压，soc表示荷电状态，a，b，c，d为需要辨识的参数。

18、进一步地，采用开路电压-安时积分估计方法对电池剩余电量进行实时估计具体为：

19、

20、其中，soc(t)表示t时刻的荷电状态，soc(t0)表示初始荷电状态，i(t)表示t时刻的电流。

21、进一步地，神经网络的损失函数表示为：

22、

23、

24、zo＝wtx+b

25、其中，l表示损失函数，x表示神经网络的输入，σ(zo)表示zo经过sigmoid激活函数后的输出，w表示输入神经元的权重矩阵，b表示隐藏层的偏置。

26、进一步地，神经网络的损失函数对于输出层和隐藏层的梯度表示为：

27、

28、其中，δo表示损失函数对输出层的梯度，l表示损失函数，zo表示sigmoid激活函数的输入，y表示神经网络的输出，ytrue表示真实输出标签，σ′(zo)＝y(1-y)是输出层sigmoid激活函数的导数；

29、

30、其中，δj表示损失函数对第j个隐藏层的神经元的梯度，zj表示第j个隐藏层神经元的加权和，vj表示从隐藏层第j个神经元到输出层的权重，σ′(zj)＝aj(1-aj)表示隐藏层sigmoid激活函数的导数，aj表示第j个隐藏层神经元通过激活函数后的输出值。

31、进一步地，基于梯度更新隐藏层和输出层的权重和偏置表示为：

32、基于损失函数对输出层的梯度更新输出层的权重和偏置：

33、vj＝vj-α·δo·aj

34、bo＝bo-α·δo

35、其中，vj表示从隐藏层第j个神经元到输出层的权重，α表示学习率，δo表示损失函数对输出层的梯度，aj表示第j个隐藏层神经元通过激活函数后的输出值，bo表示输出层的偏置；

36、基于损失函数对隐藏层的梯度更新隐藏层的权重和偏置：

37、wji＝wji-α·δj·xi

38、bj＝bj-α·δj

39、其中，wji表示连接第i个输入与隐藏层第j个神经元的权重，δj表示损失函数对第j个隐藏层的神经元的梯度，xi表示神经网络的第i个输入，bj表示第j个隐藏层的偏置。

40、本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的车载铅酸电池剩余电量估计方法。

41、本发明还提出一种电子设备，包括处理器和存储器，所述处理器与所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括计算机可读指令，所述处理器被配置用于调用所述计算机可读指令，执行上述的车载铅酸电池剩余电量估计方法。

42、本发明提供的技术方案带来的有益效果是：

43、本发明提出车载铅酸电池剩余电量估计方法，通过开路电压法和开路电压-安时积分估计方法对电池处于静置状态和正在使用中的状态进行电池剩余电量估计，并记录相应的电压、电流、温度。将电压、电流、温度作为神经网络的输入，估计的电池剩余电量作为神经网络的期望输出，将神经网络的加权输入的神经元通过激活函数后求和作为神经网络的输出，并利用梯度更新神经元的权重和神经网络的偏置，对神经网络进行迭代训练。训练后的神经网络用于电池剩余电量估计。本发明的方法可以减少电池剩余电量估计的误差，提高估计精度。