申请/专利权人：山东电工时代能源科技有限公司

申请日：2024-02-04

公开（公告）日：2024-06-25

公开（公告）号：CN117688852B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/04;G06N3/126;G06N3/006;G01R31/367;G01R31/378;G01R31/385

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明实施例提供一种基于极限学习机的锂离子电池SOC的估算方法及系统，属于储能锂离子电池SOC估算领域。该方法包括：采集锂离子电池当前的状态参数；将所述状态参数输入至预先构建的极限学习机模型中，输出所述锂离子电池SOC的估算值，其中，所述预先构建的极限学习机模型是基于自适应粒子群算法构建的。通过上述技术方案，基于极限学习机神经网络结合电池的充放电数据进行储能锂离子电池SOC的估算，避免了因电池的充放电过程受到介质浓度、环境温度、极板状态等诸多因素的影响，以致于难以建立准确的电池模型的问题，而且通过自适应粒子群算法对极限学习机模型进行优化，进一步提高了SOC的估算精度。

主权项：1.一种基于极限学习机的锂离子电池SOC的估算方法，其特征在于，包括：采集锂离子电池当前的状态参数；将所述状态参数输入至预先构建的极限学习机模型中，输出锂离子电池SOC的估算值，其中，所述预先构建的极限学习机模型是基于自适应粒子群算法构建的，所述自适应粒子群算法是利用自适应权重法对粒子群算法进行优化获得的；其中，所述利用自适应权重法对粒子群算法进行优化，获得自适应粒子群算法，包括：设置自适应粒子群算法的初始化种群个数、粒子种群规模、粒子的个体学习因子、粒子的社会学习因子、速度边界、粒子变化范围、粒子群算法的目标迭代次数、适应度函数，初始化种群中各个粒子的位置和速度；根据每个粒子的位置得到当前的适应度函数值，并将所述当前的适应度函数值与历史个体极值进行对比，如果当前的适应度函数值优于该粒子的历史个体极值，则更新粒子群中每个粒子的个体极值，根据粒子群中每个粒子的适应度函数值与历史群体极值进行对比，如果存在粒子的适应度函数值优于历史群体极值，则更新粒子群的群体极值，其中，初始化后的粒子群个体极值为每个粒子初始化后的位置与所对应的适应度函数值，所述粒子适应度函数值是将粒子位移根据适应度函数计算粒子的适应度函数值；根据以下公式对粒子群中的每个粒子的速度进行更新： 式中，t为迭代次数，vj为第j个粒子的速度，c1表示粒子的个体学习因子、c2表示粒子的社会学习因子，r1、r2为随机数，pjt表示该粒子的个体极值，pgt表示粒子群的群体极值，xjt表示粒子的位置，ω表示权重；权重ω根据以下公式进行更新： 式中，f表示粒子当前的适应度函数值；favg表示当前所有粒子的平均适应度函数值；fmin表示当前所有粒子的最小适应度函数值。

全文数据：

权利要求：

百度查询： 山东电工时代能源科技有限公司 一种基于极限学习机的锂离子电池SOC的估算方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD