CN105676128A - 一种用于电池管理系统的电池荷电状态预测方法 - Google Patents

一种用于电池管理系统的电池荷电状态预测方法 Download PDF

Info

Publication number
CN105676128A
CN105676128A CN201510500401.8A CN201510500401A CN105676128A CN 105676128 A CN105676128 A CN 105676128A CN 201510500401 A CN201510500401 A CN 201510500401A CN 105676128 A CN105676128 A CN 105676128A
Authority
CN
China
Prior art keywords
data
battery
data point
data points
soc
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510500401.8A
Other languages
English (en)
Other versions
CN105676128B (zh
Inventor
陈琳
林伟龙
潘海鸿
李君子
黄炳琼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi University
Original Assignee
Guangxi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangxi University filed Critical Guangxi University
Priority to CN201510500401.8A priority Critical patent/CN105676128B/zh
Publication of CN105676128A publication Critical patent/CN105676128A/zh
Application granted granted Critical
Publication of CN105676128B publication Critical patent/CN105676128B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Secondary Cells (AREA)

Abstract

本发明公开了一种用于电池管理系统的电池荷电状态预测方法,包括以下步骤:1.用户依照需求初始化建立一个宽度为X个数据点的滑窗窗口,确定预测序列后续数据点个数Y,确定每次滑动跳过的数据点个数Z;2.由滑窗窗口内X个数据点建立灰色预测模型,预测序列后续Y个数据点的值,并存储预测结果3.判断序列剩余数据点个数是否满足大于等于Z,若满足,则滑动滑窗窗口跳过Z个数据点,然后重复执行步骤2;若不满足,则结束程序。本发明实现电池荷电状态预测,结构简单,计算开销量小,预测精度可观,且具有普遍适用性等特点。

Description

一种用于电池管理系统的电池荷电状态预测方法
技术领域
本发明属于电动汽车电池管理系统领域,尤其是涉及一种用于电池管理系统的电池荷电状态预测方法。
背景技术
随着环保和节能问题的日益突出,锂离子电池由于比能量高,绿色环保等优点,逐步在汽车、航天、船舶等领域都有了实际应用。但由于电池的过充过放,电池间不一致性,电池的发热等问题,容易导致电池失效,严重影响使用寿命,造成重大生命或财产损失。未充分利用的电池材料,也造成一种资源的浪费。因此对于动力电池来说,电池管理系统不可缺少。
在电池管理系统的诸多部分中,电池荷电状态(StateofCharge,简写SoC)的预测是最基本和最首要的任务,其预测的准确性,会影响到电池管理系统的控制策略,从而影响电池性能的发挥。同时,SoC也是指导电池充电或放电过程的重要参数,可以防止电池的过充和过放造成的不可恢复的损坏,能够更好地保护电池。对于应用于电动汽车的动力电池而言,通过正确地估算电池的SoC,充分利用电池的电能,可以使电动车的续航距离更长,同时能够延长电池的使用寿命,从而降低电池的使用成本。因此,准确预测锂离子电池SoC意义重大。
目前电池管理系统SoC估算的方法主要有:安时计量法、开路电压法和卡尔曼法等。安时计量法计算简单,但其预测精度较差。且精密安时计量价格昂贵,工作环境要求高,不适用与工况复杂、振动剧烈的电动汽车上。开路电压法虽然能较好获取电池起始时刻的SoC,但不适合在复杂情况下的电动汽车实时预测。卡尔曼法虽然有较高的预测精度,也具有较强的跟踪性能,但现有的卡尔曼滤波方法,在估计锂离子电池SoC时,根据常规经验初步设定一个SoC初值及其初始误差协方差,这导致卡尔曼滤波的收敛性和准确性受到较大影响,进而造成锂离子电池SoC的在线估计值可靠性低。
发明内容
本发明的目的在于,针对上述问题,提出一种用于电池管理系统的电池荷电状态预测方法,以实现结构简单,计算开销量小,预测精度可观,且具有普遍适用性等特点。
为实现上述目标,本方法所采用的技术方案为:
一种用于电池管理系统的电池荷电状态(StateofCharge,简写SoC)预测方法,通过电池管理系统对电池电压、电流、温度数据进行采集,并估算电池SoC后将估算得到的SoC数据序列存储到数据存储区;利用灰色预测模型对数据存储区中存储的电池SoC数据序列进行预测,所述SoC预测方法,包括以下步骤:
(1)初始化:建立一个宽度为X个数据点的滑窗窗口,确定预测数据序列后续数据点个数为Y,确定每次滑动跳过的数据点个数为Z,其中数据点个数X,Y均为大于0的整数,Z为大于1且小于等于Y的正整数,具体值可由用户按照需求确定;
(2)根据所述滑窗窗口设定的数据点个数,从采集到的数据序列中依序选取X个数据点建立灰色预测模型,而后预测后续的Y个数据点的值,将预测结果数据存储;
(3)判断数据序列中剩余数据点的个数是否满足大于或等于Z,若满足则依序滑动滑窗窗口跳过Z个数据点,然后重复执行步骤(2);若不满足,则结束程序,停止预测。
根据所述的一种用于电池管理系统的电池荷电状态预测方法,所述灰色预测模型可为GM(1,1)预测模型,VerhulstGM(1,1)预测模型,马尔可夫GM(1,1)预测模型和残差GM(1,1)预测模型中的任意一个,具体使用哪个模型可由用户确定。
本发明具有以下优点:
本发明提出一种用于电池管理系统的电池荷电状态预测方法,以实现结构简单,计算开销量小,预测精度可观,且具有普遍适用性等特点。
附图说明
附图1为一种用于电池管理系统的电池荷电状态预测方法流程图。
附图2为一种用于电池管理系统的电池荷电状态预测方法示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
如附图1所示一种用于电池管理系统的电池荷电状态预测方法流程图所示,通过电池管理系统对电池电压、电流、温度数据进行采集,并估算电池SoC后将估算得到的SoC数据序列存储到数据存储区;利用灰色预测模型对数据存储区中存储的电池SoC数据序列进行预测,所述SoC预测方法,包括以下步骤:
(1)初始化:建立一个宽度为X个数据点的滑窗窗口,确定预测数据序列后续数据点个数为Y,确定每次滑动跳过的数据点个数为Z,其中数据点个数X,Y均为大于0的整数,Z为大于1且小于等于Y的正整数,具体值可由用户按照需求确定;
(2)根据所述滑窗窗口设定的数据点个数,从采集到的数据序列中依序选取X个数据点建立灰色预测模型,而后预测后续的Y个数据点的值,将预测结果数据存储;
(3)判断数据序列中剩余数据点的个数是否满足大于或等于Z,若满足则依序滑动滑窗窗口跳过Z个数据点,然后重复执行步骤(2);若不满足,则结束程序,停止预测。
根据所述的一种用于电池管理系统的电池荷电状态预测方法,所述灰色预测模型可为GM(1,1)预测模型,VerhulstGM(1,1)预测模型,马尔可夫GM(1,1)预测模型和残差GM(1,1)预测模型中的任意一个,具体使用哪个模型可由用户确定。
如附图2所示一种用于电池管理系统的电池荷电状态预测方法示意图所示,当用户需要使用该方法时,用户可在初始化时建立一个宽度为X个数据点的滑窗窗口,设定X等于5;确定预测序列后续数据点个数Y,设定Y等于5;确定每次滑动跳过的数据点个数Z,设定Z等于3;假定用户选择VerhulstGM(1,1)预测模型作为灰色预测模型,则由所述滑窗窗口内5个数据点建立VerhulstGM(1,1)预测模型,预测序列后续5个数据点的值,并存储预测结果到数据存储区。
具体为,初始化时建立一个宽度为X个数据点的滑窗窗口,设定X等于5,如附图2所示X1为第一次预测时的滑窗窗口,所述滑窗窗口X1内5个数据点建立VerhulstGM(1,1)预测模型,预测序列后续Y个数据点的值,设定Y等于5,如附图2所示Y1为第一次预测结果的5个数据点值,并存储预测结果到数据存储区。完成第一次预测后,判断序列剩余数据点个数是否满足大于等于Z个,设定Z等于3,若满足,则滑动滑窗窗口跳过3个数据点,建立一个宽度为5个数据点的滑窗窗口X2,如附图2所示X2为第二次预测时的滑窗窗口,所述滑窗窗口X2内5个数据点建立VerhulstGM(1,1)预测模型,预测序列后续5个数据点的值,即第二次预测结果Y2内5个数据点的值,并存储预测结果到数据存储区。如附图2所示,程序依次使用滑窗窗口X1,X2,X3至Xn内数据点分别建立灰色预测模型,其中Xn表示第n次预测时滑窗窗口,预测结果分别为Y1,Y2,Y3至Yn内数据点,其中Yn表示第n次预测结果,程序连续运行,直到判断序列剩余数据点个数小于Z个,即小于3个时,则程序结束。
如附图2所示一种用于电池管理系统的电池荷电状态预测方法示意图所示,当用户需要使用该方法时,特别的,当用户确定每次滑动跳过的数据点个数1,即Z等于1时,该方法又可以视为新陈代谢预测算法,即每次滑动窗口使得窗口内数据更新1个数据点,同时剔除1个滑窗窗口内最旧的数据点,提高了该方法对数据序列的波动的追踪能力。
如附图2所示一种用于电池管理系统的电池荷电状态预测方法示意图所示,当用户需要使用该方法时,特别的,当用户确定每次滑动跳过的数据点个数Z值大于滑窗窗口宽度数据点个数X值时,即Z>X时,该方法又可以视为有间隔滑窗预测算法。
在此说明书中,应当指出,以上实施例仅是本发明较有代表性的例子。显然本发明不局限于上述具体实施例,还可以做出各种修改、变换和变形。因此,说明书和附图应该被认为是说明性的而非限制性的。凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均应认为属于本发明的保护范围。

Claims (2)

1.一种用于电池管理系统的电池荷电状态(StateofCharge,简写SoC)预测方法,通过电池管理系统对电池电压、电流、温度数据进行采集,并估算电池SoC后将估算得到的SoC数据序列存储到数据存储区;其特征在于,利用灰色预测模型对数据存储区中存储的电池SoC数据序列进行预测,
所述SoC预测方法,包括以下步骤:
(1)初始化:建立一个宽度为X个数据点的滑窗窗口,确定预测数据序列后续数据点个数为Y,确定每次滑动跳过的数据点个数为Z,其中数据点个数X,Y均为大于0的整数,Z为大于1且小于等于Y的正整数,具体值可由用户按照需求确定;
(2)根据所述滑窗窗口设定的数据点个数,从采集到的数据序列中依序选取X个数据点建立灰色预测模型,而后预测后续的Y个数据点的值,将预测结果数据存储;
(3)判断数据序列中剩余数据点的个数是否满足大于或等于Z,若满足则依序滑动滑窗窗口跳过Z个数据点,然后重复执行步骤(2);若不满足,则结束程序,停止预测。
2.根据权利要求1所述的一种用于电池管理系统的电池荷电状态预测方法,其特征在于,所述灰色预测模型可为GM(1,1)预测模型,VerhulstGM(1,1)预测模型,马尔可夫GM(1,1)预测模型和残差GM(1,1)预测模型中的任意一个,具体使用哪个模型可由用户确定。
CN201510500401.8A 2015-08-17 2015-08-17 一种用于电池管理系统的电池荷电状态预测方法 Active CN105676128B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510500401.8A CN105676128B (zh) 2015-08-17 2015-08-17 一种用于电池管理系统的电池荷电状态预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510500401.8A CN105676128B (zh) 2015-08-17 2015-08-17 一种用于电池管理系统的电池荷电状态预测方法

Publications (2)

Publication Number Publication Date
CN105676128A true CN105676128A (zh) 2016-06-15
CN105676128B CN105676128B (zh) 2019-01-11

Family

ID=56946769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510500401.8A Active CN105676128B (zh) 2015-08-17 2015-08-17 一种用于电池管理系统的电池荷电状态预测方法

Country Status (1)

Country Link
CN (1) CN105676128B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109115271A (zh) * 2018-08-06 2019-01-01 深圳市鑫汇达机械设计有限公司 一种数控机床远程监测系统
CN109870659A (zh) * 2019-03-14 2019-06-11 燕山大学 应用滑窗寻优策略的锂离子电池健康状态估算方法
CN111273181A (zh) * 2020-02-28 2020-06-12 苏州浪潮智能科技有限公司 电池备电单元监测方法、装置、服务器及可读存储介质
CN112486104A (zh) * 2019-09-12 2021-03-12 北京国双科技有限公司 基于实时获取传感数据进行设备异常分析的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080091363A1 (en) * 2006-10-12 2008-04-17 Gye-Jong Lim Battery Management System (BMS) and driving method thereof
EP2293091A2 (fr) * 2009-09-02 2011-03-09 IFP Energies nouvelles Méthode pour simuler le comportement thérmique d'un système électrochimique
CN102645637A (zh) * 2012-04-25 2012-08-22 中航锂电(洛阳)有限公司 一种均衡电池的soc估算方法
CN103576096A (zh) * 2013-10-09 2014-02-12 广东电网公司电力科学研究院 电动汽车动力电池剩余电量的实时评估方法及装置
CN104749524A (zh) * 2013-12-25 2015-07-01 上海贯裕能源科技有限公司 电池管理系统电量计算方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080091363A1 (en) * 2006-10-12 2008-04-17 Gye-Jong Lim Battery Management System (BMS) and driving method thereof
EP2293091A2 (fr) * 2009-09-02 2011-03-09 IFP Energies nouvelles Méthode pour simuler le comportement thérmique d'un système électrochimique
CN102645637A (zh) * 2012-04-25 2012-08-22 中航锂电(洛阳)有限公司 一种均衡电池的soc估算方法
CN103576096A (zh) * 2013-10-09 2014-02-12 广东电网公司电力科学研究院 电动汽车动力电池剩余电量的实时评估方法及装置
CN104749524A (zh) * 2013-12-25 2015-07-01 上海贯裕能源科技有限公司 电池管理系统电量计算方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109115271A (zh) * 2018-08-06 2019-01-01 深圳市鑫汇达机械设计有限公司 一种数控机床远程监测系统
CN109870659A (zh) * 2019-03-14 2019-06-11 燕山大学 应用滑窗寻优策略的锂离子电池健康状态估算方法
CN112486104A (zh) * 2019-09-12 2021-03-12 北京国双科技有限公司 基于实时获取传感数据进行设备异常分析的方法及装置
CN111273181A (zh) * 2020-02-28 2020-06-12 苏州浪潮智能科技有限公司 电池备电单元监测方法、装置、服务器及可读存储介质
WO2021169162A1 (zh) * 2020-02-28 2021-09-02 苏州浪潮智能科技有限公司 电池备电单元监测方法、装置、服务器及可读存储介质
US11846677B2 (en) 2020-02-28 2023-12-19 Inspur Suzhou Intelligent Technology Co., Ltd. Method and apparatus for monitoring battery backup unit, server, and readable storage medium

Also Published As

Publication number Publication date
CN105676128B (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN103399276B (zh) 一种锂离子电池容量估计及剩余循环寿命预测方法
CN110161425B (zh) 一种基于锂电池退化阶段划分的剩余使用寿命的预测方法
CN103273921B (zh) 电动汽车续驶里程估计方法
CN108028439B (zh) 用于估计电池组的当前的空载电压变化过程的方法和设备
CN105676128A (zh) 一种用于电池管理系统的电池荷电状态预测方法
JP6316319B2 (ja) バッテリの状態を推定する方法、装置、システム、車両、およびコンピュータ・プログラム
CN107576918B (zh) 锂电池的剩余电量的估算方法及系统
US10886766B2 (en) Method and device for multi-stage battery charging
JP5875037B2 (ja) バッテリの状態予測システム、方法及びプログラム
CN110261790A (zh) 电池健康状态的预估方法、装置及系统
CN104459551A (zh) 一种电动汽车动力电池能量状态估算方法
CN109367433A (zh) 一种具有动力电池健康状态检测和续航里程预测的智能充电桩及方法
CN105116343A (zh) 最小二乘支持向量机的动力电池电荷状态估计方法及系统
CN103529393A (zh) 一种汽车动力锂电池soc估算方法
CN103901354A (zh) 一种电动汽车车载动力电池soc预测方法
JP2020514757A (ja) バッテリー抵抗推定装置及び方法
CN114636932A (zh) 一种电池剩余使用寿命预测方法及系统
CN109572483A (zh) 一种纯电动汽车的剩余里程计算方法及装置
CN106383322A (zh) 一种多时间尺度双ukf自适应估算soc和电池容量c的方法
CN114563712A (zh) 一种电池容量估算方法、装置及电子设备
Zhou et al. A velocity prediction method based on self-learning multi-step Markov chain
CN106648854A (zh) 用于终端的任务执行方法及装置
CN102540085A (zh) 储能系统模型中电气部件参数的优化
CN111071074A (zh) 一种大数据和bms结合的电动汽车优化充电方法
CN111231758A (zh) 一种电池容量的估算方法、装置、电子设备及介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant