一種混合動力車用鋰離子電池功率性能的在線預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及混合動力車用鋰離子電池功率性能的在線預(yù)測方法。
【背景技術(shù)】
[0002] 隨著社會經(jīng)濟的不斷發(fā)展，人民生活水平得到大幅提高，但同時帶來了能源需求 的激增，環(huán)境問題也日益凸顯。電動汽車因其能源需求量低、污染小而得到廣泛推廣，緩解 了能源壓力，改善了傳統(tǒng)燃油汽車的廢氣污染問題。
[0003] 作為主要的電動汽車類型之一，混合動力汽車采用汽油和鋰離子電池共同作為汽 車的動力源，來提供車輛行駛過程中的功率需求?；旌蟿恿嚨膶嵻囘\行工況變化十分劇 烈，因此電池短時峰值功率性能直接關(guān)系到車輛的安全性和可靠性。電池峰值功率性能的 實時預(yù)測對于整車控制策略而言十分重要，從而成為電池管理系統(tǒng)(battery management system，BMS)的主要功能和研究重點之一。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的技術(shù)問題是提供一種混合動力車用鋰離子電池功率性能的在線 預(yù)測方法，以完善電池管理系統(tǒng)的功能，保證車輛行駛過程中的可靠性和安全性。
[0005] 為解決上述技術(shù)問題，本發(fā)明采用下述技術(shù)方案；
[0006] -種混合動力車用鋰離子電池功率性能的在線預(yù)測方法，包括以下步驟：
[0007] S1、選取用以表征鋰離子電池功率性能的參數(shù)，所述參數(shù)為10秒峰值功率，是電池 恰好保持1 〇秒恒功率放電狀態(tài)的功率值。
[0008] S2、選取影響鋰離子電池功率性能的主要因素，包括：電池溫度、電池S0C(荷電狀 態(tài))和電池內(nèi)阻。
[0009] S3:為模擬鋰離子電池在實車運行過程中的真實工況，人為調(diào)整鋰離子電池測試 過程中的電池溫度。例如設(shè)置8個不同的溫度點，分別為-20 °C、-10 °C、0 °C、10 °C、20 °C、30 °C、40°C和50°C。通過設(shè)置溫箱溫度，然后將電池放入溫箱充分靜置(靜置四個小時以上）， 使電池溫度跟溫箱溫度保持一致。
[0010] 通過對電池充放電來調(diào)節(jié)電池S0C，使鋰離子電池工作在不同的電池S0C下，例如 電池 S0C 包括 10 % S0C、20 % S0C、30 % S0C、40 % S0C、50 % S0C、60 % S0C、70 % S0C、80 % S0C 和 90%S0C〇
[0011] 通過調(diào)整電池溫度和電池S0C來模擬實車運行過程中的真實工況。而電池內(nèi)阻被 認為是不可控的，通過在實驗過程中測得并記錄下來。在每個溫度值下，測試得到鋰離子電 池處于9個不同電池S0C下的電池內(nèi)阻和10秒峰值功率。
[0012] 用恒功率測試方法得到若干組實驗數(shù)據(jù)，例如120組實驗數(shù)據(jù)。每組實驗數(shù)據(jù)包括 主要因素（電池溫度、電池S0C和電池內(nèi)阻）以及對應(yīng)的10秒峰值功率。
[0013] S4、分析得到的主要因素之間、主要因素與10秒峰值功率之間的相關(guān)關(guān)系，具體方 法是用到皮爾遜相關(guān)系數(shù)。皮爾遜相關(guān)系數(shù)用來衡量主要因素之間、主要因素與10秒峰值 功率之間的線性相關(guān)程度，皮爾遜相關(guān)系數(shù)的絕對值越接近1，說明相關(guān)性越強;反之，相關(guān) 系數(shù)越接近于0，則說明相關(guān)度越弱。
[0014] S5、基于支持向量機原理建立鋰離子電池功率性能在線預(yù)測模型。具體方法是，將 電池溫度、電池S0C和電池內(nèi)阻作為模型的輸入，10秒峰值功率作為模型的輸出。然后選取 支持向量機的徑向基核函數(shù)：
[0015] (1)
[0016] σ為核函數(shù)參數(shù)，也叫核寬度;Xi為模型輸入向量，Xj為模型已有的支持向量。并賦 予核函數(shù)參數(shù)和懲罰系數(shù)初始值。
[0017] S6、利用網(wǎng)格搜索方法對鋰離子電池功率性能在線預(yù)測模型的模型參數(shù)進行優(yōu) 化，所述模型參數(shù)包括核函數(shù)參數(shù)σ和懲罰系數(shù)c。
[0018] S7、將實驗數(shù)據(jù)作為樣本對鋰離子電池功率性能在線預(yù)測模型進行訓練，評估鋰 離子電池功率性能在線預(yù)測模型的擬合優(yōu)度以及訓練結(jié)果的準確性，確立最終的鋰離子電 池功率性能在線預(yù)測模型。
[0019] 優(yōu)選的，隨機選取80組實驗數(shù)據(jù)(訓練樣本)對模型進行訓練。
[0020] S8、對最終的鋰離子電池功率性能在線預(yù)測模型進行驗證，證實該模型具有高精 度、高效率和可操作性強等優(yōu)點。
[0021] 優(yōu)選的，對于實驗獲得的120組實驗數(shù)據(jù)，除去80組實驗數(shù)據(jù)作為訓練樣本外，剩 余的40組實驗數(shù)據(jù)(樣本數(shù)據(jù))作為預(yù)測樣本，對本發(fā)明所建立的電池功率性能在線預(yù)測模 型進行驗證。
[0022] S9、采用最終的鋰離子電池功率性能在線預(yù)測模型實現(xiàn)混合動力車用鋰離子電池 功率性能的在線預(yù)測。
[0023] 本發(fā)明所述的基于支持向量機和網(wǎng)格搜索的混合動力車用鋰離子電池功率性能 預(yù)測方法，具有以下有益效果：
[0024] 本發(fā)明建立的電池短時功率性能預(yù)測模型訓練時間短，響應(yīng)速度快，可操作性強， 可以在混合動力車運行工況變化劇烈的行駛過程中準確預(yù)測鋰離子電池的10秒峰值功率， 實現(xiàn)電池管理系統(tǒng)對電池功率性能的在線預(yù)測，從而給出整車功率分配的控制策略，保證 混合動力車的安全可靠運行。
【附圖說明】
[0025]本發(fā)明有如下附圖：
[0026] 圖1為鋰離子電池功率性能的在線預(yù)測框圖；
[0027] 圖2為鋰離子電池恒功率測試曲線圖；
[0028] 圖3為鋰離子電池恒功率測試曲線擬合結(jié)果圖；
[0029] 圖4為支持向量機非線性回歸原理圖；
[0030] 圖5為網(wǎng)格搜索法流程圖。
【具體實施方式】
[0031] 下面結(jié)合一組實施例及附圖對本發(fā)明做進一步描述。
[0032] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種混合動力車用鋰離子電池功率 性能的在線預(yù)測方法。本發(fā)明所提出的混合動力車用鋰離子電池功率性能的在線預(yù)測框圖 如圖1所示，包括采用支持向量機模型、模型輸入、模型輸出、模型優(yōu)化方法、模型的訓練及 驗證。以混合動力車用的錳酸鋰電池作為研究對象，建立該類型電池功率性能的在線預(yù)測 模型。
[0033] 1、選取10秒峰值功率表征電池的功率性能
[0034] 以猛酸鋰電池作為混合動力車(hybrid electric vehicle，HEV)用鋰離子電池， 根據(jù)USABC(United States Advanced Battery Consortium)電池測試標準，其峰值功率持 續(xù)時間通常不超過10S。根據(jù)電池的電壓使用限制條件，電池充電/放電峰值功率定義為電 池在恒定功率下持續(xù)充電/放電t秒后端電壓正好到達電池允許的最高/最低工作電壓，則 該恒定功率值即為電池t秒充電/放電峰值功率，因此選取10s峰值功率來表征電池的功率 性能。
[0035] 2、選取影響鋰離子電池功率性能的主要因素
[0036] 在混合動力車的實際行駛過程中，電池溫度、電池荷電狀態(tài)和電池內(nèi)阻直接影響 電池的功率性能，并且與電池的10秒峰值功率之間呈現(xiàn)出明顯的非線性關(guān)系。
[0037] 3、設(shè)計實驗?zāi)M鋰離子電池在混合動力車實際行駛過程中的運行工況
[0038] 為模擬鋰離子電池在混合動力車實際行駛過程中的劇烈變化的工況，人為調(diào)整電 池測試過程中的環(huán)境溫度，使電池工作在低溫，常溫及高溫的工作狀態(tài)下。具體選取了 8個 測試溫度點，分別為:-20 °C、-10 °C、0 °C、10 °C、20 °C、30 °C、40 °C和50 °C。同時，通過充放電調(diào) 節(jié)使電池工作在不同的荷電狀態(tài)（state of charge，S0C)條件下，包括10%S0C、20%S0C、 30 % SOC、40 % SOC、50 % SOC、60 % SOC、70 % SOC、80 % S0C 和90 % S0C。這樣的測試條件設(shè)置覆 蓋了混合動力車在實際運行中所面對的所有真實工況，使得實驗結(jié)果具有說服力。實驗得 到120組實驗數(shù)據(jù)，每組數(shù)據(jù)包含四個值，分別為電池溫度、電池S0C、電池內(nèi)阻以及電池的 10秒峰值功率。
[0039] 4、分析影響因素與電池功率性能之間的相關(guān)關(guān)系
[0040] 利用統(tǒng)計學方法可以研究一個隨機變量與多個隨機變量之間的相關(guān)關(guān)系，設(shè)定自 變量組的變量為電池溫度、電池S0C和電池內(nèi)阻，因變量組的變量是電池的10秒峰值功率。 利用散點圖直觀地展現(xiàn)了自變量組與因變量組之間的統(tǒng)計關(guān)系。為更精確地體現(xiàn)變量間的 相關(guān)性，計算了任意兩變量之間的皮爾遜相關(guān)系數(shù)，結(jié)果如表1所示。皮爾遜相關(guān)系數(shù)是用 來衡量兩組數(shù)據(jù)集之間的線性相關(guān)程度，皮爾遜相關(guān)系數(shù)的絕對值越接近1，說明相關(guān)性越 強;反之，相關(guān)系數(shù)越接近于〇，則說明相關(guān)度越弱。
[0041] 表1皮爾遜相關(guān)分析
[0042]
[0043] 根據(jù)表1，可以分析出電池溫度、電池S0C、電池內(nèi)阻以及10秒峰值功率兩兩之間的 相關(guān)程度以及它們之間的顯著性。顯著性指的是兩參數(shù)之間不存在線性關(guān)系的概率，體現(xiàn) 了數(shù)據(jù)之間相互區(qū)別的能力。顯然，顯著性越小，說明兩參數(shù)之間越相關(guān)。如電池溫度和電 池內(nèi)阻之間的相關(guān)系數(shù)是-0.784,可知在置信度(雙側(cè))為0.01時，兩者相關(guān)程度很大，又由 于統(tǒng)計檢驗的顯著性為0,小于0.01，說明相關(guān)性非常強，且為負相關(guān)。又比如電池內(nèi)阻和10 秒峰值功率之間的相關(guān)系數(shù)是-〇. 606，統(tǒng)計檢驗的顯著性小于0.01，說明二者相關(guān)性較大， 也為負相關(guān)。同理可以分析出實驗測得的120組數(shù)據(jù)中其他變量之間的相關(guān)關(guān)系。
[0044] 5、基于支持向量機原理建立電池的10s峰值功率預(yù)測模型
[0045] 基于上述的相關(guān)分析結(jié)果可知，自變量組的變量與因變量組的變量之間都具有較 大的相關(guān)性，因此選取電池溫度、電池S0C以及電池內(nèi)阻作為模型的輸入，電池的10秒峰值 功率作為模型的輸出，根據(jù)支持向量機的基本原理建立模型。
[0046] 支持向量機是一種基于統(tǒng)計學理論的機器學習算法，它通過內(nèi)積函數(shù)即核函數(shù)定 義的非線性變換將輸入空間變換到一個高維空間，即通過核函數(shù)把樣本空間映射到一個高 維特征空間，在這個高維空間中求得一個最優(yōu)分類面，進而得到輸入變量和輸出變量之間 的一種非線性關(guān)系。支持向量機算法可以看成是一個凸二次優(yōu)化問題，通過核函數(shù)轉(zhuǎn)化，實 現(xiàn)在特征空間中利用線性學習機解決樣本空間中的高度非線性回歸問題。核函數(shù)的選取對 支持向量機的算法有著重要的影響。通常來說，每個回歸估計系統(tǒng)都存在一個最合適的核 函數(shù)，使其回歸效果最好。目前常用的核函數(shù)有以下幾種：
[0047] l)q次