买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州港科大技术有限公司

摘要：本发明提供了一种基于ELM与RLS的锂电池SOH在线预测模型的建模方法，具体包括如下步骤：步骤一、建立锂电池的等效电路模型；步骤二、建立电池开路电压的UOCV预测模型，UOCV预测模型能够预测锂电池t时刻的UOCV；步骤三、基于RLS并且根据步骤二中UOCV预测模型预测的锂电池t时刻的UOCVt在线评估R0t、R1t、C1t，R0t、R1t、C1t分别为t时刻的电池内阻、电池极化电阻以及电池极化电容；步骤四、建立基于ELM的SOH预测模型，并根据步骤二得到的R0t、R1t、C1t对建立的SOH预测模型进行训练。

主权项：1.一种基于ELM与RLS的锂电池SOH在线预测模型的建模方法，其特征在于，具体包括如下步骤：步骤一、建立锂电池的等效电路模型，等效电路模型表示如下： 其中U1为RC电路电压，I为电流，C1为电池极化电容，R1为电池极化电阻，Ut为电池端电压，UOCV为电池开路电压，R0为电池内阻；步骤二、建立电池开路电压的UOCV预测模型，UOCV预测模型能够预测锂电池t时刻的UOCV；步骤三、基于RLS并且根据步骤二中UOCV预测模型预测的锂电池t时刻的UOCVt在线评估R0t、R1t、C1t，R0t、R1t、C1t分别为t时刻的电池内阻、电池极化电阻以及电池极化电容；步骤四、建立基于ELM的SOH预测模型，并根据步骤二得到的R0t、R1t、C1t对建立的SOH预测模型进行训练；所述步骤二具体包括如下步骤：步骤21、采用拉普拉斯变化，将公式1转化为： 其中S为拉普拉斯变量；步骤22、将公式2表示成转换函数Gs: 步骤23、根据双线性变换法，使用公式4的转换函数，将转换函数的S域转换为Z域，得到公式5： 其中，Δt为数据采样间隔；步骤24、进行以下定义： 步骤25、将公式5从Z域反变换为时间域t，则公式5可简化为：Utt-UOCVt＝a1Utt-1-UOCVt-1+a2It+a3It-1；7步骤26、采用超限学习机ELM建立UOCVt预测模型：步骤261、建立训练矩阵X： 步骤262、根据ELM理论，将具有L个隐含层的UOCVt预测模型表示为：Gω·X+bβ＝Hβ＝UOCV，9其中ω＝[ω1,…,ωL]为在[0,1]区间中随机生成的输入权值，b＝[b1,…,bL]为在[0,1]区间中随机生成的输入偏置，β＝[β1,…,βL]为输出权值，G·为激活函数，H为Gω·X+b的矩阵形式，UOCV＝[UOCV1,…,UOCVP·K]为ELM输出；步骤263、在公式9中，只有输出权值β为未知数，根据Moore–Penrose广义逆定理，β可由下式求得： 其中I为单位矩阵，Cb为正则化参数；步骤264、将传感器检测的荷电状态SOCt、温度Tt以及充放电循环次数N代入到公式10中，得到β，再将求得的β代入公式9中，即得到了UOCVt；所述步骤三具体包括如下步骤：步骤31、由式7可知，a1、a2、a3为锂电池一阶Thevenin等效电路需要辨识的参数，设Qt＝Utt-UOCVt，则公式7可重写为：Qt＝a1Qt-1+a2It+a3It-1，11步骤32、在t时刻，递归最小二乘法RLS的参数识别公式如下： 其中et为Qt的预测误差；Mt＝[Qt-1,It,It-1]为算法输入；Dt为算法增益；θt＝[a1,a2,a3]为需要辨识的参数；Bt为时刻t的协方差矩阵；λ为遗忘因子，一般在区间[0.95,1]内取值；步骤33、RLS算法初始化θ1及B1，然后在每一个时刻t＝2,..,PK，通过传感器和UOCVt预测模型采集输入数据Mt＝[Qt-1,It,It-1]，最后通过式12不断更新θt；步骤34、将公式6转换如下形式： 步骤35、在得到θt后，也就得到了a1、a2、a3，将a1、a2、a3代入到公式13中，即可获取R0t、R1t、C1t。

全文数据：

权利要求：

百度查询： 广州港科大技术有限公司 一种基于ELM与RLS的锂电池SOH在线预测模型的建模方法