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：南京工程学院

摘要：本发明公开了一种用于退役电池的荷电状态StateofCharge，SOC、健康状态StateofHealth，SOH联合估算方法，针对退役电池的离散、不一致等性能缺陷，首先，建立一种综合考虑退役电池性能影响因素的电池单体模型，随后利用电池的混合动力脉冲能力特性HybridPulsePowerCharacteristic，HPPC测试所得试验数据对所建模型实施参数识别，同时根据试验数据联合蜂鸟‑神经网络算法估算电池SOH，进而确定电池的实际可用容量，以此为依据对安时积分法进行校正，最后，基于上述所得电池单体离线模型参数和改进安时积分法，采用离线‑迭代算法对电池SOC进行估算。本发明将蜂鸟‑神经网络算法、改进安时积分法、离线‑迭代算法相结合，有效提升了退役电池SOH、SOC估算的快速性与准确性。

主权项：1.一种用于退役电池的SOC、SOH联合估算方法，其特征在于，包括以下步骤：步骤S1：建立综合考虑退役电池性能影响因素的电池单体模型，随后利用电池的HPPC测试所得试验数据拟合得到所建电池单体模型的离线模型参数；步骤S2：根据所述试验数据联合蜂鸟-神经网络算法估算电池的SOH，进而确定电池实际可用容量，以电池实际可用容量作为依据对安时积分法进行校正，获得改进安时积分法；步骤S3：基于电池单体离线模型参数和改进安时积分法，采用离线-迭代算法对电池SOC进行估算；步骤S2中所述的根据所述试验数据联合蜂鸟-神经网络算法估算电池的SOH，包括以下步骤：21神经网络算法的输入层选择试验数据中的开路电压、电流、温度、内阻，输出层选择电池SOH，构建神经网络SOH估算模型；22利用蜂鸟算法对神经网络的权重和阈值进行寻优，并利用所述试验数据进行训练确定权重和阈值的最优解；23通过优化后得到的蜂鸟-神经网络模型估算退役电池SOH；所述步骤22包括以下步骤：1待优化的神经网络里所有的权重和阈值，共m个参数，将参数依次排列为c1，c2，…，cm，对任一参数设置为N个随机的非零值，形成集合Rci，设蜂鸟的总数为S，每只蜂鸟从鸟巢出发觅食，即每只蜂鸟根据集合Rci中每个元素的信息素状态，随机的从集合中选择一个元素，每个元素被选概率遵从下式： 式中：表示时刻t蜂鸟k依据元素i和元素j之间的信息量和启发式信息来进行备选元素选择的转移概率，τijt表示t时刻元素i与元素j之间的信息量，ηijt为对应τijt的启发式函数，α为信息素启发因子，β为期望启发因子，cank为蜂鸟k下一步可以选择的元素集合，s表示从集合cank中随机选取的元素，τist表示t时刻元素i与元素s之间的信息量，ηist为对应τist的启发式函数；2初始化，迭代次数Dc＝1，设置最大迭代次数为Dmax，每个蜂鸟所携带的初始信息量τ00＝0，释放的信息量Δτ00＝0，所有蜂鸟位居鸟巢；3蜂鸟出发觅食，觅食搜索过程相互独立，根据元素所含信息量，按照式1计算每个元素被选择的概率；4重复步骤3，直到蜂鸟完成全部元素的选择后停止计算；5将蜂鸟所选择的元素，作为神经网络参数，对神经网络进行学习训练，得到神经网络的实际输出，对比期望值ξ，得到对应的网络误差δ，并据此更新集合中元素的信息量，信息量全局更新规则如下： 式中：τijt和τijt+1分别表示t时刻和下一时刻元素i与元素j之间的信息量，S为蜂鸟总数，ρ表示信息量挥发系数，表示蜂鸟k在路径i，j上的释放的信息量，即信息素增量，Q表示全局信息量，为一个常数，Lk表示蜂鸟k走过的路径长度；6重复步骤2到5，当蜂鸟收敛到同一路径或迭代达到最大次数时，停止迭代，输出最优权重和阈值。

全文数据：

权利要求：

百度查询： 南京工程学院 一种用于退役电池的SOC、SOH联合估算方法