戚松岐 李博

摘 要：蓄電池的荷電狀態(tài)（State of Charge， SOC）是表征電池當(dāng)前剩余電量的重要參數(shù)。提出一種基于極限學(xué)習(xí)機(jī)的SOC估計(jì)方法。首先，建立蓄電池的二階戴維南（Thevenin）模型，針對(duì)開(kāi)路電壓與電池SOC之間的非線性關(guān)系，采用極限學(xué)習(xí)機(jī)模型代替多項(xiàng)式模型，以提高擬合精度。根據(jù)實(shí)時(shí)測(cè)量數(shù)據(jù)，基于極限學(xué)習(xí)機(jī)模型確定電池模型的參數(shù)。結(jié)果表明，極限學(xué)習(xí)機(jī)模型在估計(jì)電池SOC時(shí)具有很高的精確度和收斂速度。

關(guān)鍵詞：極限學(xué)習(xí)機(jī);蓄電池;荷電狀態(tài)

1、前言

蓄電池儲(chǔ)能系統(tǒng)在機(jī)車系統(tǒng)中有十分重要的作用，它可以提供短時(shí)供電、用于能量緩沖、改善電能質(zhì)量，在機(jī)車啟動(dòng)過(guò)程中起到重要的作用。蓄電池的荷電狀態(tài)是電池剩余容量和電池容量的比值，準(zhǔn)確地估算電池的SOC值對(duì)于電池使用壽命的延長(zhǎng)可以起到重要的作用[1]。極限學(xué)習(xí)機(jī)（ELM，Extreme Learning Machine）是一種新型的單隱層前向神經(jīng)網(wǎng)絡(luò)，具有訓(xùn)練速度快和泛化能力強(qiáng)的優(yōu)點(diǎn)，神經(jīng)網(wǎng)絡(luò)由于其具有自主學(xué)習(xí)的功能，在系統(tǒng)建模、預(yù)測(cè)等方面應(yīng)用極其廣泛。因此本文利用極限學(xué)習(xí)機(jī)來(lái)估計(jì)蓄電池的荷電狀態(tài)。

2、極限學(xué)習(xí)機(jī)

本文采用極限學(xué)習(xí)機(jī)進(jìn)行蓄電池SOC估計(jì)。極限學(xué)習(xí)機(jī)是一種新型的單隱層前向神經(jīng)網(wǎng)絡(luò)。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)一樣，極限學(xué)習(xí)機(jī)由輸入層、隱層和輸出層組成[2]，其結(jié)構(gòu)如圖一所示：

以蓄電池戴維南等效電路的電流IB、開(kāi)路電壓UB、溫度T和內(nèi)阻R為輸 入，荷電狀態(tài)SOC為輸出。構(gòu)建4輸入單輸出的極限學(xué)習(xí)機(jī)等效仿真模型。

3、蓄電池戴維南模型

4、蓄電池的SOC估計(jì)

4.1、蓄電池SOC估計(jì)模型

以蓄電池戴維南等效電路的電流IB、開(kāi)路電壓UB、溫度T和內(nèi)阻R為輸 入，荷電狀態(tài)SOC為輸出，構(gòu)建4輸入單輸出的極限學(xué)習(xí)機(jī)等效仿真模型。通過(guò)ADVISOR軟件來(lái)采集極限學(xué)習(xí)機(jī)的訓(xùn)練數(shù)據(jù)，采樣間隔為1 s，數(shù)據(jù)采集的總量為1250組，其中1000組為訓(xùn)練數(shù)據(jù)，250組為預(yù)測(cè)數(shù)，來(lái)建立基于極限學(xué)習(xí)機(jī)的蓄電池SOC估計(jì)模型。

4.2、該SOC估計(jì)方法的優(yōu)點(diǎn)

蓄電池的荷電狀態(tài)是電池剩余容量和電池容量的比值，準(zhǔn)確地估算電池的SOC值對(duì)于電池使用壽命的延長(zhǎng)可以起到重要的作用。神經(jīng)網(wǎng)絡(luò)由于其具有自主學(xué)習(xí)的功能，通過(guò)一定量的數(shù)據(jù)對(duì)其進(jìn)行訓(xùn)練，可以得到精確的預(yù)測(cè)結(jié)果，極大的簡(jiǎn)化了蓄電池SOC值的預(yù)測(cè)過(guò)程，是一種十分方便且高效的蓄電池SOC估計(jì)方法。

5、結(jié)論

本文提出了一種基于極限學(xué)習(xí)機(jī)的蓄電池剩余電量估計(jì)方法，利用極限學(xué)習(xí)機(jī)建立蓄電池SOC估計(jì)模型，用蓄電池戴維南等效模型的電流、開(kāi)路電壓、溫度和內(nèi)阻為輸入，蓄電池SOC值為輸出建立模型。有效預(yù)測(cè)了蓄電池的剩余電量，對(duì)提高蓄電池的使用壽命具有重要意義。

參考文獻(xiàn)：

[1]吳忠強(qiáng). 基于 BSA-RELM 的純電動(dòng)汽車鋰離子電池 SOC 估計(jì)，2019.

[2]陸思源.極限學(xué)習(xí)機(jī)綜述，2018.