一种基于BP神经网络的锂电池SOC估算方法_1800001321573411.pdfVIP

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号CN106443453A

(43)申请公布日

2017.02.22

(21)申请号201610526989.9

(22)申请日2016.07.04

(71)申请人陈逸涵

地址325200浙江省温州市瑞安市安阳街

道隆山东路295弄5幢2-2号

(72)发明人陈逸涵

(74)专利代理机构北京轻创知识产权代理有限

公司11212

代理人谈杰

(51)Int.Cl.

G01R31/36(2006.01)

权利要求书2页说明书6页附图3页

(54)发明名称

一种基于BP神经网络的锂电池SOC估算方法

(57)摘要

本发明公开了一种基于BP神经网络的锂电

池SOC估算方法，包括如下步骤：(1)建立神经元

模型；(2)建立BP神经网络模型；(3)构建BP神经

网络算法；(4)网络样本数据获取；(5)样本SOC计

算，神经网络算法具有较强的非线性拟合能力，

不需要考虑锂电池的内部结构的情况下，对于外

部激励，输入和输出之间的关系可以通过对大量

的输入输出样本进行训练得到，因此可以很好的

拟合锂电池的动态特性，以此估算电池的SOC，这

种方法的估算精度高，在电池数据样本足够的情

况下，可以得到较高的精度，并且神经网络估算

SOC具有很好的适用性，适用于多种动力电池。

A

3

5

4

3

4

4

6

0

1

N

C

-1-

CN106443453A权利要求书1/2页

1.一种基于BP神经网络的锂电池SOC估算方法，其特征在于，包括如下步骤：

(1)建立神经元模型：BP神经网络是由输入层、隐含层、输出层组成的多层神经网络，其

每一层都是由若干个神经元构成，神经元是神经网络中最基本的组成单位；设定X＝(x1，

x2，…)是神经元的输入，y是神经元的输出，W＝(w1，w2，…)是可调输入权值，B＝b是神经元

的阈值，f(net)是神经元的激励函数，其输入信号通过输入权值连接进入神经元，通过激励

函数得到输出y；

(2)建立BP神经网络模型：三层BP神经网络包括输入层、隐含层、输出层，设定X＝(x1，

x2，…xn)是网络的输入矩阵，xn为输入特征向量，W＝(w0，w1，…wn)是输入层和隐含层之间

的连接权值矩阵，wn是权值向量，其中w0是阈值向量，V＝(v0，v1，…vn)是隐含层和输出层

之间的连接权值，vn是权值向量，其中v0是阈值向量，y是输出向量；

对于输出层，有以下关系：

y＝f(net)

k＝1，2，3，…l

(2-1)

kk

net＝∑vy

k＝1，2，3，…l

(2-2)

kjkj

对于隐含层，有以下关系:

y＝f(net)

j＝1，2，3，…m

(2-3)

jj

net＝∑wy

j＝1，2，3，…m

(2-4)；

jiji

(3)构建BP神经网络算法；

(4)网络样本数据获取：将18650锂电池置于恒温箱内，通过导线与电池测试装置连接，

在电池充满电状态的恒温环境下进行放电测试，放电截至电压为3.0V，并记录其电压值；

(5)样本SOC计算：采用安时积分法估算得到的SOC作为标