[发明专利]基于支持向量机模型和卡尔曼滤波的锂电池SOC估计方法

摘要

本发明公开了一种基于支持向量机模型和卡尔曼滤波的锂电池SOC估计方法，包括：获取锂电池充放电历史数据；电池电压、将电流、工作温度作为支持向量机模型的输入，将SOC作为模型输出，利用支持向量机模型对锂电池SOC进行估计；确定模型参数，将估计误差控制在预设范围内；当估计值在预设范围内时，将该模型的输出SOC、经过卡尔曼滤波器进行滤波，得到精度高、动态适应性强的SOC估计值。本发明的数据处理方法和预测模型可以有效地对锂电池SOC进行估计，估计精度较高，可广泛应用于动力电池SOC估计领域中。

主权项

基于支持向量机模型和卡尔曼滤波的锂电池SOC估计方法，其特征在于，包括如下步骤：S1、获取锂电池充放电历史样本数据，同时对样本数据进行划分，确定与SOC相关的主要变量；S2、确定支持向量机锂电池模型的输入、输出数据和模型主要参数，从而建立基于支持向量机锂电池模型；S3、当支持向量机锂电池模型的SOC估计误差在预设范围内时，将该模型输出的SOC用卡尔曼滤波(Kalman Filter,KF)算法进行滤波；S4、获取测试样本数据，将测试样本中的电压U、电流I、温度T作为训练后的支持向量机锂电池模型的输入，采用该训练后的模型对测试样本进行估计；为了增强其动态适应性，输出用KF算法进行滤波，进而获得精度高的SOC估计值；所述样本数据分为训练样本数据和测试样本数据。训练时所采用的锂电池样本数据包括若干个完整周期充放电历史数据。