純電動(dòng)汽車動(dòng)力電池荷電狀態(tài)預(yù)測方法及預(yù)測系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種純電動(dòng)汽車動(dòng)力電池荷電狀態(tài)預(yù)測方法及預(yù)測系統(tǒng)，其中，本荷電狀態(tài)預(yù)測方法，包括如下步驟：步驟S1，對動(dòng)力電池的各外部特性參數(shù)進(jìn)行采集；步驟S2，對各外部特性參數(shù)進(jìn)行數(shù)據(jù)挖掘；以及步驟S3，建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以獲得荷電狀態(tài)的預(yù)測值；本發(fā)明的電池荷電狀態(tài)預(yù)測方法及預(yù)測系統(tǒng)采用多重動(dòng)態(tài)決策樹模型實(shí)現(xiàn)外部特性參數(shù)進(jìn)行挖掘，以獲得有效數(shù)據(jù)，剔除無用數(shù)據(jù)，避免數(shù)據(jù)冗余，同時(shí)加快預(yù)測時(shí)間；尤其是在考慮到電池饋能以及工況不斷變化的情況下，依然能夠?qū)崟r(shí)準(zhǔn)確地預(yù)測出電池荷電狀態(tài)值，實(shí)用性強(qiáng)，有效性高。
【專利說明】
純電動(dòng)汽車動(dòng)力電池荷電狀態(tài)預(yù)測方法及預(yù)測系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及一種純電動(dòng)汽車動(dòng)力電池荷電狀態(tài)預(yù)測方法及預(yù)測系統(tǒng)。
【背景技術(shù)】
[0002]動(dòng)力電池作為純電動(dòng)汽車動(dòng)力系統(tǒng)的關(guān)鍵部件，對整車系統(tǒng)的動(dòng)力性、安全性以及經(jīng)濟(jì)性至關(guān)重。為保證電池性能良好，延長其使用壽命，需要對電池進(jìn)行合理的管理與控制，但是前提必須是準(zhǔn)確而又可靠地獲得電池的荷電狀態(tài)。正如普通車輛必須監(jiān)視油箱內(nèi)燃油的容量一樣，純電動(dòng)汽車也需要知道其動(dòng)力電池能量，而荷電狀態(tài)是反映電池能量的重要參數(shù)，所以，如何正確獲得動(dòng)力電池荷電狀態(tài)成為純電動(dòng)汽車應(yīng)用的重要環(huán)節(jié)。荷電狀態(tài)作為電池的內(nèi)部特性不可以直接對其進(jìn)行測量，只能通過對電池電壓、電流、溫度等一些直接測量的外部特性參數(shù)預(yù)測而得。
[0003]常用的動(dòng)力電池荷電狀態(tài)預(yù)測方法可以分為以下六類:(I)基于經(jīng)驗(yàn)方程和數(shù)學(xué)模型，或者等效電路的估計(jì)方法。這些數(shù)學(xué)模型的參數(shù)主要通過恒流充放電特性獲得，這種穩(wěn)態(tài)模型不能完全正確地反映電池的動(dòng)態(tài)特性；(2)基于安時(shí)計(jì)量的預(yù)測方法。安時(shí)計(jì)量法結(jié)構(gòu)簡單，操作方便，但是在應(yīng)用中存在精度不高的缺陷；(3)基于開路電壓的預(yù)測方法。開路電壓法是目前最常用的SOC預(yù)測方法之一，將穩(wěn)定的開路電壓直接表示蓄電池當(dāng)前的容量，操作簡單，但是在測量開路電壓時(shí)，需考慮電池的電化學(xué)和熱力學(xué)平衡，同時(shí)開路電壓的穩(wěn)定需要很長的時(shí)間；(4)基于蓄電池內(nèi)阻特性的預(yù)測方法。內(nèi)阻法是將交流電注入到蓄電池，然后通過內(nèi)阻和容量的關(guān)系來判斷蓄電池當(dāng)前容量，預(yù)測SOC極值時(shí)精度較高，但是內(nèi)阻受蓄電池溫度、靜置時(shí)間和充放電初始狀態(tài)等因素的影響，與SOC的關(guān)系不穩(wěn)定，而且蓄電池內(nèi)阻測量儀價(jià)格高，體積大；(5)基于卡爾曼濾波器遞推算法的預(yù)測方法。卡爾曼濾波法將蓄電池看作動(dòng)態(tài)系統(tǒng)，SOC作為系統(tǒng)內(nèi)部的一個(gè)狀態(tài)量，該方法需要選擇動(dòng)態(tài)系統(tǒng)的描述方程，遞推過程也涉及到復(fù)雜的矩陣求逆運(yùn)算。同時(shí)，卡爾曼濾波器作為遞推算法，對初值的選擇十分敏感，錯(cuò)誤的初值導(dǎo)致估計(jì)的不斷惡化，初始SOCO可以使用開路電壓進(jìn)行給定，但用于遞推的其他初值并沒有較好的方式確定；(6)基于神經(jīng)網(wǎng)絡(luò)的預(yù)測方法。利用神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性映射能力來實(shí)現(xiàn)蓄電池SOC的預(yù)測。該方法避免了傳統(tǒng)方法對模型和參數(shù)的依賴，不需要外加電流和信號處理，提高了系統(tǒng)魯棒性和抗干擾能力。但神經(jīng)網(wǎng)絡(luò)目前還存在過擬合、易陷入局部極值、結(jié)構(gòu)設(shè)計(jì)依賴于經(jīng)驗(yàn)等缺陷。
[0004]從上述內(nèi)容可知，國內(nèi)外學(xué)者提出了大量的動(dòng)力電池荷電狀態(tài)預(yù)測方法，通過比較方法來判別荷電狀態(tài)預(yù)測精度的高與低。這種過度依賴算法，試圖從算法上對荷電狀態(tài)的精確預(yù)測求得突破，往往忽略了電池?cái)?shù)據(jù)本身固有的特性。然而在實(shí)踐中，動(dòng)力電池的外部特性參數(shù)種類較多，數(shù)據(jù)量較大，大數(shù)據(jù)下各類算法并不能凸顯其優(yōu)勢，因此有必要采用數(shù)據(jù)挖掘技術(shù)對電池?cái)?shù)據(jù)進(jìn)行深入挖掘，找到真正適合進(jìn)行荷電狀態(tài)預(yù)測的那部分?jǐn)?shù)據(jù)。在數(shù)據(jù)挖掘的基礎(chǔ)上，在利用切合實(shí)際的算法對動(dòng)力電池荷電狀態(tài)進(jìn)行精確預(yù)測。
[0005]此外，動(dòng)力電池外部特性參數(shù)包括電壓、電流、溫度和內(nèi)阻等，在實(shí)際預(yù)測中并不是將所有參數(shù)都用于預(yù)測，就能獲得較好的預(yù)測結(jié)果，預(yù)測輸入會出現(xiàn)多種組合，如(電壓，電流)、(電壓，電流，溫度)、(電壓，電流，內(nèi)阻)等等，不同的組合可能得出的分類效果也有所不同，精度也必然不同，因此最優(yōu)輸入組合有待確定。
[0006]汽車在行駛過程中，其運(yùn)行狀態(tài)有可能會發(fā)生變化，比如路上車輛較多，出現(xiàn)擁堵情況，直接導(dǎo)致汽車由巡航狀態(tài)變?yōu)闇p速或者制動(dòng)狀態(tài)，此時(shí)汽車并沒有按照循序工況的路徑行駛，這都將對動(dòng)力電池荷電狀態(tài)的精確預(yù)測產(chǎn)生很大的影響。

【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的是提供一種荷電狀態(tài)預(yù)測方法及預(yù)測系統(tǒng)，其通過構(gòu)建多重動(dòng)態(tài)決策樹模型，以獲得荷電狀態(tài)的精確預(yù)測值。
[0008]為了解決上述技術(shù)問題，本發(fā)明提供了一種荷電狀態(tài)預(yù)測方法，包括如下步驟:
[0009]步驟SI，對動(dòng)力電池的各外部特性參數(shù)進(jìn)行采集；
[0010]步驟S2，對各外部特性參數(shù)進(jìn)行數(shù)據(jù)挖掘；以及
[0011 ]步驟S3，建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以獲得荷電狀態(tài)的預(yù)測值。
[0012]進(jìn)一步，所述步驟SI中對動(dòng)力電池的各外部特性參數(shù)進(jìn)行采集的方法包括:通過建立的純電動(dòng)汽車模型，采集動(dòng)力電池的各外部特性參數(shù);其中各外部特性參數(shù)包括:電壓、電流、溫度和內(nèi)阻。
[0013]進(jìn)一步，所述步驟S2中對各外部特性參數(shù)進(jìn)行數(shù)據(jù)挖掘的步驟，即采用決策樹數(shù)據(jù)挖掘技術(shù)對采集好的各外部特性參數(shù)進(jìn)行挖掘，找出其與電池荷電狀態(tài)存在的對應(yīng)關(guān)系，再對數(shù)據(jù)進(jìn)行處理，使其成為符合荷電狀態(tài)精確預(yù)測的有效數(shù)據(jù)。
[0014]進(jìn)一步，所述步驟S3中建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以獲得荷電狀態(tài)的預(yù)測值，即建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以確定預(yù)測方法的最優(yōu)輸入?yún)?shù)組合，根據(jù)車輛的實(shí)際運(yùn)行情況對多重動(dòng)態(tài)決策樹模型進(jìn)行動(dòng)態(tài)修正，以得到荷電狀態(tài)精確預(yù)測值。
[0015]進(jìn)一步，所述確定預(yù)測方法的最優(yōu)輸入?yún)?shù)組合的方法包括:
[0016]步驟S31，建立若干參數(shù)組合；
[0017]步驟S32，通過多重動(dòng)態(tài)決策樹模型，選出預(yù)測精度最高的參數(shù)組合，以作為最優(yōu)輸入?yún)?shù)組合;其中
[0018]若干參數(shù)組合包括:電壓和電流組合，電壓和內(nèi)阻組合，電壓和溫度組合，電流和內(nèi)阻組合，電流和溫度組合，內(nèi)阻和溫度組合，電壓、電流和內(nèi)阻組合，電壓、電流和溫度組合，電壓、內(nèi)阻和溫度組合，電壓、電流、內(nèi)阻和溫度組合。
[0019]又一方面，為了解決同樣的技術(shù)問題，本發(fā)明還提供了一種荷電狀態(tài)預(yù)測系統(tǒng)。
[0020]所述荷電狀態(tài)預(yù)測系統(tǒng)包括:用于獲得荷電狀態(tài)預(yù)測值的多重動(dòng)態(tài)決策樹模型。
[0021]進(jìn)一步，所述荷電狀態(tài)預(yù)測系統(tǒng)還包括:純電動(dòng)汽車模型，且通過該純電動(dòng)汽車模型采集動(dòng)力電池的各外部特性參數(shù);其中各外部特性參數(shù)包括:電壓、電流、溫度和內(nèi)阻。
[0022]進(jìn)一步，采用數(shù)據(jù)挖掘技術(shù)對采集好的各外部特性參數(shù)進(jìn)行挖掘，找出其與電池荷電狀態(tài)存在的對應(yīng)關(guān)系，再對數(shù)據(jù)進(jìn)行處理，使其成為符合荷電狀態(tài)精確預(yù)測的有效數(shù)據(jù)。
[0023]進(jìn)一步，所述多重動(dòng)態(tài)決策樹模型適于通過多輸入?yún)?shù)組合，確定多重動(dòng)態(tài)決策樹模型的最優(yōu)輸入?yún)?shù)組合，根據(jù)車輛的實(shí)際運(yùn)行情況對多重動(dòng)態(tài)決策樹模型進(jìn)行動(dòng)態(tài)修正，以得到荷電狀態(tài)精確預(yù)測值。
[0024]進(jìn)一步，所述確定多重動(dòng)態(tài)決策樹模型的最優(yōu)輸入?yún)?shù)組合，SP
[0025]建立若干參數(shù)組合；以及通過多重動(dòng)態(tài)決策樹模型，選出預(yù)測精度最高的參數(shù)組合，以作為最優(yōu)輸入?yún)?shù)組合;其中若干參數(shù)組合包括:電壓和電流組合，電壓和內(nèi)阻組合，電壓和溫度組合，電流和內(nèi)阻組合，電流和溫度組合，內(nèi)阻和溫度組合，電壓、電流和內(nèi)阻組合，電壓、電流和溫度組合，電壓、內(nèi)阻和溫度組合，電壓、電流、內(nèi)阻和溫度組合。
[0026]本發(fā)明的有益效果是，本發(fā)明的電池荷電狀態(tài)預(yù)測方法及預(yù)測系統(tǒng)采用多重動(dòng)態(tài)決策樹模型實(shí)現(xiàn)外部特性參數(shù)進(jìn)行挖掘，以獲得有效數(shù)據(jù)，剔除無用數(shù)據(jù)，避免數(shù)據(jù)冗余，同時(shí)加快預(yù)測時(shí)間；尤其是在考慮到電池饋能以及工況不斷變化的情況下，依然能夠?qū)崟r(shí)準(zhǔn)確地預(yù)測出電池荷電狀態(tài)值，實(shí)用性強(qiáng)，有效性高。
【附圖說明】
[0027]下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步說明。
[0028]圖1是純電動(dòng)汽車整車系統(tǒng)開發(fā)圖；
[0029]圖2是本發(fā)明中動(dòng)力電池的數(shù)據(jù)樣本采集圖；
[0030]圖3是基于多重動(dòng)態(tài)決策樹模型的純電動(dòng)汽車動(dòng)力電池荷電狀態(tài)預(yù)測原理圖；
[0031 ]圖4是建立的多輸入組合的多重動(dòng)態(tài)決策樹模型；
[0032]圖5是多重動(dòng)態(tài)決策樹模型在線預(yù)測框圖。
【具體實(shí)施方式】
[0033]現(xiàn)在結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。
[0034]電池荷電狀態(tài)預(yù)測方法及預(yù)測系統(tǒng)可以廣泛用于純電動(dòng)汽車、或者電驅(qū)動(dòng)的吊臂等依靠電池(動(dòng)力電池)作為能源供給的裝置。
[0035]以下實(shí)施例以純電動(dòng)汽車為例。
[0036]本發(fā)明的原理是:在循環(huán)工況條件下，實(shí)時(shí)采集動(dòng)力電池各項(xiàng)外部特性參數(shù)，例如但不限于電壓、電流、內(nèi)阻、溫度;具體的，荷電狀態(tài)真實(shí)值是通過計(jì)算電池放電到截止電壓時(shí)所釋放的總電量，然后用此總電量作為基準(zhǔn)計(jì)算得到的;采用決策樹數(shù)據(jù)挖掘技術(shù)，對所采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，嘗試找出動(dòng)力電池外部特性參數(shù)與荷電狀態(tài)之間的對應(yīng)關(guān)系，凸顯出電池?cái)?shù)據(jù)本身的固有特性;在數(shù)據(jù)深入挖掘的基礎(chǔ)上，建立多輸入組合的多重動(dòng)態(tài)決策樹模型，確定最優(yōu)輸入組合。同時(shí)，根據(jù)車輛的實(shí)際運(yùn)行情況有針對性地對多重動(dòng)態(tài)決策樹模型進(jìn)行動(dòng)態(tài)修正;通過再生制動(dòng)能量回收過程的相關(guān)參數(shù)，結(jié)合本發(fā)明多重動(dòng)態(tài)決策樹模型對動(dòng)力電池荷電狀態(tài)進(jìn)行精確預(yù)測。
[0037]實(shí)施例1
[0038]如圖1所示，本發(fā)明的一種荷電狀態(tài)預(yù)測方法，包括如下步驟:
[0039]步驟SI，對動(dòng)力電池的各外部特性參數(shù)進(jìn)行采集；
[0040]步驟S2，對各外部特性參數(shù)進(jìn)行數(shù)據(jù)挖掘；以及
[0041 ]步驟S3，建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以獲得荷電狀態(tài)的預(yù)測值。
[0042]所述步驟SI中對動(dòng)力電池的各外部特性參數(shù)進(jìn)行采集的方法包括:通過建立的純電動(dòng)汽車模型，采集動(dòng)力電池的各外部特性參數(shù)(作為相應(yīng)樣本數(shù)據(jù))；其中各外部特性參數(shù)包括:電壓、電流、溫度和內(nèi)阻。
[0043]圖1為純電動(dòng)汽車整車系統(tǒng)開發(fā)圖，圖1中包括發(fā)動(dòng)機(jī)、車輪、油箱、電池等等零部件;具體的，在車輛仿真軟件ADVISOR 2002下，對純電動(dòng)汽車整車系統(tǒng)進(jìn)行開發(fā)，建模和仿真，實(shí)時(shí)采集動(dòng)力電池荷電狀態(tài)預(yù)測的輸入、輸出樣本數(shù)據(jù)。
[0044]圖2(a)至圖2(f)為在美國城市動(dòng)態(tài)驅(qū)動(dòng)工況下，純電動(dòng)汽車車速、電池電壓、電流、溫度以及對應(yīng)的荷電狀態(tài)值，在MATLAB環(huán)境下通過編程提取出動(dòng)力電池的輸入輸出樣本數(shù)據(jù)，作為多重動(dòng)態(tài)決策樹預(yù)測模型的原始數(shù)據(jù)。
[0045]所述步驟S2中對各外部特性參數(shù)進(jìn)行數(shù)據(jù)挖掘的步驟，即采用決策樹數(shù)據(jù)挖掘技術(shù)對采集好的各外部特性參數(shù)進(jìn)行挖掘，找出其與電池荷電狀態(tài)存在的對應(yīng)關(guān)系，再對數(shù)據(jù)進(jìn)行處理，使其成為符合荷電狀態(tài)精確預(yù)測的有效數(shù)據(jù)。
[0046]所述步驟S3中建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以獲得荷電狀態(tài)的預(yù)測值，即建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以確定預(yù)測方法的最優(yōu)輸入?yún)?shù)組合，根據(jù)車輛的實(shí)際運(yùn)行情況對多重動(dòng)態(tài)決策樹模型進(jìn)行動(dòng)態(tài)修正，以得到荷電狀態(tài)精確預(yù)測值。
[0047]如圖3所示，圖3為基于多重動(dòng)態(tài)決策樹模型的純電動(dòng)汽車動(dòng)力電池荷電狀態(tài)預(yù)測原理圖。首先，對動(dòng)力電池的外部特性參數(shù)進(jìn)行采集，包括電壓、電流和內(nèi)阻等參數(shù)。然后，采用數(shù)據(jù)挖掘技術(shù)對采集好的外部特性參數(shù)進(jìn)行挖掘，找出其與電池荷電狀態(tài)存在的對應(yīng)關(guān)系，再對數(shù)據(jù)進(jìn)行處理，使其成為符合荷電狀態(tài)精確預(yù)測的有效數(shù)據(jù)。最后，通過預(yù)測方法對電池荷電狀態(tài)進(jìn)行預(yù)測，建立多輸入組合的多重動(dòng)態(tài)決策樹模型，并確定預(yù)測方法的最優(yōu)輸入組合，根據(jù)車輛的實(shí)際運(yùn)行情況有針對性地對多重動(dòng)態(tài)決策樹模型進(jìn)行動(dòng)態(tài)修正，從而得到荷電狀態(tài)精確預(yù)測值。
[0048]具體的動(dòng)態(tài)修正過程為:汽車在行駛過程中，其運(yùn)行狀態(tài)會根據(jù)路況隨時(shí)發(fā)生變化，比如路上車輛較多，出現(xiàn)擁堵情況，直接導(dǎo)致汽車由巡航狀態(tài)變?yōu)闇p速或者制動(dòng)狀態(tài)，此時(shí)汽車并沒有按照循環(huán)工況的路徑行駛，動(dòng)力電池外部特性參數(shù)中的電壓、電流參數(shù)會發(fā)生變化，這會影響動(dòng)力電池荷電狀態(tài)的精確預(yù)測。
[0049]另外，在減速或者制動(dòng)過程中，純電動(dòng)汽車會產(chǎn)生再生制動(dòng)能量，為了充分利用能源，通常這部分再生制動(dòng)能量將會回收，再生制動(dòng)能量的回收意味著給動(dòng)力電池充電。動(dòng)力電池在充電過程中，其外部特性參數(shù)中的電壓由下降趨勢變成呈上升趨勢，電流極性由正變?yōu)樨?fù)。為了實(shí)現(xiàn)動(dòng)力電池的精確預(yù)測，在動(dòng)力電池外部特性參數(shù)采集過程中，需要根據(jù)汽車的實(shí)際運(yùn)行狀態(tài)，對變化了的參數(shù)進(jìn)行動(dòng)態(tài)修正，因此采用多重動(dòng)態(tài)決策樹模型。
[0050]所述確定預(yù)測方法的最優(yōu)輸入?yún)?shù)組合的方法包括:
[0051 ]步驟S31，建立若干參數(shù)組合；
[0052]步驟S32，通過多重動(dòng)態(tài)決策樹模型，選出預(yù)測精度最高的參數(shù)組合，以作為最優(yōu)輸入?yún)?shù)組合;其中
[0053]若干參數(shù)組合包括:電壓和電流組合，電壓和內(nèi)阻組合，電壓和溫度組合，電流和內(nèi)阻組合，電流和溫度組合，內(nèi)阻和溫度組合，電壓、電流和內(nèi)阻組合，電壓、電流和溫度組合，電壓、內(nèi)阻和溫度組合，電壓、電流、內(nèi)阻和溫度組合。
[0054]具體實(shí)現(xiàn)過程如圖4所示，圖4為多輸入組合的多重動(dòng)態(tài)決策樹模型，圖4中共建立了 10重決策樹，分別為(電壓、電流)，(電壓、內(nèi)阻)，(電壓、溫度)，(電流、內(nèi)阻)，(電流、溫度)，(內(nèi)阻、溫度)，(電壓、電流、內(nèi)阻)，(電壓、電流、溫度)，(電壓、內(nèi)阻、溫度)，(電壓、電流、內(nèi)阻、溫度)。
[0055]圖5為多重動(dòng)態(tài)決策樹的在線預(yù)測框圖，首先將建立的純電動(dòng)汽車模型進(jìn)行在線仿真研究，采集動(dòng)力電池的樣本數(shù)據(jù)，包括電壓、電流、內(nèi)阻和溫度;其次，建立如圖4所示的10重決策樹，再利用決策樹方法的數(shù)據(jù)挖掘功能，對樣本數(shù)據(jù)進(jìn)行處理，挖掘出動(dòng)力電池荷電狀態(tài)的有效數(shù)據(jù)，剔除無用數(shù)據(jù)，避免數(shù)據(jù)冗余，同時(shí)加快預(yù)測時(shí)間。根據(jù)車輛的實(shí)際運(yùn)行情況有針對性地對10重決策樹進(jìn)行動(dòng)態(tài)修正，并將再生制動(dòng)能量回收過程考慮在內(nèi)；再其次，利用10重動(dòng)態(tài)決策樹進(jìn)行動(dòng)力電池荷電狀態(tài)預(yù)測，得到預(yù)測精度;最后，對這10個(gè)不同的預(yù)測精度值進(jìn)行決策分析，得到精度最高值，從而確定最優(yōu)預(yù)測組合，給出預(yù)測結(jié)果。
[0056]實(shí)施例2
[0057]在實(shí)施例1基礎(chǔ)上，本實(shí)施例2還提供了一種荷電狀態(tài)預(yù)測系統(tǒng)，包括:用于獲得荷電狀態(tài)預(yù)測值的多重動(dòng)態(tài)決策樹模型。
[0058]具體的，關(guān)于多重動(dòng)態(tài)決策樹模型的建立過程參見實(shí)施例1的相關(guān)論述。
[0059]所述荷電狀態(tài)預(yù)測系統(tǒng)還包括:純電動(dòng)汽車模型，且通過該純電動(dòng)汽車模型采集動(dòng)力電池的各外部特性參數(shù);其中各外部特性參數(shù)包括:電壓、電流、溫度和內(nèi)阻。
[0060]采用數(shù)據(jù)挖掘技術(shù)對采集好的各外部特性參數(shù)進(jìn)行挖掘，找出其與電池荷電狀態(tài)存在的對應(yīng)關(guān)系，再對數(shù)據(jù)進(jìn)行處理，使其成為符合荷電狀態(tài)精確預(yù)測的有效數(shù)據(jù)。
[0061 ]所述多重動(dòng)態(tài)決策樹模型適于通過多輸入?yún)?shù)組合，確定多重動(dòng)態(tài)決策樹模型的最優(yōu)輸入?yún)?shù)組合，根據(jù)車輛的實(shí)際運(yùn)行情況對多重動(dòng)態(tài)決策樹模型進(jìn)行動(dòng)態(tài)修正，以得到荷電狀態(tài)精確預(yù)測值。
[0062]具體的，所述確定多重動(dòng)態(tài)決策樹模型的最優(yōu)輸入?yún)?shù)組合，即
[0063]建立若干參數(shù)組合；以及通過多重動(dòng)態(tài)決策樹模型，選出預(yù)測精度最高的參數(shù)組合，以作為最優(yōu)輸入?yún)?shù)組合;其中若干參數(shù)組合包括:電壓和電流組合，電壓和內(nèi)阻組合，電壓和溫度組合，電流和內(nèi)阻組合，電流和溫度組合，內(nèi)阻和溫度組合，電壓、電流和內(nèi)阻組合，電壓、電流和溫度組合，電壓、內(nèi)阻和溫度組合，電壓、電流、內(nèi)阻和溫度組合。
[0064]以上述依據(jù)本發(fā)明的理想實(shí)施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完全可以在不偏離本項(xiàng)發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項(xiàng)發(fā)明的技術(shù)性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍。
【主權(quán)項(xiàng)】
1.一種荷電狀態(tài)預(yù)測方法，其特征在于，包括如下步驟: 步驟SI，對動(dòng)力電池的各外部特性參數(shù)進(jìn)行采集； 步驟S2，對各外部特性參數(shù)進(jìn)行數(shù)據(jù)挖掘；以及 步驟S3，建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以獲得荷電狀態(tài)的預(yù)測值。2.根據(jù)權(quán)利要求1所述的荷電狀態(tài)預(yù)測方法，其特征在于， 所述步驟SI中對動(dòng)力電池的各外部特性參數(shù)進(jìn)行采集的方法包括:通過建立的純電動(dòng)汽車模型，采集動(dòng)力電池的各外部特性參數(shù);其中 各外部特性參數(shù)包括:電壓、電流、溫度和內(nèi)阻。3.根據(jù)權(quán)利要求2所述的荷電狀態(tài)預(yù)測方法，其特征在于， 所述步驟S2中對各外部特性參數(shù)進(jìn)行數(shù)據(jù)挖掘的步驟，SP 采用決策樹數(shù)據(jù)挖掘技術(shù)對采集好的各外部特性參數(shù)進(jìn)行挖掘，找出其與電池荷電狀態(tài)存在的對應(yīng)關(guān)系，再對數(shù)據(jù)進(jìn)行處理，使其成為符合荷電狀態(tài)精確預(yù)測的有效數(shù)據(jù)。4.根據(jù)權(quán)利要求3所述的荷電狀態(tài)預(yù)測方法，其特征在于，所述步驟S3中建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以獲得荷電狀態(tài)的預(yù)測值，即 建立多輸入?yún)?shù)組合的多重動(dòng)態(tài)決策樹模型，以確定預(yù)測方法的最優(yōu)輸入?yún)?shù)組合，根據(jù)車輛的實(shí)際運(yùn)行情況對多重動(dòng)態(tài)決策樹模型進(jìn)行動(dòng)態(tài)修正，以得到荷電狀態(tài)精確預(yù)測值。5.根據(jù)權(quán)利要求4所述的荷電狀態(tài)預(yù)測方法，其特征在于，所述確定預(yù)測方法的最優(yōu)輸入?yún)?shù)組合的方法包括: 步驟S31，建立若干參數(shù)組合； 步驟S32，通過多重動(dòng)態(tài)決策樹模型，選出預(yù)測精度最高的參數(shù)組合，以作為最優(yōu)輸入?yún)?shù)組合;其中 若干參數(shù)組合包括:電壓和電流組合，電壓和內(nèi)阻組合，電壓和溫度組合，電流和內(nèi)阻組合，電流和溫度組合，內(nèi)阻和溫度組合，電壓、電流和內(nèi)阻組合，電壓、電流和溫度組合，電壓、內(nèi)阻和溫度組合，電壓、電流、內(nèi)阻和溫度組合。6.—種荷電狀態(tài)預(yù)測系統(tǒng)，其特征在于，包括:用于獲得荷電狀態(tài)預(yù)測值的多重動(dòng)態(tài)決策樹模型。7.根據(jù)權(quán)利要求6所述的荷電狀態(tài)預(yù)測系統(tǒng)，其特征在于，所述荷電狀態(tài)預(yù)測系統(tǒng)還包括:純電動(dòng)汽車模型，且通過該純電動(dòng)汽車模型采集動(dòng)力電池的各外部特性參數(shù);其中 各外部特性參數(shù)包括:電壓、電流、溫度和內(nèi)阻。8.根據(jù)權(quán)利要求7所述的荷電狀態(tài)預(yù)測系統(tǒng)，其特征在于， 采用數(shù)據(jù)挖掘技術(shù)對采集好的各外部特性參數(shù)進(jìn)行挖掘，找出其與電池荷電狀態(tài)存在的對應(yīng)關(guān)系，再對數(shù)據(jù)進(jìn)行處理，使其成為符合荷電狀態(tài)精確預(yù)測的有效數(shù)據(jù)。9.根據(jù)權(quán)利要求8所述的荷電狀態(tài)預(yù)測系統(tǒng)，其特征在于， 所述多重動(dòng)態(tài)決策樹模型適于通過多輸入?yún)?shù)組合，確定多重動(dòng)態(tài)決策樹模型的最優(yōu)輸入?yún)?shù)組合，根據(jù)車輛的實(shí)際運(yùn)行情況對多重動(dòng)態(tài)決策樹模型進(jìn)行動(dòng)態(tài)修正，以得到荷電狀態(tài)精確預(yù)測值。10.根據(jù)權(quán)利要求9所述的荷電狀態(tài)預(yù)測系統(tǒng)，其特征在于， 所述確定多重動(dòng)態(tài)決策樹模型的最優(yōu)輸入?yún)?shù)組合，即 建立若干參數(shù)組合；以及 通過多重動(dòng)態(tài)決策樹模型，選出預(yù)測精度最高的參數(shù)組合，以作為最優(yōu)輸入?yún)?shù)組合；其中 若干參數(shù)組合包括:電壓和電流組合，電壓和內(nèi)阻組合，電壓和溫度組合，電流和內(nèi)阻組合，電流和溫度組合，內(nèi)阻和溫度組合，電壓、電流和內(nèi)阻組合，電壓、電流和溫度組合，電壓、內(nèi)阻和溫度組合，電壓、電流、內(nèi)阻和溫度組合。
【文檔編號】G06F19/00GK106021923SQ201610335346
【公開日】2016年10月12日
【申請日】2016年5月19日
【發(fā)明人】王琪, 羅印升, 陳太洪, 倪福銀, 邢紹邦
【申請人】江蘇理工學(xué)院