科创中国

本发明涉及电池测试技术领域，其公开了一种电池SOC预估方法、装置、设备及存储介质，该方法包括：对工作数据进行数据处理，得到BP神经网络模型的最优权值；根据最优权值构建BP神经网络模型，得到电池SOC预测模型；获取目标车辆的当前电池工作电流、当前电池工作电压、当前电池正极温度以及当前负载压力；将所述当前电池工作电流、当前电池工作电压、当前电池正极温度以及当前负载压力通过电池SOC预测模型进行预测。通过样本车辆数据对BP神经网络模型进行训练得到电池SOC预测模型，输入当前车辆数据到电池SOC预测模型，输出预测的电池SOC，从而实现对电池SOC的预估。

一种电池SOC预估方法，其特征在于，所述方法包括以下步骤：获取样本车辆的电池工作电流、电池工作电压、电池正极温度与负载压力；对所述电池工作电流、电池工作电压、电池正极温度与负载压力进行数据处理，得到BP神经网络模型的最优权值；所述对所述电池工作电流、电池工作电压、电池正极温度与负载压力进行数据处理，得到BP神经网络模型的最优权值，包括：根据所述BP神经网络模型权值的k时刻和k-1时刻的关系、BP神经网络模型的期望输出、实际输出以及模型误差模型得到非线性函数；通过递推最小二乘法对状态向量进行辨识，得到状态向量的最小估计值；根据所述状态向量的最小估计值对所述非线性函数进行泰勒展开，并根据所述泰勒展开展开结果得到新的权值；重复上述递推辨识和展开操作直至所述新的权值满足误差范围，得到BP神经网络模型的最优权值；根据最优权值构建BP神经网络模型，得到电池SOC预测模型；获取目标车辆的当前电池工作电流、当前电池工作电压、当前电池正极温度以及当前负载压力；将所述当前电池工作电流、当前电池工作电压、当前电池正极温度以及当前负载压力通过电池SOC预测模型进行预测，得到预估的电池SOC

本发明研究的电池SOC预估方法是目前电池管理系统中的重要技术之一，电池的SOC能够反应当前电池的真实电量状态，准确地预估电池的SOC能够辅助驾驶员判断车辆的剩余里程。综合来看，电池SOC预估方法在电池管理系统中具有广阔的应用前景。随着技术不断演进，预估方法将进一步提高准确性和精确度，以更好地满足各种应用场景的需求。

石大排，男，河南省开封市人，工学博士，博士后，副教授。研究方向主要包含节能与新能源汽车动力系统控制与测试、智能控制算法及优化、智能交通系统多维度道路信息融合、智能网联汽车决策与控制、智能电池管理。近年先后参与国家级项目3项，主持或参与省部级科研项目5项，主持或参与横向课题9项；发表学术论文28余篇，其中SCI检索8篇、EI会议论文4篇；申请发明专利32项，其中授权发明专利15项。

本发明研究通过样本车辆数据对BP神经网络模型进行训练得到电池SOC预测模型，输入当前车辆数据到电池SOC预测模型，使电池SOC预测模型输出预测的电池SOC，从而不需要求解SOC与各数据之间确定的数学关系式，也不需要求解模型中相关参数，避免了计算误差，实现对电池SOC的精确预估。

技术许可、技术转让、作价入股、技术开发、技术服务、面谈等