(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211352798.7 (22)申请日 2022.11.01 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 刘新华　王文涛　于瀚卿　杨世春　 张正杰　闫啸宇　 (74)专利代理 机构 北京格允知识产权代理有限 公司 11609 专利代理师 张莉瑜 (51)Int.Cl. G01R 31/3842(2019.01) G01R 31/367(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电动汽车锂电池荷电状态在线估计方 法及系统 (57)摘要 本发明涉及电池监测技术领域， 特别涉及一 种电动汽车锂电池荷电状态在线估计方法及系 统， 其中方法包括： 获取电动汽车当前时刻的电 池数据； 将当前时刻的所述电池 数据上传至云端 电池监控平台， 以利用所述云端电池监控平台实 现： 基于当前时刻及历史时刻的所述电池数据， 通过存储的云端估计模型进行SOC估计， 得到下 一时刻的第一SOC估计值， 并传回； 基于当前时刻 的电流， 通过车端估计模型进行SOC估计， 得到 下 一时刻的第二SOC估计值； 以得到的所述第一SOC 估计值为测量值、 所述第二SOC估计值为观测值， 通过卡尔曼滤波器进行融合， 得到下一时刻的锂 电池SOC估计值。 本发明能够实现快速且高精度 的电动汽车锂电池SOC估计 。 权利要求书2页 说明书8页 附图2页 CN 115407217 A 2022.11.29 CN 115407217 A 1.一种电动汽车锂电池荷电状态在线估计方法， 其特 征在于， 包括： 获取电动汽车当前时刻的电池数据， 包括锂电池的电流、 电压和温度； 将当前时刻的所述电池数据 上传至云端电池监控平台， 以利用所述云端电池监控平台 实现： 基于当前时刻及历史时刻的所述电池数据， 通过存储的云端估计模型进行SOC估计， 得到下一时刻的第一SOC估计值， 并传回； 基于当前时刻的电流， 通过车端估计模型进行SOC估计， 得到下一时刻的第二SOC估计 值； 其中， 所述车端估计模型采用安时积分法构建； 以得到的所述第一SOC估计值为测量值、 所述第二SOC估计值为观测值， 通过卡尔曼滤 波器进行融合， 得到下一时刻的锂电池SOC估计值。 2.根据权利要求1所述的电动汽车锂电池荷电状态在线估计方法， 其特征在于： 所述云 端估计模型为训练后的深度学习模型。 3.根据权利要求2所述的电动汽车锂电池荷电状态在线估计方法， 其特征在于： 所述深 度学习模型为CN N模型、 RN N模型、 LSTM模型或GRU模型。 4.根据权利要求3所述的电动汽车锂电池荷电状态在线估计方法， 其特征在于： 所述深 度学习模型为1D ‑CNN模型； 所述1D‑CNN模型中网络隐藏层的每一层均包括BN层， 以进行归一化处理， 所述1D ‑CNN 模型中采用的梯度下降计算方法为 适应性矩估计方法。 5.根据权利要求2所述的电动汽车锂电池荷电状态在线估计方法， 其特征在于， 所述深 度学习模型 是通过如下 方式进行训练的： 分别获取电动汽车至少两种工况下多个不同时刻的电池数据及相应的锂电池SOC， 上 传至所述云端电池监控平台， 以利用所述云端电池监控平台实现： 构建深度学习模型； 对获取到的数据进行 预处理； 基于预处理后的数据， 得到训练样本集和测试样本集； 其中， 所述训练样本集包括其中 一种工况下多个不同时刻的电池数据及相应的锂电池SOC， 所述测试样本集包括其余工况 下多个不同时刻的电池数据及相应的锂电池SOC； 基于得到的所述训练样本集和所述测试样本集， 对构建的深度学习模型进行训练， 至 该深度学习模型收敛。 6.根据权利要求5所述的电动汽车锂电池荷电状态在线估计方法， 其特征在于， 所述对 获取到的数据进行 预处理， 包括： 对各电池数据及相应的锂电池SOC进行去异常数据清洗和固定间隔采样。 7.根据权利要求1所述的电动汽车锂电池荷电状态在线估计方法， 其特征在于， 所述通 过车端估计模型进行SOC估计， 采用如下表达式： 设当前时刻为 k时刻， 表示k+1时刻的第二SOC估计值， 表示k时刻权　利　要　求　书 1/2 页 2 CN 115407217 A 2的第二SOC估计 值， 表示k时刻的电流， 表示锂电池的额定容量， 表示k+1时刻和 k时刻之间的时间 间隔。 8.一种电动汽车锂电池荷电状态在线估计系统， 其特征在于， 包括： 车载计算装置和云 端电池监控平台； 其中， 所述车载计算装置包括： 获取模块， 用于获取电动汽车当前时刻的电池数据， 包括锂电池的电流、 电压和温度； 上传模块， 用于将当前时刻的所述电池数据上传至云端电池监控平台， 以调用所述云 端电池监控平台进行SOC估计， 获得 下一时刻的第一SOC估计值； 估计模块， 用于基于当前时刻的电流， 通过车端估计模型进行SOC估计， 得到下一时刻 的第二SOC估计值； 融合模块， 用于以得到的所述第一SOC估计值为测量值、 所述第二S OC估计值为观测值， 通过卡尔曼 滤波器进行融合， 得到下一时刻的锂电池SOC估计值； 所述云端电池监控平台用于响应所述上传模块的调用， 基于当前时刻及历史时刻的所 述电池数据， 通过存储的云端估计模型进行SOC估计， 得到下一时刻的第一SOC估计值， 并传 回至所述上传模块。 9.一种电子设备， 包括存储器和处理器， 所述存储器中存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时， 实现如权利要求 1‑7中任一项 所述的电动汽车锂电 池荷电状态在线估计方法。 10.一种存储介质， 其上存储有计算机程序， 其特征在于， 当所述计算机程序在计算机 中执行时， 令计算机执行权利要求1 ‑7中任一项所述的电动汽车锂电池荷电状态在线估计 方法。权　利　要　求　书 2/2 页 3 CN 115407217 A 3