廣州中國科學院沈陽自動化研究所分所 胡 躍

我國科技領域的集中成長帶來了有效的發(fā)展，在后續(xù)的優(yōu)化中，我國針對于動力電池進行了有效的應用。動力電池自身的污染性較低，使用壽命較長。但在使用過程中，廢舊鋰電池有可能會出現(xiàn)一定的非線性特性，影響在SOC估算精準度。使其估算精度不足，導致鋰電池發(fā)展出現(xiàn)瓶頸。因此，在本文的探究中，其基于人工智能的廢舊鋰電池SOC監(jiān)測技術，將提供神經(jīng)網(wǎng)絡算法。并在此基礎上，研究動力電池的檢測機制，并對該系統(tǒng)集成相關平臺實現(xiàn)電池參數(shù)等進行在線動態(tài)監(jiān)測功能。

如何研發(fā)全新能源，并使其能夠得到社會各界的重點關注，是目前工業(yè)領域必須掌握的基礎。新型工業(yè)對其進行了集中設定。在鋰電池的應用中，我國的針對于全新的汽車領域，我國新能源汽車產(chǎn)業(yè)實現(xiàn)快速發(fā)展。而在新能源汽車中，動力鋰電池為新能源汽車的未來發(fā)展提供了全新的動力指向以及動力源，需求量大幅提升。目前，我國對廢舊鋰電池的SOC監(jiān)測技術與以往相比，整體已經(jīng)進行了明顯的優(yōu)化以及加強的。其需要相關部門的集中優(yōu)化，才可以保障SOC監(jiān)測技術的精準度。

1 動力電池技術發(fā)展分析

在動力電池發(fā)展中，在19世紀初，世界上第一款電池研制迄今已有300年歷史。而1976年，第一款鋰電池在后續(xù)改進過程中，鋰電池的特性不斷優(yōu)化，其電池質量也在不斷增強。鋰電池具有使用性、高效性，并且其充放電性能良好、體重較小、響應速度較快。在各種動力電池中脫穎而出，具備極佳的使用性能。鋰電池具有一定的優(yōu)勢，但自身也有一定的缺陷。例如，鋰電池內部是較為復雜的非線性系統(tǒng)，因此在出現(xiàn)問題時很難對針對于電池容量以及剩余性能需要進行綜合估算，以保證鋰電池能夠發(fā)揮自身最大價值。

根據(jù)SOC技術，其可以被描述電池的整個剩余電量并進行監(jiān)控。將其作為電池系統(tǒng)的關鍵組成部分，對SOC技術估算系統(tǒng)而言，在估算過程中，整體的難度較大，且誤差較大，無法提供在線預測系統(tǒng)技術。這種效果導致使鋰電池的發(fā)展模式受到較多制約，無法得到全面應用。目前，我國針對于SOC技術，為了確保SOC技術能夠發(fā)揮自身的最大價值。因此，其必須進行大量研究，并根據(jù)鋰電池的應用現(xiàn)狀，在現(xiàn)代研究理論層次上，完成動態(tài)監(jiān)管以及連續(xù)的有效控制。如何建立高精度的鋰電池充放模型，可以完成精準動態(tài)的估算，提升其整體的利用率。

2 SOC鋰電池的估算方法現(xiàn)狀分析

目前，針對SOC技術進行分析，可以得知SOC電池技術可以全面反映整個電動汽車行駛里程數(shù)，并將其作為判斷指標。因此，必須將整個SOC技術實現(xiàn)精準性控制，使其自身能夠實現(xiàn)有效的優(yōu)化。對SOC鋰電池而言，SOC鋰電池自身應有一定的非線性。因此，其無法完成電壓或輸入電流，實現(xiàn)綜合測量。在后續(xù)改進過程中，必須根據(jù)電池的各組工作狀態(tài)，選擇合理的SOC估算方法。采用綜合參考因素，以確保電池SOC技術能夠得到合理有效的優(yōu)化。且隨著后續(xù)鋰電池技術的不斷發(fā)展，推廣SOC技術將在現(xiàn)有基礎上整體實現(xiàn)全面的豐富，包含以下幾種電池SOC估算方法。

其一，開路電壓法。在開路電壓法中，該方法由日本提出可以用于估算SOC。作為一種早期的估算方法，其可以利用電池內部的濃度關系。例如，Li+濃度關系，全面模擬出電池自身的電壓以及SOC之間的對應聯(lián)系，適用于各種電池。但采用電壓法，也具有一定的缺陷。例如，前后蓄電池無法完成在線預測。根據(jù)整個電池的電動特性，分析并預測電池SOC。在初始階段，SOC的整個預算精準度較高。在負載或電流變化中，其距離誤差較大。因此，通過建立電流，可以全面模擬電池電壓，并計算出相應的電池模型。經(jīng)多次實驗，可以接受相關公式，最后集中分析，實現(xiàn)電壓的有效估算。

其二，放電試驗方法。通過較為可靠且使用較多的SOC采用相關的估算方法，可以分析整個恒定的電壓并實現(xiàn)持續(xù)的放電。隨后，在估算中，將整個放電所用的時間以及所用的電流實現(xiàn)融合，得出整個電池剩余的結果以及剩余容量。簡易可行，且結果極為精準。但對電池進行完整放電，需要一定的時間限制。此外，在針對工作中的電池組，其為了檢測精度，必須中斷工作，無法進行在線預測。

其三，安時積分法。安時積分算法是根據(jù)其混合動力電動內部的智能鋰電池SOC值進行通過多樣性的估算方法，以計算鋰電池在某一段時間內，其自身的充進或放出的電量，實現(xiàn)整個電池的SOC數(shù)值。如下：

根據(jù)相關公式分析，在鋰電池SOC測量中，根據(jù)其相關的標稱容量以及庫存效應，結合安時法，可以準確的估算出SOC的初始值。通過綜合計算，在短時間內，SOC預測精準度較高，其誤差可以隨著時間的推移可以有效減少。

3 影響電池SOC估算的因素

3.1 自放電因素

鋰電池在放電過程中，在電池定制的過程中，其電壓有可能會下降。鋰電池除與自身的內部特性有明顯關聯(lián)外，也與鋰電池的外部特征以及鋰電池在當時使用中溫度、時間等外界因素有密切關聯(lián)。此外，隨著鋰電池使用時間的增加，鋰電池的放電率會增加。但就其他的鋰電池技術而言，鋰電池自身的放電率較小。因此，在普通的使用環(huán)境中，鋰電池的掉電率為每個月3%左右。因此，鋰電池若長期處在不適宜的環(huán)境中，將會縮短電池的使用壽命。

3.2 溫度因素

在分析整個鋰電池SOC數(shù)據(jù)庫中，根據(jù)鋰電池的溫度變化，其對電池的影響性能較大。因此，鋰電池在工作中，其整個內部將會發(fā)生化學反應，導致鋰電池內部的Li+擴散速度變慢，整個電池內阻增加。而一旦鋰電池溫度上升，則會加劇整個電子內部的Li+移動速度，以減少電池的電量消耗。例如，在使用過程中，SOC鋰電池技術如處于溫度過高或過低環(huán)境，則會導致SOC鋰電池出現(xiàn)明顯的掉電量。如溫度上升，鋰電池內部的Li+移動速度將會加速，減少電量消耗，降低整個材料的充電性能。在此種情況影響下，其在夏季，電動車行駛路程比冬季行駛路程較長。

3.3 循環(huán)壽命因素

目前，根據(jù)鋰電池的整個使用情況，其鋰電池的循環(huán)壽命比額定電能相比具有一定限制。此種現(xiàn)象被稱為鋰電池循環(huán)壽命縮短。在理想狀態(tài)下，鋰電池的整個循環(huán)周期以及初始電量，都必須具備相關的使用特性。在定時使用中，會受到一定的因素制約。因此，整個鋰電池的容量有可能會因為循環(huán)數(shù)量而發(fā)生變化，但就一般情況分析鋰電池的實際容量。數(shù)量已降至80%左右時，便可以判斷此電池的循環(huán)終止。

3.4 老化因素

在鋰電池的使用中，其鋰電池的容量均高于舊電池。因此，通過對電池內部的化學物質進行損耗判斷，可以分析且由于整個化學物質經(jīng)過多次反應，就會導致電池出現(xiàn)老化，使電池的容量以及性能明顯降低。

4 監(jiān)測系統(tǒng)軟件設計以及相關測試

4.1 BP神經(jīng)網(wǎng)絡算法的相關改進

根據(jù)相關的章節(jié)針對整個神經(jīng)網(wǎng)絡算法而言，其必須需要精準的數(shù)字模型判斷，并通過樣本進行學習，全面保障內部的非線性系統(tǒng)能夠實現(xiàn)有效的規(guī)律成長。為了更好的實現(xiàn)網(wǎng)絡神經(jīng)模型建設，在網(wǎng)絡神經(jīng)算法中，其自身亦有可能存在不足之處。例如，針對于神經(jīng)網(wǎng)絡BP系統(tǒng)訓練中，其整個系統(tǒng)很容易出現(xiàn)遺忘舊樣本的問題。此外，也從也很容易陷入局部直角小等現(xiàn)象。網(wǎng)絡收斂速度較慢，且節(jié)點較少，缺乏專業(yè)理論支撐。

隨著神經(jīng)網(wǎng)絡的不斷發(fā)展，各種改進方法也被提出。其常見的有附加動量法自適應學習法以及LM算法，因此提升SOC預測精準度以及訓練速度，可以對BP神經(jīng)網(wǎng)絡進行有效的改進研究。例如，將無線的目標誤差SOC設定為10-4，其循環(huán)次數(shù)為1000次，以便得到隱藏節(jié)點數(shù)范圍。

4.2 附加動量法改進BP網(wǎng)絡收斂速度

附加動量法可以完成先前的調整，并將橫梁值的一部分疊加。并結合全新的調整系統(tǒng)，實現(xiàn)整體數(shù)量。根據(jù)反向傳播速度，產(chǎn)生全新的權值變化，其公式如下：

在公式分析中，動力系數(shù)可以通過建立網(wǎng)絡模型，來對附加量法進行仿真測試。將整體的目標誤差設置在10，顯示最大循環(huán)度數(shù)值為1000，并通過其相關的測試公式得出最佳的神經(jīng)元數(shù)數(shù)值。根據(jù)相關的訓練模式，可以采取附加動量法，保障其訓練速度，減少誤差。再進行1000次測試時，其訓練結果等于目標誤差，具有一定差距。因此，通過該方法可以提高網(wǎng)絡的訓練程度。

4.3 LM算法改進BP網(wǎng)絡的預測精度

此種算法可以基于數(shù)值優(yōu)化，完成快速結算。結合相關的梯度下降以及高斯牛頓法，可以對其進行相關調整，以保證網(wǎng)絡速度得到快速收斂，實現(xiàn)自我解決。在整體的改進流程中，公司流轉法可以有效的調整公司入股。根據(jù)以下措施，在股市中，根據(jù)網(wǎng)絡輸出的誤差向量，可以完成調整前的網(wǎng)絡權值組成，進行有效的組織矩陣。在調整后的網(wǎng)絡權值中，所進行的矩陣組成里，可以實現(xiàn)誤差平方以及組成的矩陣公式。在網(wǎng)絡應用中，LM算法變成，可以有效提高網(wǎng)絡的預測精度。

結束語：綜上所述，針對于鋰電池的最新型相關問題，結合有效的神經(jīng)網(wǎng)絡算法。在堅持SOC進行二次預測時，相關的轉口進行鋰電池參數(shù)的檢測以及動態(tài)分析。在本論文的分析中，針對于BP神經(jīng)網(wǎng)絡算法可以通過分析企業(yè)相關的影響因素，對電池的發(fā)電電壓、電流、環(huán)境等設定主要的問題，并針對問題進行逐一解決。