本發明涉及儲能電池電性能測試，具體涉及一種基于充放電電流的儲能電池soc估計方法及系統。

背景技術：

1、鋰離子電池作為一種常見的儲能電池，在對儲能電池的soc（state?of?charge，荷電狀態）進行估計時，尤其是對場站級的充放電流的儲能電池的soc進行估計時，通常采用的方法為基于粒子濾波算法進行soc估計。但是，現有的基于粒子濾波算法進行儲能電池的soc估計過程中，過于依賴粒子集，而新的粒子集是通過上一個粒子集中得到粒子的權重，通過權重保留和淘汰的重采樣方法重新獲取新的粒子集，由于重采樣會使得權重高的粒子被保留和權重低的粒子被淘汰，可能出現權重較低的實際出現的粒子被當做噪聲干擾而使其淘汰掉，最后會導致權重大的粒子保留的越多，而且，由于粒子集依賴前一個粒子集來更新，當某一個時間段的數據發生異?；蛘咄蛔儠r，就會因權重確認不準確導致通過前一個粒子集獲取到的新粒子集的精度會下降，從而影響儲能電池的soc估計的準確性。

技術實現思路

1、有鑒于此，為了解決基于粒子濾波算法進行soc估計過程中，粒子濾波算法中權重獲取不準確的技術問題，本發明提供一種基于充放電電流的儲能電池soc估計方法及系統。

2、所采用的技術方案具體如下：

3、第一方面，本發明實施例提供一種基于充放電電流的儲能電池soc估計方法，包括：

4、獲取儲能電池當前采樣時間段以及前一采樣時間段的電池狀態時序數據，所述電池狀態時序數據至少包括電流；所述電流為充電電流或者放電電流；

5、基于所述電池狀態時序數據，得到各采樣時間段的異常特征序列，所述異常特征序列包括采樣時間段內各個采樣時刻的異常特征，所述異常特征為異常數據特征或正常數據特征；

6、根據當前采樣時間段與前一采樣時間段的異常特征序列中異常數據特征的差異，以及當前采樣時間段的異常特征序列中異常數據特征和正常數據特征之間的關聯，得到當前采樣時間段的誤差因子，所述誤差因子用于表征所述當前采樣時間段中數據點權重偏差程度；

7、根據當前采樣時間段以及前一采樣時間段中的異常數據特征在對應異常特征序列中的孤立狀態的差異，結合所述誤差因子，對所述當前采樣時間段所對應于粒子濾波算法中的數據點權重進行調整。

8、結合上述第一方面，在一些可能的實現方式中，所述電池狀態時序數據還包括電池溫度和電池內阻；

9、基于所述電池狀態時序數據，得到各采樣時間段的異常特征序列，包括：

10、根據所述電流，獲取各采樣時間段的電流異常狀態；

11、根據所述電流異常狀態，以及所述電池溫度和電池內阻，得到各采樣時間段的異常特征序列。

12、結合上述第一方面，在一些可能的實現方式中，采樣時間段的電流異常狀態的獲取過程，包括：

13、分別獲取采樣時間段內各采樣時刻與其相鄰的兩個采樣時刻的電流差異，得到第一電流差異和第二電流差異；

14、獲取第一電流差異和第二電流差異的差值絕對值，得到各個采樣時刻的第一電流異常程度；

15、獲取采樣時間段內的第一電流差異的絕對值的平均值，得到第二電流異常程度；

16、根據所述第一電流異常程度和第二電流異常程度，得到采樣時間段中各個采樣時刻的電流異常狀態。

17、結合上述第一方面，在一些可能的實現方式中，根據所述電流異常狀態，以及所述電池溫度和電池內阻，得到各采樣時間段的異常特征序列，包括：

18、根據所述電池溫度，獲取采樣時間段的電池溫度波動程度和電池溫度極差；

19、根據所述電池溫度和電池內阻，獲取采樣時間段的電池溫度和電池內阻的變化相關性；

20、根據所述電流異常狀態、電池溫度波動程度、電池溫度極差和所述變化相關性，得到采樣時間段的異常特征序列；其中，所述電流異常狀態、電池溫度波動程度和電池溫度極差與所述異常特征序列的異常特征正相關，所述變化相關性與異常特征反相關。

21、結合上述第一方面，在一些可能的實現方式中，所述儲能電池soc估計方法還包括：

22、對所述異常特征序列中的異常特征進行聚類，得到若干個類簇；

23、基于各個類簇中異常特征的整體數值水平，將所述若干個類簇劃分為異常類簇和正常類簇，所述異常類簇中的異常特征為所述異常數據特征，所述正常類簇中的異常特征為所述正常數據特征。

24、結合上述第一方面，在一些可能的實現方式中，當前采樣時間段與前一采樣時間段的異常特征序列中異常數據特征的差異具體為數量占比差異，所述數量占比差異為當前采樣時間段的異常特征序列中異常數據特征的數量占比與前一采樣時間段的異常特征序列中異常數據特征的數量占比的差異；

25、當前采樣時間段的異常特征序列中異常數據特征和正常數據特征之間的關聯具體為質心距離整體水平，所述質心距離整體水平為當前采樣時間段的各正常類簇的質心與當前采樣時間段的異常類簇的質心之間的距離的平均值；

26、所述當前采樣時間段的誤差因子由所述數量占比差異和所述質心距離整體水平獲取得到，其中，所述誤差因子和所述數量占比差異與所述質心距離整體水平均正相關。

27、結合上述第一方面，在一些可能的實現方式中，根據當前采樣時間段以及前一采樣時間段中的異常數據特征在對應異常特征序列中的孤立狀態的差異，結合所述誤差因子，對所述當前采樣時間段所對應于粒子濾波算法中的數據點權重進行調整，包括；

28、獲取當前采樣時間段的異常類簇在當前采樣時間段的異常特征序列中的孤立狀態，得到第一孤立狀態，并獲取前一采樣時間段的異常類簇在前一采樣時間段的異常特征序列中的孤立狀態，得到第二孤立狀態；

29、比較所述第一孤立狀態和第二孤立狀態；

30、根據所述第一孤立狀態和第二孤立狀態的比較結果，結合所述誤差因子，對所述當前采樣時間段所對應于粒子濾波算法中的數據點權重進行調整。

31、結合上述第一方面，在一些可能的實現方式中，所述第一孤立狀態的獲取過程，包括：

32、獲取當前采樣時間段的異常類簇的質心與當前采樣時間段的異常特征序列的中心點的距離，作為第一異常距離，并獲取當前采樣時間段的各個正常類簇的質心與當前采樣時間段的異常特征序列的中心點的距離，作為各第一正常距離，計算所述第一異常距離和所有第一正常距離的和值，得到第一總距離；

33、將所述第一異常距離和所述第一總距離的比值，作為所述第一孤立狀態；

34、所述第二孤立狀態的獲取過程，包括：

35、獲取前一采樣時間段的異常類簇的質心與前一采樣時間段的異常特征序列的中心點的距離，作為第二異常距離，并獲取前一采樣時間段的各個正常類簇的質心與前一采樣時間段的異常特征序列的中心點的距離，作為各第二正常距離，計算所述第二異常距離和所有第二正常距離的和值，得到第二總距離；

36、將所述第二異常距離和所述第二總距離的比值，作為所述第二孤立狀態。

37、結合上述第一方面，在一些可能的實現方式中，根據所述第一孤立狀態和第二孤立狀態的比較結果，結合所述誤差因子，對所述當前采樣時間段所對應于粒子濾波算法中的數據點權重進行調整，包括：

38、若所述第一孤立狀態小于第二孤立狀態，則所述當前采樣時間段所對應于粒子濾波算法中的異常數據特征所對應的采樣時刻的調整后的數據點權重如下：

39、

40、所述當前采樣時間段所對應于粒子濾波算法中的正常數據特征所對應的采樣時刻的調整后的數據點權重如下：

41、

42、若所述第一孤立狀態大于第二孤立狀態，則所述當前采樣時間段所對應于粒子濾波算法中的異常數據特征所對應的采樣時刻的調整后的數據點權重如下：

43、

44、所述當前采樣時間段所對應于粒子濾波算法中的正常數據特征所對應的采樣時刻的調整后的數據點權重如下：

45、

46、其中，為所述當前采樣時間段中第r個異常數據特征對應的初始數據點權重，為所述當前采樣時間段中第r個異常數據特征對應的調整后的數據點權重，為所述當前采樣時間段中第s個正常數據特征對應的初始數據點權重，為所述當前采樣時間段中第s個正常數據特征對應的調整后的數據點權重，g為所述當前采樣時間段的誤差因子歸一化后的數值。

47、第二方面，本發明實施例提供一種基于充放電電流的儲能電池soc估計系統，包括存儲器和處理器，所述存儲器用于存儲可執行程序代碼，所述處理器用于從所述存儲器中調用并運行程序代碼，以實現上述的基于充放電電流的儲能電池soc估計方法。

48、本發明具有包括但不限于如下技術效果：根據儲能電池當前采樣時間段以及前一采樣時間段這兩個相鄰的采樣時間段的電池狀態時序數據，得到各采樣時間段的異常特征序列，從而得到采樣時間段內各個采樣時刻的異常特征的具體分類，是屬于異常數據特征還是正常數據特征，從而提高對異常數據分析的準確性；然后，根據當前采樣時間段與前一采樣時間段的異常特征序列中異常數據特征的差異，以及當前采樣時間段的異常特征序列中異常數據特征和正常數據特征之間的關聯，得到當前采樣時間段的誤差因子，誤差因子用于表征當前采樣時間段中數據點權重偏差程度，誤差因子作為后續權重調整過程中一個十分重要的參量，通過獲取到準確的、反映當前采樣時間段的特征的誤差因子，能夠提升后續權重調整的準確性；最后根據當前采樣時間段以及前一采樣時間段中的異常數據特征在對應異常特征序列中的孤立狀態的差異，結合誤差因子，對當前采樣時間段所對應于粒子濾波算法中的數據點權重進行調整。因此，本發明提供的方法能夠根據當前采樣時間段中數據的異常狀態以及結合與前一采樣時間段之間的關聯，對當前采樣時間段所對應于粒子濾波算法中的數據點權重進行準確調整，能夠降低噪聲數據的干擾，提升了粒子濾波算法中粒子集獲取的精度，從而提高對儲能電池soc估計的準確性。