摘要
本发明属于电池管理技术领域,公开一种基于充放电数据的电池荷电状态预测方法及系统,该电池荷电状态预测方法包括:在电池充放电数据中添加高斯噪声生成优化充放电数据;对优化充放电数据进行模态分解,并基于若干子序列模态分量识别电池性能的底层动态;提取与各子序列模态分量相关联的荷电状态特征,并分析各荷电状态特征及其变化趋势对电池荷电状态的影响因素;构建并训练预测模型,并提取电池荷电状态的影响因素对预测模型参数进行优化;通过训练完成后的预测模型输出电池荷电状态预测结果。本发明通过对优化充放电数据进行模态分解,从而能够解释数据中隐藏的、复杂的周期性和非线性特征。
技术关键词
充放电数据
电池荷电状态预测
电池充放电测试
训练预测模型
序列
混叠现象
建立马尔科夫链模型
优化准则
高斯混合模型
噪声
电池管理技术
转移概率矩阵
参数
驱动算法
非线性特征
特征提取模块
系统为您推荐了相关专利信息
可视特征
深度递归网络
时序特征
特征点集合
计算机系统
性能指标数据
动态调度方法
动态调度系统
终端
监控客户端
指纹提取方法
神经网络模型
全局特征提取
输出特征
电磁信号识别
旋转机械健康状态
注意力
前馈神经网络
连续小波变换
模块
燃料电池剩余寿命
卷积递归网络
二维图像信息
分解算法
参数