摘要
本发明公开了一种锂电池荷电状态和可用容量的估算方法和系统。包括:构建并训练基于LSTM网络且用于估算电池SOC的估算模型;将电池端电压、电压分量、端电流和表面温度输入至训练好的估算模型得到SOC估算值;用滤波算法对SOC估算值进行降噪得到电池最终的SOC;利用电池最终的SOC对可用容量进行估算得到可用容量估算值。本发明将电化学信息嵌入深度神经网络进行SOC估算,在短训练周期内学到正确的SOC映射关系,提高了深度神经网络的预测性能。本发明通过滤波方法提高了估算模型的精度,通过逆向安时积分方法利用滤波后的SOC估计值得到可用容量估计,将SOC估算法扩展到可用容量估计中。
技术关键词
卡尔曼滤波算法
锂电池荷电状态
安时积分法
深度神经网络
估算系统
非暂态计算机可读存储介质
时间段
状态空间方程
模型训练模块
积分方法
滤波方法
单层
电流
电压
噪声
系统为您推荐了相关专利信息
深度神经网络模型
频率
模型库
训练神经网络模型
矩阵
智能车
检测点
路径生成算法
跟踪控制策略
PID控制原理
全局存储器
视频异常检测方法
深度神经网络
异常事件
解码器
薄荷醇
稀疏压缩感知
烟草抑芽剂
增效剂
增效方法
检测评估系统
系统接口模块
特征提取模块
可视化模块
建筑施工现场