摘要
本发明电化学模型及粒子滤波的锂电池荷电状态估计方法及系统,该方法包括:将锂电池电化学模型参数分为三类,包括开路电压相关参数、动力学参数和电解质参数;使用物理信息‑神经网络的框架,在神经网络训练过程中加入了锂电池电化学模型的框架,得到锂电池电化学模型的物理信息神经网络模型;基于物理信息神经网络模型,结合开路电压相关参数、动力学参数和电解质参数在实际运行中的精度,分别在0.05C恒流放电、新欧洲循环测试工况和1C恒流放电下对参数进行辨识。该系统包括参数分类模块、模型搭建模块和参数辨识模块。本发明对低灵敏度的参数依然具有较高的精度,同时,能够使用较少的训练数据实现理想的效果。
技术关键词
神经网络模型
锂电池
参数
神经网络训练
粒子
滤波
搭建模块
方程
辨识模块
固相体积分数
电解质电导率
负极
物理
电压
误差
框架
系统为您推荐了相关专利信息
物资采购预测方法
异常数据
预测系统
填补算法
基准
辅助动力装置
综合控制方法
燃油
修正算法
补偿算法
学习预测方法
平板气膜冷却
仿真数据
叶片
误差函数