摘要
本发明公开了一种锂电池健康状态估计方法,将完整充电电压数据序列和片段充电电压数据序列的坐标空间转变为电压‑差分电压坐标空间,将坐标空间转变后的完整充电电压数据序列作为训练数据,将坐标空间转变后的片段充电电压数据序列作为验证数据;基于训练数据和健康状态标签训练自适应采样深度神经网络得到健康状态预测模型;将验证数据输入健康状态预测模型得到健康状态预测值序列,从健康状态预测值序列中依次提取多个子预测值序列,并计算每个子预测值序列的方差,将方差低于方差阈值的子预测值序列的健康状态预测值取平均得到最终的锂电池健康状态估计值。电池健康状态估计方法能够基于片段电压数据序列较为准确的预测锂电池健康状态。
技术关键词
健康状态预测
电压
序列
锂电池健康状态
深度神经网络
数据
滑动窗口
电池健康状态估计方法
坐标点
训练神经网络
输出特征
标签
因子
线性
关系
参数
系统为您推荐了相关专利信息
模型失配诊断方法
预测控制系统
变量
图像分类神经网络
图像可视化
轨迹预测系统
高精度地图数据
解码模块
障碍物
坐标
虚拟同步发电机
有功功率
稳态误差
电力电子开关器件
电压调节器
智能音响控制系统
数字麦克风
电源单元
超声模块
液晶背光电路