摘要
本发明适用于锂离子电池管理技术领域,提供了基于多模型融合的锂离子电池荷电和健康状态估计方法,包括以下步骤:数据采集及处理;基于等电压间隔放电时间的电池SOH估计;电池SOC估计模型的搭建与训练;基于容量修正的安时积分法:将步骤二所计算的SOH值应用于安时积分法中,以实时调整SOC的估算值;当前电池SOH下电池SOC的估计:将步骤三中应用神经网络输出的SOC和步骤四中应用安时积分法计算的SOC应用卡尔曼滤波器进行融合;评价指标设定。本发明显著提高了锂离子电池SOC和SOH的估计准确性,降低了误差,增强了BMS性能,提升了电池安全性和使用寿命,同时展现出强适应性和良好的抗噪声性能。
技术关键词
健康状态估计方法
卡尔曼滤波器
安时积分法
锂离子电池管理
多模型
代表
噪声
序列
电压
网络
表达式
数据
归一化方法
协方差矩阵
电流
指标
系统为您推荐了相关专利信息
电子病历数据
患者
医疗大数据处理
结构化电子病历
身份证号
链路生存时间
期望传输次数
节点
自组网
虚拟存储介质
净负荷预测方法
负荷预测模型
周期结构
模型预测值
分布式发电
采摘机器人
导航控制方法
全球导航卫星系统
节点
激光雷达数据