摘要
本发明公开了一种电池荷电状态估计方法、计算机装置及存储介质,包括建立时序混合神经网络模型,获取待估计电池的至少一个待估计放电数据,使用时序混合神经网络模型对各待估计放电数据进行处理,对时序混合神经网络模型的处理结果进行受物理约束的滤波处理,获得对待估计电池的荷电状态估计值等步骤。本发明通过使用混合时序神经网络模型和受物理约束的滤波处理,能够捕获待估计放电数据中的时序特征,从而准确估计出荷电状态估计值,能够提升估计SOC的精度。除此之外,针对时序混合神经网络的输出额外施加带物理约束的滤波,可以约束和平滑时序混合神经网络的输出结果,进一步提高模型估计的精度。本发明广泛应用于电池管理技术领域。
技术关键词
混合神经网络模型
时序卷积神经网络
长短期记忆网络
超参数
滤波
时序特征
数据
计算机装置
样本
序列
时序神经网络
电池管理技术
物理
处理器
程序
关系
可读存储介质
系统为您推荐了相关专利信息
机器人腰部
VR头显
机器人控制算法
机器人遥操作系统
遥操作方法
资源智能管理方法
电力网络拓扑
储能系统充放电
负荷预测模型
长短期记忆网络
堆叠电池
参数控制方法
单体电池
充电控制策略
模型预测控制算法
主动噪声控制系统
子系统
信号合成器
算法模块
误差传声器
自动化系统
龙门吊
量子态
神经网络结构
神经网络激活函数