摘要
本发明提供一种电池模型参数的辨识方法及装置,从云平台数据库读取特定时间段内的电池数据,根据每条电池数据提取多个充放电片段数据,按时间戳降序排列对每个充放电片段数据进行离散傅里叶变换生成频谱图。根据频谱图确定每个充放电片段数据所属的频率区间,进行滤波处理得到目标充放电片段数据。根据目标充放电片段数据和预设频率区间估计充电与放电参数。本方案不依赖大规模的训练集和长时间训练,无需神经网络算法即可高精度获取电池模型参数,保证云端BMS向车端BMS实时更新参数。频率分析能够揭示电池在全生命周期内的参数变化,满足长时间尺度下的故障诊断和安全预警需求,丰富了云端BMS的电池参数辨识方法。
技术关键词
数据
电池模型参数
频率
傅里叶变换处理
放电参数
电池参数辨识方法
标志
内阻
电压
符号
处理单元
长时间尺度
神经网络算法
辨识装置
标记
电流
滤波器
系统为您推荐了相关专利信息
异常数据分析方法
特征映射神经网络
电力设备
物理
异常状态
FPGA芯片
造影系统
无线控制芯片
模拟数字转换芯片
光学探测器
分析故障
控制回路
Apriori算法
设备故障模式
序列