摘要
本发明涉及锂离子电池领域,具体是一种基于端云协同策略的电池健康状态估计方法,包括以下步骤:电池老化特征提取;数据预处理,包括数据归一化和时间序列数据构建;构建电池预测模型,包括在云侧构建并训练神经网络模型以及在端侧则构建电池老化的经验模型;设定评价指标。本发明构建了一个面向电池SOH估计的端云协同的混合预测网络,该网络分别在云侧和端侧部署了不同的电池SOH预测模型,分别利用电池老化特征和数学关系来进行SOH预测,能够综合考虑电池老化的个体差异和电池老化的一般性规律,同时提高模型计算速度,具有良好的精度和鲁棒性。
技术关键词
端云协同
训练神经网络模型
策略
老化特征
LSTM神经网络
指数衰减函数
数据
双曲正切函数
序列
电池特征
记忆
滤波方法
滤波器
锂离子电池
变量
内阻
曲线
矩阵