摘要
本申请公开了一种锂电池SOC估计方法、装置、设备、介质及产品,涉及锂电池SOC估计领域,该方法包括基于混合训练策略,利用r‑GA优化算法的全局搜索能力,搜寻神经网络模型的初始参数;所述初始参数包括权重和偏置;所述神经网络模型是基于历史锂电池放电特征构建的;将所述初始参数加载进所述神经网络模型,利用历史锂电池放电数据训练所述神经网络模型进行局部搜索,确定训练后的神经网络模型;采集锂电池放电数据,并将所述锂电池放电数据输入至所述训练后的神经网络模型中,输出SOC预测结果;所述锂电池放电数据包括电池电流、电压和温度,本申请提升了SOC估计精度,快速找到全局最优解。
技术关键词
SOC估计方法
锂电池
SOC估计装置
放电特征
神经网络训练方法
数据
参数
神经网络模型训练
策略
处理器
梯度下降法
算法
基因
计算机程序产品
样本
计算机设备
输出模块
可读存储介质
系统为您推荐了相关专利信息
径向基函数神经网络
锂电池健康状态
指标
序列
深度极限学习机
互补系统
锂电池储能系统
光伏发电机组
互补模型
平滑技术
应急机器人
机器人本体
语音监控系统
路况感知
双功能
锂电池剩余容量
矿用锂电池
档位
电源管理方法
功率
柱上断路器
测试终端
工控机系统
SOC芯片
接线装置