一种基于三次Adaptive-MEMD分解的锂电池SOC和SOH联合估计方法和系统

AITNT
正文
推荐专利
一种基于三次Adaptive-MEMD分解的锂电池SOC和SOH联合估计方法和系统
申请号:CN202510547115
申请日期:2025-04-28
公开号:CN120405434A
公开日期:2025-08-01
类型:发明专利
摘要
本发明公开了一种基于三次Adaptive‑MEMD分解的锂电池SOC和SOH联合估计方法和系统,方法包括:采集锂电池充放电数据,基于双重自适应多元经验模态分解对锂电池荷电状态进行降噪,建立数据集;基于数据集提取峰值特征量并使用自适应多元经验模态分解;建立锂电池SOC估计模型,采用改进的登山队优化算法优化脉冲神经网络SNNs模型超参数,并基于自适应多元经验模态分解的结果进行SOC估计,得到SOC估计值;利用OSRELM模型对所述SOC估计值进行误差校正,得到最终SOC估计值;将最终SOC估计值与数据集组成新数据集,建立锂电池SOH估计模型,再次采用改进的登山队优化算法优化SNNs模型进行锂电池SOH估计,利用训练好的锂电池SOH估计模型进行SOH估计;本发明可以能够提高锂电池SOC和SOH联合估计精度。
技术关键词
多元经验模态分解 锂电池SOH估计 联合估计方法 锂电池荷电状态 充放电数据 模型超参数 位置更新 误差校正 脉冲 算法 电容 处理器 误差预测 极值 计算机程序产品 信号 校正模块
系统为您推荐了相关专利信息
1
锂电池SOC-SOH联合估计方法、装置、设备及介质
支持向量机回归模型 锂电池 等效电路模型 充放电条件 曲线
2
基于动态权重融合与多模态分解的库岸滑坡位移预测方法
滑坡位移预测方法 多元经验模态分解 灰狼优化算法 表达式 异构特征
3
基于统计特征进化编码的锂离子电池容量预测方法
锂离子电池容量 统计特征 编码特征 容量预测模型 锂离子电池健康状态估计技术
4
基于大数据与AI算法的电池故障预测方法、装置及设备
电池故障预测方法 训练集 大数据 历史故障数据 放电特征
5
锂电池充放电检测和管理方法、装置、设备及存储介质
充放电数据 电极 频域特征 序列 锂电池
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号