摘要
本发明涉及一种电动汽车动力电池容量估计与剩余使用寿命预测方法,属于电动汽车电池管理技术领域。该方法S1:数据预处理与标定容量片段提取;S2:数据筛选与特征选择;S3:深度学习SOH模型训练;S4:容量预测与数据修正;S5:半经验物理模型融合与网格化:建立电池容量半经验物理模型,并结合RANSAC拟合参数,将步骤S4的里程‑容量数据网格化处理;S6:车辆聚类分析;S7:针对各聚类类别车辆,构建物理模型+残差LSTM模型,融合静态物理模型参数与动态容量‑里程序列预测剩余使用寿命;S8:模型评估与优化。本发明提高了容量估计与寿命预测的准确性和稳健性,适用于车载BMS或云端电池健康管理。
技术关键词
LSTM模型
安时积分法
物理
车辆运行数据
剩余使用寿命
训练深度神经网络
电池健康管理
动力
特征选择
电池管理技术
皮尔逊相关系数
动态时间规整
数据网
序列
残差模型
单体
参数
系统为您推荐了相关专利信息
环境监测数据
环境监测终端
LSTM模型
环境监测传感器
终端支架
硬件存储装置
加密数据
内核态
数据处理方法
内存
混合云平台
子模块
梯度下降优化算法
LSTM模型
Zigbee无线通信