一种基于HO-BP-Hammerstein模型的电池荷电状态预测方法、系统及电子设备

AITNT
正文
推荐专利
一种基于HO-BP-Hammerstein模型的电池荷电状态预测方法、系统及电子设备
申请号:CN202511130259
申请日期:2025-08-13
公开号:CN120993213A
公开日期:2025-11-21
类型:发明专利
摘要
本发明公开了一种基于HO‑BP‑Hammerstein模型的电池荷电状态预测方法、系统及电子设备,涉及新能源电池管理系统技术领域。本发明包括数据获取步骤、数据预处理步骤、模型构建步骤、模型训练步骤、模型优化步骤、预测步骤。本发明提出构建HO‑BP‑Hammerstein复合模型,通过优化后的神经网络捕捉电池非线性动态特征,结合Hammerstein模型的线性稳态特性,实现SOC的高精度估计。
技术关键词
数据预测模型 BP神经网络 线性模块 新能源电池管理系统 车载电池组 电池荷电状态预测 历史运行数据 三次样条插值法 整车 非线性 传播算法 优化神经网络 误差 动态 动力电池 模型训练模块 电子设备
系统为您推荐了相关专利信息
1
防止带钢板轧制褶皱的控制方法及相关设备
带钢宽度 机架 褶皱 BP神经网络模型 焊缝
2
一种电网故障预测的最优检修位置确定方法及装置
电网故障预测 历史故障数据 灰色关联分析法 BP神经网络 配电网故障检修
3
分动器振动仿真分析优化方法及装置
仿真分析 分动器壳体 BP神经网络预测 神经网络预测模型 参数
4
一种基于GNSS测量控制网的静态坐标解算与校验系统
控制点 坐标 校验系统 节点特征 基线
5
一种基于粒子群算法优化BP神经网络的位移预测方法及系统
位移预测方法 BP神经网络 粒子群算法优化 基坑 全局寻优能力
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