本發明公開了一種基于機器學習的鋰離子動力電池健康狀態估算方法,用于實時估算動力電池的荷電狀態和健康狀態。通過建立鋰離子電池的等效電路模型,對其進行參數辨識,再建立Uoc?SOC模型,并估算SOC。使用大量離線數據訓練得到以Uoc?SOC模型參數為輸入,最大可用容量為輸出的神經網絡模型。對同一時刻的Uoc與SOC進行曲線擬合,得到模型中的待辨識參數,將其輸入到訓練得到的神經網絡模型,得到最大可用容量,并將得到的Uoc?SOC模型參數及最大可用容量返回到SOC估算步驟,更新其狀態方程和觀測方程的參數。本發明提出一種鋰離子電池健康狀態估算方法,對電池健康狀態進行在線估算,并對SOC估算進行了參數更新,提高了其估算精度。
聲明:
“基于機器學習的鋰離子動力電池健康狀態估算方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)