本發明涉及一種基于機器學習的鋰電池健康狀態及荷電狀態聯合估算方法,確定電池型號,根據充放電過程的明細數據,擬合V?SOC曲線;建立鋰電池等效電路模型;對一個充放電周期內的電壓回彈特性曲線的曲線進行參數辨識,得到機器學習模型;開機時進行一次初始化測試操作;對該周期內的電壓回彈曲線進行擬合,得到當前電池歐姆電阻和極化電阻,同時測量環境溫度、在存儲芯片中讀取電池充放電循環數據,計算其電池健康狀態SOH;以辨識得到的歐姆電阻、極化電阻、極化電容和最大可用容量更新模型參數,運用UKF或EKF算法估算電池荷電狀態SOC,在儲存芯片中記錄SOC值。本發明具有狀態方程參數即時更新、對壽命影響因素考慮全面、參數多次使用、節省計算資源等特點。
聲明:
“基于機器學習的鋰電池健康狀態及荷電狀態聯合估算方法” 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)