本發明適用于鋰離子電池技術領域,提供了一種基于機器學習模型的動力電池組荷電狀態估計方法,方法包括:根據測試得到的動力單體電池溫度、電流、荷電狀態為輸入,以端電壓為輸出,利用長短期記憶神經網絡算法訓練電池模型;采用平方根容積卡爾曼濾波算法,實時計算得到所述動力電池組中電壓最大單體電池和電壓最小單體電池的荷電狀態;利用滾動學習方法重新訓練電池模型;根據已獲取的動力電池組中電壓最大單體電池和電壓最小單體電池的荷電狀態,利用權重方法計算電池組荷電狀態。本發明能夠在環境溫度變化和電池老化之后對動力電池組的荷電狀態進行精確估計,提高了動力電池組荷電狀態估計的效率和準確率,抗干擾能力強。
聲明:
“基于機器學習模型的動力電池組荷電狀態估計方法” 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)