本發(fā)明涉及一種基于機器學習的
鋰電池健康狀態(tài)及荷電狀態(tài)聯(lián)合估算方法,確定電池型號,根據(jù)充放電過程的明細數(shù)據(jù),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(nèi)的電壓回彈特性曲線的曲線進行參數(shù)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(nèi)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(huán)境溫度、在存儲
芯片中讀取電池充放電循環(huán)數(shù)據(jù),計算其電池健康狀態(tài)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(shù),運用UKF或EKF算法估算電池荷電狀態(tài)SOC,在儲存芯片中記錄SOC值。本發(fā)明具有狀態(tài)方程參數(shù)即時更新、對壽命影響因素考慮全面、參數(shù)多次使用、節(jié)省計算資源等特點。
聲明:
“基于機器學習的鋰電池健康狀態(tài)及荷電狀態(tài)聯(lián)合估算方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)