CN115598535B 一种考虑健康状态的电池荷电状态估计方法及系统 （西安交通大学）_第1页
CN115598535B 一种考虑健康状态的电池荷电状态估计方法及系统 （西安交通大学）_第2页
CN115598535B 一种考虑健康状态的电池荷电状态估计方法及系统 （西安交通大学）_第3页
CN115598535B 一种考虑健康状态的电池荷电状态估计方法及系统 （西安交通大学）_第4页
CN115598535B 一种考虑健康状态的电池荷电状态估计方法及系统 （西安交通大学）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种考虑健康状态的电池荷电状态估计方本发明公开了一种考虑健康状态的电池荷路电压和电池健康状态作为神经网络模型的输法得到SOC的最终估计值。本发明结合电池模型23步骤5：结合步骤1数据集中的电流信息和步骤3的神经网络模型输出的电池荷电状态2.根据权利要求1所述的考虑健康状态的电5.根据权利要求1所述的考虑健康状态的电池中，采用带遗忘因子的递推最小二乘法对电池CARMA模型参数进行在线估计，包括以下步步骤31、由于开路电压在极短时间内变化量极小，故假e:=-HX(11)d为遗忘因子。6.根据权利要求1所述的考虑健康状态的电池荷电47.根据权利要求1所述的考虑健康状态的电池其中，sOC:为k时刻的SOC估计值，socwr为通过BP神经网络模型得到的k时刻SOC估I:为k时刻的电流；8.一种基于权利要求1-7中任意一项所述的考虑健康状态的电池荷电状态估计方法的5[0004]上述估计方法大都没有考虑出现电池容量衰减的情况下如何继续保证SOC精度，[0012]步骤5：结合步骤1的数据集中的电流信息和步骤3的神经网络模型输出的电池荷6[0013]优选地，步骤1中是利用公开数据或通过充放电设备获取电池充放电数据及对应R120为电池端电压；7[0056]步骤52、结合BP神经网络估计的SOC结果和公式(16)，得到状态空间方程的递推8k为k时刻的电流；[0066]神经网络模型构建模块，用于构建以开路电压和充放电数据健康状态作为输入、[0069]本发明所提出的估计方法通过电压、电流数据和电池模9员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范R120为电池端电压；[0121]步骤52、结合BP神经网络估计的SOC结果和公式(16)，得到状态空间方程的递推k为k时刻的电流；(DFDPSP1265132-10Ah)，对其进行脉冲特性测试以及不同健康状态下的城市道路工况θ3为aR0数进行在线估计，从而得到开路电压估计值。其中递推最小二乘法中的遗忘因子设置为隐含层和输出层三层结构，其结构参见图3。BP神经网络模型的隐含层神经元个数设置为的范围内MaxAE均不超过1.5且RMSE在0.5％左右，而作为对比的已经超过6而本发明提出的SOC估计方法依然能够保证最大绝对误差不超过1.5且可提出SOC估计方法的估计精度在不同电池健康状态下都能得到

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论