基于深度置信网络和卡尔曼滤波融合的锂离子电池荷电状态估计方法,涉及电池管理技术领域。本发明是为了解决传统方法存在的问题。本发明从电池实际运行中可直接测量的电流、电压以及温度参数出发,构建锂离子电池SOC估计模型。采用深度学习中的深度置信网络对锂离子电池SOC进行估计,将深度置信网络与卡尔曼滤波方法进行融合,得到融合以后的锂离子电池SOC估计模型。与现有技术相比较而言,基于数据驱动方法的SOC估计方法可以根据电池实际工作得到的历史数据进行特征提取,再结合滤波的方法检查系统误差,从而得到相对精确的SOC估计值。
声明:
“基于深度置信网络和卡尔曼滤波融合的锂离子电池荷电状态估计方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)