本发明公开了一种基于隐马尔可夫模型的
锂电池健康状态预测方法及装置,涉及锂电池状态预测领域,通过获取锂电池的电压、充放电时间、每次循环的最大容量和温度,得到电池容量增量曲线、平均温度时间曲线和最大容量变化曲线,并将每个曲线的极值点、斜率、均值作为特征数据;计算特征数据与SOH实际值之间的相关性系数,基于相关性系数选择最佳特征组合;建立并训练容量估计模型,容量估计模型采用隐马尔可夫模型,将最佳特征组合的特征差值输入经训练的容量估计模型,得到下一次循环的容量差值,根据当前容量值与容量差值得到容量估计值,根据容量估计值和SOH定义计算得到SOH估计值,解决现有锂电池状态预测计算量大等问题。
声明:
“基于隐马尔可夫模型的锂电池健康状态预测方法及装置” 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)