本发明公开了一种基于多电池数据融合的
锂电池SOH长期预测方法。收集同种锂电池充放电过程中的数据,预处理并构造多电池数据融合的输入矩阵,将输入矩阵送入多输入多输出长短期记忆网络模型进行训练;将被预测电池的数据实时预处理,后送入多输入多输出长短期记忆网络模型进行预测;收集预测后的历史预测结果和充放电过程中的历史真实数据,训练NARNN模型;将当前时刻的预测结果作为NARNN模型输入,输出得未来若干次充放电间的健康状态参数SOH。本发明克服了传统电池SOH预测算法仅针对被预测电池建模、泛化性较弱、长期预测精度低的劣势;大大增加了训练样本,优化了模型组合,从而提高了模型预测的精确度,提高了SOH长期预测的精准度。
声明:
“基于多电池数据融合的锂电池SOH长期预测方法” 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)