本发明公开了一种基于神经网络的
磷酸铁锂电池荷电状态监测预警方法,利用训练数据集对T‑S模糊神经网络模型进行训练,得到训练后的T‑S模糊神经网络模型;训练后的T‑S模糊神经网络模型输入T时刻实际电池电压、电池电流、电池温度数据,输出估算的电池SOC;当电池SOC下降率高于设定值时,发出电量下降过快,电池异常的预警信号;当电池SOC低于10%时,发出电池低电量的预警信号。本发明提供的一种基于神经网络的磷酸铁
锂电池荷电状态监测预警方法,能够有效提高SOC估计精度,并对电池荷电状态的监测预警,提高电池可靠性和安全性。
声明:
“基于神经网络的磷酸铁锂电池荷电状态监测预警方法” 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)