本发明提供的基于大数据和bp神经网络的锂离子电池SOC预测方法,采集电池外部特征参数建立电池SOC大数据的数据集;建立训练集和测试集;构建多重bp神经网络预测模型;将数据集分别放入不同参数的bp神经网络预测模型中,得到测量精度;根据不同参数的bp神经网络预测模型所得到的测量精度进行分析,得到预测结果。本发明提供的基于大数据和bp神经网络的锂离子电池SOC预测方法,通过SOC预测的大数据集,便于对数据进行有效的挖掘,保证预测精度;通过分布bp神经网络预测模型对电池外部参数对电池进行SOC精确预测,具有较高的精度,尤其在大数据下,电池外部参数不断变化,该方法依然能准确的预测电池SOC的值,具有很高的使用性,可在实际中得到广泛应用。
声明:
“基于大数据和bp神经网络的锂离子电池SOC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)