本发明公开了一种具有自适应权重的混合模型SOC估计方法,其包括如下步骤:S1、获取
锂电池在不同工作温度下的不同时刻的充放电数据;S2、基于MATLAB神经网络工具箱搭建混合神经网络模型,所述神经网络层组包括多个不同类型的神经网络层;S3、以训练数据作为数据输入,训练所述混合神经网络模型,直至所述混合神经网络模型收敛;S4、以锂电池的实时充放电数据作为收敛后的混合神经网络模型的数据输入,在线计算锂电池的SOC实时值;本发明融合了多个不同类型的神经网络层,一方面,多个不同类型的神经网络层的加权有效降低混合模型方差,降低对数据的敏感性,缓解过拟合现象,另一方面,相比传统只采用单一的神经网络模型,能够获得更高的电池SOC预测精度。
声明:
“具有自适应权重的混合模型SOC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)