本发明适用于锂离子电池技术领域,提供了一种基于机器学习模型的
动力电池组荷电状态估计方法,方法包括:根据测试得到的动力单体电池温度、电流、荷电状态为输入,以端电压为输出,利用长短期记忆神经网络算法训练电池模型;采用平方根容积卡尔曼滤波算法,实时计算得到所述动力电池组中电压最大单体电池和电压最小单体电池的荷电状态;利用滚动学习方法重新训练电池模型;根据已获取的动力电池组中电压最大单体电池和电压最小单体电池的荷电状态,利用权重方法计算电池组荷电状态。本发明能够在环境温度变化和电池老化之后对动力电池组的荷电状态进行精确估计,提高了动力电池组荷电状态估计的效率和准确率,抗干扰能力强。
声明:
“基于机器学习模型的动力电池组荷电状态估计方法” 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)