本发明公开了一种基于大数据自学习机制的
动力电池的SOC/SOH预测方法,包括:S1、提供动力电池的SOC/SOH的预测模型;S2、基于上一电池组的充放电循环后所得到的修正后模型,在当前电池组的充放电循环开始后测得的到目前为止的V、I、T、σ的测量值,从预测模型中预测当前的SOC~/SOH~;S3、完成一个完整的充放电循环后,基于预测的SOC~/SOH~和实际测出的SOC/SOH对上一循环后的预测模型进行修正;S4、在下一电池组充放电循环中采用修正后的预测模型进行SOC/SOH的预测。本发明能够对动力电池实时运行和健康状况进行监测,且检测过程是一个自动过程,无需人工干预。同时本发明可对突发事件,如
锂电池燃烧等进行实时警报处理,提高了动力电池的安全性能。
声明:
“基于大数据自学习机制的动力电池的SOC/SOH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)