本发明公开了电池状态预测模型的训练方法、电池状态预测方法及装置、电子设备、存储介质。方法包括:获取
电化学模型,电化学模型由电池的测量运行数据和属性数据构建得到;基于电化学模型进行充放电仿真,得到不同仿真条件下电池的仿真运行数据;将仿真运行数据和测量运行数据作为训练样本,输入神经网络,根据神经网络的输出结果调节神经网络的网络参数以及电化学模型的模型参数,并将符合迭代停止条件的神经网络确定为电池状态预测模型。本发明中,借助电化学模型扩充、丰富神经网络的训练样本,并基于神经网络的输出结果优化电化学模型,以使电化学模型为神经网络提供更加准确的训练样本,提高模型训练的精确度。
声明:
“电池状态预测模型的训练方法、电池状态预测方法及装置” 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)