龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：合肥工业大学
申请日：2024-03-15
公开（公告）日：2024-06-25
公开（公告）号：CN118245748A
主分类号：G06F18/20
分类号：G06F18/20;G06F18/15;G06N3/0442;G06N3/0985
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种元学习和平方根无迹卡尔曼滤波器的锂电池多状况预测方法，涉及锂电池技术领域。该方法提出了一种结合平方根无迹卡尔曼滤波器和元学习方法来实现SOC和SOE的同时估计，首先，利用少量新电池数据，通过元学习方法对其他电池数据训练的模型进行微调，即可同时估计出新电池的SOC和SOE，极大减少了开发新BMS对新电池数据的需求，加快了BMS的开发进度；其次，利用平方根无迹卡尔曼滤波器进一步平滑预测结果，减小误差。该方法仅使用少量的新电池数据就能有效地实现对新电池的SOC和SOE的联合估计，具有高精度和低复杂度。
主权项：1.一种元学习和平方根无迹卡尔曼滤波器的锂电池多状况预测方法，其特征在于，包括：步骤一：将锂电池在不同温度和驱动周期下充放电循环，并对放电循环中的锂电池进行采样，将采样数据组成锂电池放电数据集，并进行归一化处理；步骤二：将归一化后的输入和输出数据集分为三组，依次为输入训练集Xtrain、输入目标集Xtarget、输入测试集Xtest、输出训练集Ytrain、输出目标集Ytarget和输出测试集Ytest；步骤三：建立以GRU神经网络模型为底层网络的元学习网络并进行训练；步骤四：将获得的输入训练集Xtrain和输出训练集Ytrain加入建立的GRU神经网络模型为底层网络的元学习神经网络，对元学习神经网络的权值进行训练，完成元学习神经网络的最终训练；步骤五：将获得的输入目标集Xtarget，输入测试集Xtest，输出目标集Ytarget和输出测试集Ytest加入训练完成的元学习神经网络中进行微调和测试，并实现对锂电池SOC和SOE的预测；步骤六：将预测结果SOCpre和SOEpre，电池电压数据V和电池电流数据I输入到无迹平方根卡尔曼滤波器中，实现对锂电池荷电状态和剩余能量状况的预测。
全文数据：
权利要求：
百度查询： 合肥工业大学 一种元学习和平方根无迹卡尔曼滤波器的锂电池多状况预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号