申请/专利权人：华南理工大学

申请日：2020-05-19

公开（公告）日：2020-07-17

公开（公告）号：CN111426957A

主分类号：G01R31/367(20190101)

分类号：G01R31/367(20190101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.06.11#授权;2020.08.11#实质审查的生效;2020.07.17#公开

摘要：本发明公开了一种模拟模拟车辆工况动力电池荷电状态SOC估算优化方法，该方法通过控制动力电池在不同初始工况环境温度下进行恒功率和变化功率模式充放电模拟、利用插值调整采样数据、对数据集进行分组、对训练集进行训练、通过测试集对网络结构进行优化提高精度、稳定性；本发明提高了应对不同温度环境和充放电切换工况的估算稳定性。

主权项：1.一种模拟车辆工况动力电池荷电状态SOC估算优化方法，其特征在于，所述方法包括以下步骤：A控制温度控制箱对动力电池模组的运行温度，使动力电池模组运行在恒功率充放电、动态变化的模拟工况切换条件下，使用充放电设备对动力电池模组充放电电流、电压、模组的平均温度进行采集；B利用邻域插值的方式对动力电池模拟工况下采集的数据通过频率进行调整，获取相同频率下的数据，对数据按照不同的工况初始温度和充放电功率模式进行分组，将数据分成训练集、测试集；C将训练集数据输入LSTM神经网络中进行训练，计算前向传播预测获得SOC值，并通过SOC值与预测值求得损失值，通过损失值和Adam优化权值方法优化神经网络内部权值，训练1000个Epoch；LSTM神经网络层；D通过测试集数据优化LSTM神经网络的滑动窗口，滑动窗口大小通过numstep参数设计，构建模型在不同滑模窗口大小范围内的各个优化参数指标，并在不同激活函数模式下，寻优LSTM隐藏神经元个数及滑模窗口大小范围；E对测试集输入数据加入模拟工况噪声，将输入数据输入到优化训练结束的LSTM神经网络中，在不同动力电池工况测量下，噪声和工况环境的关系，优化设计滑膜窗口大小及LSTM隐藏节点个数，提高动力电池动态工况下的估算稳定性。

全文数据：

权利要求：

百度查询： 华南理工大学 一种模拟车辆工况动力电池荷电状态SOC估算优化方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD