申请/专利权人:中南大学
申请日:2023-06-12
公开(公告)日:2024-04-26
公开(公告)号:CN117930008A
主分类号:G01R31/367
分类号:G01R31/367;G01R31/3842;G06F18/214;G06F18/24;G06N3/0499;G06N3/006;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本申请提出了一种电池荷电状态预测方法,包括:获取待测电池的当前运行参数,运行参数包括端电压、端放电电流和端电压变化率;将当前运行参数输入预先训练的基于广义回归神经网络的电池荷电状态预测模型,获得电池荷电状态预测模型所输出的待测电池的荷电状态;其中,广义回归神经网络的平滑因子是通过改进的自适应粒子群算法优化获取的,改进的自适应粒子群算法通过将平滑因子作为粒子,基于预设打分函数与预设聚集度函数对粒子群个体误差和收敛程度进行量化处理,以控制粒子的速度权重。如此,能够实现实时预测电池的荷电状态,且预测精度高。
主权项:1.一种电池荷电状态预测方法,其特征在于,所述方法包括:步骤S1、获取待测电池的当前运行参数,运行参数包括端电压、端放电电流和端电压变化率;步骤S2、将当前运行参数输入预先训练的基于广义回归神经网络的电池荷电状态预测模型,获得电池荷电状态预测模型所输出的待测电池的荷电状态;其中,广义回归神经网络的平滑因子是通过改进的自适应粒子群算法优化获取的,改进的自适应粒子群算法通过将平滑因子作为粒子,基于预设打分函数与预设聚集度函数对粒子群个体误差和收敛程度进行量化处理,以控制粒子的速度权重。
全文数据:
权利要求:
百度查询: 中南大学 电池荷电状态预测方法、电子设备及计算机可读存储介质
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。