【技术实现步骤摘要】
预测锂电池阻抗模型的参数的方法、装置及可读存储介质
本专利技术涉及锂电池
，具体是预测锂电池阻抗模型的参数的方法、装置及可读存储介质。
技术介绍
随着社会的不断发展，我国在新能源及节能减排方面取得了快速发展，锂电池由于具有较高的能量及更具有环保性，已经开始取代传统的铅酸、镍氢和镍镉电池。锂电池应用于电动汽车时，电动汽车上需要装载的锂电池工作电压为12V或24V，但是单体锂电池的工作电压为3.7V，所以需要多个电池串联起来提高电压，然而电池很难进行完全均衡的充放电，难以保证电池的一致性，会出现充电不足及过放电的情况，直接导致电池性能的急剧恶化，极大折损电池的循环寿命和可靠性能。因此提高电池的一致性，就显得尤其重要。经过大量研究发现，锂电池的阻抗模型中的参数是评估电池动态性能一致性的根据。现有技术中，采用人工神经网络法预测锂电池阻抗模型的参数。人工神经网络从仿生学角度对人脑的神经系统进行模拟，以实现人脑所具有的感知、学习和推理等功能，将人工神经网络引入到锂电池阻抗模型参数预测中，可以实现快速预测电池阻抗模型...
【技术保护点】
1.一种预测锂电池阻抗模型的参数的方法，其特征在于，步骤如下：/nS10：建立预测目标参数的最小二乘支持向量机模型；/nS20：获取待测锂电池的电压响应值；/nS30：根据所述最小二乘支持向量机模型和所述电压响应值，得到所述待测锂电池的所述目标参数。/n
【技术特征摘要】 【专利技术属性】
1.一种预测锂电池阻抗模型的参数的方法，其特征在于，步骤如下：
S10：建立预测目标参数的最小二乘支持向量机模型；
S20：获取待测锂电池的电压响应值；
S30：根据所述最小二乘支持向量机模型和所述电压响应值，得到所述待测锂电池的所述目标参数。
2.根据权利要求1所述的预测锂电池阻抗模型的参数的方法，其特征在于，所述建立预测目标参数的最小二乘支持向量机模型的步骤包括：
获取多个样本锂电池的样本电压响应值；
获取所述多个样本锂电池阻抗模型的参考参数；
根据所述多个样本锂电池的样本电压响应值和所述参考参数建立所述最小二乘支持向量机模型。
3.根据权利要求2所述的预测锂电池阻抗模型的参数的方法，其特征在于，所述最小二乘支持向量机模型的核函数为径向基核函数。
4.根据权利要求2所述的预测锂电池阻抗模型的参数的方法，其特征在于，根据所述多个样本锂电池的样本电压响应值和所述参考参数建立所述最小二乘支持向量机模型的步骤包括：
根据所述多个样本锂电池的样本电压响应值和所述参考参数，采用遗传退火算法确定所述最小二乘支持向量机模型。
5.根据权利要求2所述的预测锂电池阻抗模型的参数的方法，其特征在于，获取所述多个样本锂电池阻抗模型的参考参数的步骤包括：
采用电化学工作站测量所述多个样本锂电池阻抗模型的参考参数。
技术研发人员：杜志勇，王鲜芳，卢亚娟，
申请(专利权)人：河南工学院，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。