一种基于ELM模型和电池阻抗谱数据预测电池剩余容量方法技术

本发明专利技术公开一种基于ELM模型和电池阻抗谱数据预测电池剩余容量方法，包括如下几个步骤：步骤1.测试并采集电池电化学阻抗谱数据：用专业的阻抗谱测试仪器，并且覆盖一定的温度和频率范围；步骤2.构建ELM模型：在电池阻抗谱数据采集完毕之后，构建ELM模型；步骤3.训练ELM模型：ELM模型构建完毕之后，基于之前采集的电池电化学阻抗谱和电池剩余容量的数据进行训练；步骤4.验证ELM模型效果：将数据集按照8:2的比例分成训练集合和测试集合，在训练集合上进行模型训练，在测试集合上验证模型效果，检验模型的泛化能力。本发明专利技术将ELM模型引入电化学电池阻抗研究领域，能够直接利用电池阻抗谱数据预测电池剩余容量，模型具有速度快、精度高等优点。精度高等优点。精度高等优点。

【技术实现步骤摘要】
一种基于ELM模型和电池阻抗谱数据预测电池剩余容量方法


[0001]本专利技术涉及电池电化学
，尤其是一种基于ELM模型和电池阻抗谱数据预测电池剩余容量方法。

技术介绍

[0002] 现如今，新能源行业欣欣向荣，在电动汽车和储能等领域，锂离子电池得到了越来越广泛的使用，锂离子电池的剩余容量（State Of Capacity，SOC）是最有价值的指标之一，比如电动汽车车主可以依据剩余容量来决定何时去充电。电池剩余容量的预测一直是一个难题，传统的预测方法存在精度不高或者存在侵入式损害等问题。
[0003] 电池电化学阻抗谱（Electrochemical Impedance Spectroscopy，EIS）是电池的一种非侵入性的信息丰富的特征，它与电池的其他属性特征，如剩余容量、剩余寿命和健康度等，存在一些内在的联系，因此成为电化学领域的研究热点。
[0004] 极限学习机（Extreme Learning Machine, ELM）模型是一种基于单隐层前馈神经网络的机器学习算法，它构建了输入值和输出值之间复杂的非线性关系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ELM模型和电池阻抗谱数据预测电池剩余容量方法，其特征在于，包括如下几个步骤：步骤1.测试并采集电池电化学阻抗谱数据：用专业的阻抗谱测试仪器，并且覆盖一定的温度和频率范围；步骤2.构建ELM模型：在电池阻抗谱数据采集完毕之后，构建ELM模型；所述ELM模型包括输入层、隐藏层和输出层；所述输入层就是输入电池的电化学阻抗数据，特征维度是频率从高到低对应的阻抗的实部和虚部数据；所述隐藏层是1层全连接层，隐藏层的每个节点与输入层的每个节点进行连接，对输入值进行加权求和计算，然后通过激活函数得到隐藏节点的输出值，激活函数为Sigmoid函数；所述输出层是一个线性回归层...

【专利技术属性】
技术研发人员：胡志超，潘多昭，常伟，夏紫阳，
申请(专利权)人：上海乐驾智慧能源科技有限公司，
类型：发明
国别省市：