一种基于SVR的电池健康状态预测方法、系统及设备技术方案

本发明专利技术公开一种基于SVR的电池健康状态预测方法、系统及设备，涉及电池技术领域，方法包括：基于目标预测指令，在线获取动态可重构电池中目标电池模组的满充电压值及充放电循环次数；基于预设OCV算法，根据满充电压值计算对应的开路电压值，输入至电池健康状态预测模型中，以得到对应的预测SOH值；基于预设电池循环次数‑SOH对照表，根据充放电循环次数，确定查表SOH值；当查表SOH值与预测SOH值的差值处于预设误差范围内时，将预测SOH值标记为最终的电池健康状态预测值。本发明专利技术能够在线且准确地预测电池健康状态。

【技术实现步骤摘要】

本专利技术涉及电池，特别是涉及一种基于svr的电池健康状态预测方法、系统及设备。

技术介绍

1、为了提高电动汽车的续航里程和安全性能，在电池管理系统(batterymanagement system，bms)中确认锂电池的健康状态(state ofhealth，soh)以及剩余寿命(remaininguseful life，rul)对于整车系统长远安全地运作至关重要。但现有技术中，都只是片面或者简短地探讨了几种机器学习可行性，并没有清楚表明其机器学习中的数据来源、特征值的选取。

2、虽然也有人员采用支持向量回归(supportvector regression，svr)的方法进行电池健康状态的预测，如：weng等人利用svr的模型，通过ic峰值来预测容量的衰落；zhao利用两个在线可测参数来估计电池容量的衰落过程：一个是等充电电压差的时间间隔，另一个是等放电电压差的时间间隔；利用这两个参数作为输入，历史容量数据作为输出，离线训练svr模型；widdo等人使用样本熵作为输入特征来训练svm和rvm模型。但所采用的大多数方法都是在离线情况下训练，不本文档来自技高网...

【技术保护点】

1.一种基于SVR的电池健康状态预测方法，其特征在于，方法包括：

2.根据权利要求1所述的基于SVR的电池健康状态预测方法，其特征在于，方法还包括：

3.根据权利要求1或2所述的基于SVR的电池健康状态预测方法，其特征在于，方法还包括：

4.根据权利要求1所述的基于SVR的电池健康状态预测方法，其特征在于，所述OCV-SOH对照样本表的构建过程，具体包括：

5.一种基于SVR的电池健康状态预测系统，其特征在于，系统包括：

6.根据权利要求5所述的基于SVR的电池健康状态预测系统，其特征在于，系统还包括：>

7.一种电子...

【技术特征摘要】

1.一种基于svr的电池健康状态预测方法，其特征在于，方法包括：

2.根据权利要求1所述的基于svr的电池健康状态预测方法，其特征在于，方法还包括：

3.根据权利要求1或2所述的基于svr的电池健康状态预测方法，其特征在于，方法还包括：

4.根据权利要求1所述的基于svr的电池健康状态预测方法，其特征在于，所述ocv-soh对照样本表的构建...

【专利技术属性】
技术研发人员：柏绪恒，杨峰，高红，李学峰，李超凡，王运方，葛晓辉，
申请(专利权)人：云储新能源科技有限公司，
类型：发明
国别省市：