【技术实现步骤摘要】
本专利技术属于锂离子电池的仿真，具体针对锂离子电池模型参数与状态量函数关系的估计，尤其涉及一种超网络与机理补偿双驱动的锂电池模型智能参数估计方法。
技术介绍
1、锂离子电池具有低成本、环境友好以及能量密度高的显著优势，在储能
中的应用日益广泛。然而，随着储能电站规模的扩大，锂离子电池堆安全性的挑战及型号多样性所带来的技术复杂性成为了后续技术开发的制约因素。因此，有必要搭建高精度、高灵活性的电池堆虚拟仿真平台，通过仿真模拟电池堆中电池的行为。
2、为确保电池模型在实际应用中的有效性，关键是获取可靠的模型参数值。这些参数需要保证模型能够映射出真实电池系统的电化学行为和输出特性。虽然实验手段是获取电池模型参数的传统方法，但它们通常存在破坏性强、耗时长以及资源消耗大等问题，难以对储能电池堆中大规模、多型号的电池进行建模。因此，相较于实验法，参数估计方法是获取电池模型参数更合理的途径。
3、在对电池模型进行参数估计的传统方法中，确定电池模型参数与状态量之间的函数关系通常依赖于人工分段处理，这种方法容易受到主观因素的影...
【技术保护点】
1.一种超网络与机理补偿双驱动的锂电池模型智能参数估计方法，其特征在于，根据电池模型确定待估计参数；所述方法包括以下步骤：
2.根据权利要求1所述的超网络与机理补偿双驱动的锂电池模型智能参数估计方法，其特征在于，所述电池模型为二阶等效电路模型，由1个欧姆极化电阻、2个RC回路与1个理想电压源串联组成，每个RC回路由一组电阻和电容并联而成，其离散化方程为：
3.根据权利要求1所述的超网络与机理补偿双驱动的锂电池模型智能参数估计方法，其特征在于，所述计算荷电状态信息序列，具体包括：
4.根据权利要求1所述的超网络与机理补偿双驱动的锂电池...
【技术特征摘要】
1.一种超网络与机理补偿双驱动的锂电池模型智能参数估计方法，其特征在于，根据电池模型确定待估计参数；所述方法包括以下步骤：
2.根据权利要求1所述的超网络与机理补偿双驱动的锂电池模型智能参数估计方法，其特征在于，所述电池模型为二阶等效电路模型，由1个欧姆极化电阻、2个rc回路与1个理想电压源串联组成，每个rc回路由一组电阻和电容并联而成，其离散化方程为：
3.根据权利要求1所述的超网络与机理补偿双驱动的锂电池模型智能参数估计方法，其特征在于，所述计算荷电状态信息序列，具体包括：
4.根据权利要求1所述的超网络与机理补偿双驱动的锂电池模型智能参数估计方法，其特征在于，所述复合动态特征增强模块的构建具体包括：
5.根据权利要求1所述的超网络与机理补偿双驱动的锂电池模型智能参数估计方法，其特征在于，所述模型方程网络化模块的构建具体包括：
6.根据权利要求1所述的超网络与机理补偿双驱动的锂电池模型智能参数估计方法，其特征在于，所述超网络参数映射模块的构建具体包括：
7.根据权利要求1所述的超网络与机...
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。