【技术实现步骤摘要】
本申请属于锂电池，具体涉及一种基于降维的智能优化神经网络锂电池soh预测方法。
技术介绍
1、随着科技的进步和生活水平的提升，对不可再生资源如煤、石油、天然气的过度开采已经引起了严重的能源与环境问题。因此，节能减排和绿色环保的理念已经被广泛接受。近年来，电动汽车作为一种清洁、高效的交通工具，受到了广泛关注并逐渐替代了传统的燃油车。锂离子电池是一种高能量密度电池，其能量密度相较传统镍氢电池和铅酸电池高出数倍，且因其具有轻量化、无记忆效应，环保等优点而被广泛应用于移动电子设备和电动汽车领域。然而，锂离子电池的安全隐患问题也随之而来。准确估计锂离子电池的荷电状态和健康状态(state ofhealthy，soh)能够确保电动汽车的安全高效运行，并及时调整电池状态。
2、在全球范围内，对电动汽车动力电池soh的研究主要分为三类：基于模型的方法、数据驱动法和融合估计法。模型法主要包括等效电路模型和电化学模型等，但等效电路在很大程度上依赖于模型特征参数的选取和模型解的精度，其准确性和抗干扰能力有待提高。数据驱动法需要大量的数据和计算资源...
【技术保护点】
1.一种基于降维的智能优化神经网络锂电池SOH预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述基于锂离子电池进行间歇恒流放电的实验数据，对所述实验数据进行降维预处理，获取电池特征样本的方法，包括：
3.根据权利要求2所述的方法，其特征在于，所述参数数据包括电池端电压、输出电流、电池温度以及循环时间。
4.根据权利要求1所述的方法，其特征在于，所述基于星鸦优化算法，对所述BP神经网络模型的参数进行优化，获取NOA-BP神经网络预测模型的方法，包括：
5.根据权利要求1所述的方法，其特征在...
【技术特征摘要】
1.一种基于降维的智能优化神经网络锂电池soh预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述基于锂离子电池进行间歇恒流放电的实验数据，对所述实验数据进行降维预处理，获取电池特征样本的方法，包括：
3.根据权利要求2所述的方法，其特征在于，所述参数数据包括电池端电压、输出电...
【专利技术属性】
技术研发人员：李俊红，薛涵文，安振生，华亮，丁杰，赵高麒，杨筱涵，
申请(专利权)人：南通大学，
类型：发明
国别省市：
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。