【技术实现步骤摘要】
本专利技术属于电池荷电状态估计，涉及一种基于多尺度物理信息神经网络的锂电池soc估计方法。
技术介绍
1、在新能源汽车的产业链中，锂电池广泛应用于电动汽车(ev)和混合动力汽车(hev)。然而，锂离子电池在实际应用中会面临诸多挑战，例如老化、内阻增加以及温度变化等问题。这些问题不仅影响电池的性能和安全性，还可能导致电池的提前失效，从而影响整体车辆的可靠性和经济性。
2、为了解决这些问题，电池管理系统(bms)作为一项关键技术，显得尤为重要。一个高效的bms能够实时监测电池的各项参数，准确估计电池的荷电状态(soc)，并确保电池在安全范围内运行。为了确保bms能够准确地监测锂电池的工作状态，设计高效、快速收敛且适应性强的锂离子电池模型显得尤为重要。目前，已经建立了多种主流的电池模型，包括电化学模型、数据驱动模型和等效电路模型(ecm)。电化学模型利用一系列复杂的偏微分方程来描述电池内部的物理和电化学过程，虽然可以提供较为精确的描述，但其计算过程复杂且耗时，难以适用于需要快速反应的实时应用。相比之下，数据驱动模型依赖于大规模的数...
【技术保护点】
1.一种基于多尺度物理信息神经网络的锂电池SOC估计方法，其特征在于，该方法具体包括以下步骤：
2.根据权利要求1所述的锂电池SOC估计方法，其特征在于，步骤S2中，对电压特征、电流特征、时间特征和边缘特征进行多尺度融合用公式表示为：
3.根据权利要求1所述的锂电池SOC估计方法，其特征在于，步骤S3中，SSM的结构为：结构化状态空间序列模型的输入序列通过隐含的潜在状态映射到上标b、L、D和N分别表示批量大小、输入长度、特征数和隐藏通道数，描述的离散状态方程写成：
4.根据权利要求3所述的锂电池SOC估计方法，其特征在于，步骤S3中...
【技术特征摘要】
1.一种基于多尺度物理信息神经网络的锂电池soc估计方法，其特征在于，该方法具体包括以下步骤：
2.根据权利要求1所述的锂电池soc估计方法，其特征在于，步骤s2中，对电压特征、电流特征、时间特征和边缘特征进行多尺度融合用公式表示为：
3.根据权利要求1所述的锂电池soc估计方法，其特征在于，步骤s3中，ssm的结构为：结构化状态空间序列模型的输入序列通过隐含的潜在状态映射到上标b、l、d和n分别表示批量大小、输入长度、特征数和隐藏通道数，描述的离散状态方程写...
【专利技术属性】
技术研发人员：李鹏华，敖哲晟，侯杰，项盛，胡晓松，向飞，周晶晶，
申请(专利权)人：重庆邮电大学，
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。