【技术实现步骤摘要】
本专利技术涉及一种基于hammerstein模型的锂电池系统荷电状态估计方法。
技术介绍
1、荷电状态(soc)精确估计是当前锂离子电池研究领域的主要方向之一，soc反映电池的剩余电量情况，其准确估计对延长电池使用寿命、提高能量利用率具有极为重要的意义。然而，锂离子电池的soc值无法直接用传感器进行测量，为此，需要对锂离子电池soc值进行准确的估计，以保证电池管理系统的可靠运行。锂离子电池是一个动态、时变的电化学系统，拥有非线性行为和复杂内部反应机理，给系统建模带来困难。锂离子电池的内部状态无法通过传感器直接测量，且极易受到环境温度和噪声的影响，这给准确的soc估计带来了困难。常用的soc估计方法包括开路电压法、等效电路模型法以及数据驱动法。开路电压法要在电池经过长时间静置的条件下进行，无法直接实现工程应用。高精度的等效电路模型虽然可以获得具有更高精度的soc估计值，但随着等效电路模型精度的增加，模型的复杂度也随之增加，从而导致soc估计值的计算难度增加。此外，在使用过程中影响电池状态的因素太多，模型也很难完全表达出来。数据驱动方法摆脱...
【技术保护点】
1.基于Hammerstein模型的锂电池系统荷电状态估计方法，其特征在于：包括以下步骤：
2.如权利要求1所述的基于Hammerstein模型的锂电池系统荷电状态估计方法，其特征在于：S1具体包括以下步骤：
3.如权利要求1所述的基于Hammerstein模型的锂电池系统荷电状态估计方法，其特征在于：所述Hammerstein模型为：
4.如权利要求1所述的基于Hammerstein模型的锂电池系统荷电状态估计方法，其特征在于：所述自适应神经模糊网络包括五层，每一层表示为：
5.如权利要求1所述的基于Hammerste...
【技术特征摘要】
1.基于hammerstein模型的锂电池系统荷电状态估计方法，其特征在于：包括以下步骤：
2.如权利要求1所述的基于hammerstein模型的锂电池系统荷电状态估计方法，其特征在于：s1具体包括以下步骤：
3.如权利要求1所述的基于hammerstein模型的锂电池系统荷电状态估计方法，其特征在于：所述hammerstein模型为：
4.如权利要求1所述的基于hammerstein模型的锂电池系统荷电状态估计方法，其特征在于：所述自适应神经模糊网络包括五层，每一层表示为：
5.如权利...
【专利技术属性】
技术研发人员：李峰，朱焱宗，常佳龙，王田虎，俞洋，薛波，
申请(专利权)人：江苏理工学院，
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。