一种基于BP神经网络的电池SOC预测方法
公开
摘要
本发明适用于电池测试技术领域，本发明提供了基于BP神经网络的电池SOC预测方法，其用于铅酸蓄电池的电荷状态的快速预测。所述预测方法采用的是常规的单隐层BP神经网络模型；实验对象是同种类同型号不同新旧程度的铅酸蓄电池，使用电池测试系统对这些电池采用复合周期脉冲进行循环放电直至截止电压，得到这些电池的放电电压变化数据和放电电量变化数据，然后对电池的电压放电数据绘制成曲线划分为若干个周期，对每个周期的曲线用数学插值函数进行拟合，拟合的函数的参数即为模型特征。本发明提供的预测方法相比于电池标准核容方法，拥有简便、快速的优点，并且考虑了电池的老化情况，具有更好的适用性。
基本信息
专利标题 ：
一种基于BP神经网络的电池SOC预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114594380A
申请号 ：
CN202210201570.1
公开（公告）日 ：
2022-06-07
申请日 ：
2022-03-03
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
蔡明扬赵春萌李强
申请人 ：
宝星智能科技（上海）有限公司
申请人地址 ：
上海市奉贤区奉浦大道2333号2幢3层A区
代理机构 ：
南京普睿益思知识产权代理事务所(普通合伙)
代理人 ：
张丽丽
优先权 ：
CN202210201570.1
主分类号 ：
G01R31/367
IPC分类号 ：
G01R31/367 G01R31/388 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G01
测量；测试
G01R
测量电变量；测量磁变量
G01R31/367
••其软件，例如 使用建模或查找表进行电池测试
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
