本發明提供了一種基于拓展卡爾曼濾波算法和LSTM網絡對鋰離子電池荷電狀態的聯合預測方法,引入神經網絡算法通過對EKF算法的預測值和預測誤差進行補償,從而提高對荷電狀態的預測精度。本發明建立等效電路模型后,根據采集設備獲得的鋰離子電池內外參數,對數據預處理后進行加權平均,聯立卡爾曼濾波算法和長短期記憶網絡,將拓展卡爾曼濾波算法的預測值和誤差值作為神經網絡的訓練樣本,進一步提高預測精度,結果證明,本發明的荷電狀態聯合預測法能實時地跟蹤實際值,在電流波動較大時能也能較為準確的顯示電源當前狀態并得到準確的荷電狀態的預測值,在降低了噪聲對預測結果的干擾的同時降低了計算量,利于電池管理系統的集成。
聲明:
“基于EKF-LSTM的鋰電池荷電狀態聯合預測測量方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)