公开(公告)号：CN111220912B

公开(公告)日：2022-03-29

申请号：CN202010060435.0

申请日：2020-01-19

申请人： 重庆大学

发明人： 刘凯龙 ,  谢翌 ,  冯飞 ,  孟锦豪 ,  彭琦奥

IPC分类号： G01R31/367 ,  G01R31/392 ,  G01R31/387

摘要： 本发明涉及一种基于移植神经网络的电池容量衰减轨迹预测方法，属于电池管理技术领域。该方法包括：S1选定待测试的动力电池，制定两种不同工况的循环条件，针对这两种不同工况的循环条件分别进行电池老化实验，采集电池测试数据；S2根据所采集的电池测试数据，计算电池在对应工况下的容量衰减，生成基准模型训练数据库和移植神经网络训练数据库；S3选取基模型种类，用基准模型训练数据库中的全部数据辨识基模型的参数；S4根据所收集的移植神经网络训练数据库进行移植神经网络训练，建立移植神经网络模型；S5基于移植神经网络模型对衰减较慢的电池未来容量轨迹进行预测。本发明具有代价小、复杂度低和移植性好等优点。

公开(公告)号：CN111220912A

公开(公告)日：2020-06-02

申请号：CN202010060435.0

申请日：2020-01-19

申请人： 重庆大学

发明人： 刘凯龙 ,  谢翌 ,  冯飞 ,  孟锦豪 ,  彭琦奥

IPC分类号： G01R31/367 ,  G01R31/392 ,  G01R31/387

摘要： 本发明涉及一种基于移植神经网络的电池容量衰减轨迹预测方法，属于电池管理技术领域。该方法包括：S1选定待测试的动力电池，制定两种不同工况的循环条件，针对这两种不同工况的循环条件分别进行电池老化实验，采集电池测试数据；S2根据所采集的电池测试数据，计算电池在对应工况下的容量衰减，生成基准模型训练数据库和移植神经网络训练数据库；S3选取基模型种类，用基准模型训练数据库中的全部数据辨识基模型的参数；S4根据所收集的移植神经网络训练数据库进行移植神经网络训练，建立移植神经网络模型；S5基于移植神经网络模型对衰减较慢的电池未来容量轨迹进行预测。本发明具有代价小、复杂度低和移植性好等优点。