本发明公开了一种
锂电池SOC预测方法，其包括：以训练数据作为数据输入，分别训练每一单一神经网络模型；分别通过每一收敛后的单一神经网络模型对实验数据的SOC值进行预测，得到每一收敛后的单一神经网络模型对应不同时刻的预测SOC值；计算每一收敛后的单一神经网络模型对应时刻的权重因子；训练CNN神经网络模型；通过收敛后的CNN神经网络模型输出任意时刻下的每一收敛后的单一神经网络模型对应不同时刻的预测SOC值和权重因子，以计算锂电池SOC预测值；本发明基于多个时刻数据进行卷积神经网络运算，更好地学习模型深层特征，且采样非线性的自适应权重，提高模型灵活性与泛化能力,具有更高的电池SOC预测精度。
声明：
“锂电池SOC预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
645
编辑：管理员
来源：北方有色网
咨询细节
