本发明提供的基于大数据和bp神经网络的
锂离子电池SOC预测方法，采集电池外部特征参数建立电池SOC大数据的数据集；建立训练集和测试集；构建多重bp神经网络预测模型；将数据集分别放入不同参数的bp神经网络预测模型中，得到测量精度；根据不同参数的bp神经网络预测模型所得到的测量精度进行分析，得到预测结果。本发明提供的基于大数据和bp神经网络的锂离子电池SOC预测方法，通过SOC预测的大数据集，便于对数据进行有效的挖掘，保证预测精度；通过分布bp神经网络预测模型对电池外部参数对电池进行SOC精确预测，具有较高的精度，尤其在大数据下，电池外部参数不断变化，该方法依然能准确的预测电池SOC的值，具有很高的使用性，可在实际中得到广泛应用。
声明：
“基于大数据和bp神经网络的锂离子电池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)
1083
编辑：管理员
来源：北方有色网
咨询细节
