[发明专利]基于大数据自学习机制的动力电池的SOC/SOH预测方法有效
| 申请号： | 201510532492.3 | 申请日： | 2015-08-27 |
| 公开（公告）号： | CN105137358B | 公开（公告）日： | 2018-06-26 |
| 发明（设计）人： | 刘江川;熊险峰;韩竞科 | 申请（专利权）人： | 张家港莫特普数据科技有限公司 |
| 主分类号： | G01R31/36 | 分类号： | G01R31/36 |
| 代理公司： | 常州市维益专利事务所(普通合伙) 32211 | 代理人： | 陆华君 |
| 地址： | 215624 江苏省苏州市张家港市锦丰镇*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于大数据自学习机制的动力电池的SOC/SOH预测方法，包括：S1、提供动力电池的SOC/SOH的预测模型；S2、基于上一电池组的充放电循环后所得到的修正后模型，在当前电池组的充放电循环开始后测得的到目前为止的V、I、T、σ的测量值，从预测模型中预测当前的SOC～/SOH～；S3、完成一个完整的充放电循环后，基于预测的SOC～/SOH～和实际测出的SOC/SOH对上一循环后的预测模型进行修正；S4、在下一电池组充放电循环中采用修正后的预测模型进行SOC/SOH的预测。本发明能够对动力电池实时运行和健康状况进行监测，且检测过程是一个自动过程，无需人工干预。同时本发明可对突发事件，如锂电池燃烧等进行实时警报处理，提高了动力电池的安全性能。 | ||
| 搜索关键词： | 动力电池 预测模型 充放电循环 预测 电池组 大数据 自学习 修正 电池组充放电 安全性能 健康状况 人工干预 实时警报 实时运行 突发事件 自动过程 锂电池 测量 燃烧 监测 检测 | ||
【主权项】：
1.一种基于大数据自学习机制的动力电池的SOC/SOH预测方法，其特征在于，所述方法包括：S1、提供动力电池的SOC/SOH的预测模型；S2、基于上一电池组的充放电循环后所得到的修正后模型，在当前电池组的充放电循环开始后测得的到目前为止的V、I、T、σ的测量值，从预测模型中预测当前的SOC～/SOH～；S3、完成一个完整的充放电循环后，基于预测的SOC～/SOH～和实际测出的SOC/SOH对上一循环后的预测模型进行修正；S4、在下一电池组充放电循环中采用修正后的预测模型进行SOC/SOH的预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于张家港莫特普数据科技有限公司，未经张家港莫特普数据科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510532492.3/，转载请声明来源钻瓜专利网。
- 上一篇：动力电池校正系统
- 下一篇：具有指定功率输出功能的仪器校验系统及仪器校验方法
