[发明专利]一种预测动力电池放电时表面最高温度的方法在审
| 申请号： | 201910570012.0 | 申请日： | 2019-06-27 |
| 公开（公告）号： | CN110244225A | 公开（公告）日： | 2019-09-17 |
| 发明（设计）人： | 夏必忠;孙天飞;刘一凡;廖妍;赖勇智;朱静 | 申请（专利权）人： | 清华大学深圳研究生院;欣旺达电子股份有限公司 |
| 主分类号： | G01R31/367 | 分类号： | G01R31/367;G06N3/04;G06N3/08 |
| 代理公司： | 深圳新创友知识产权代理有限公司 44223 | 代理人： | 江耀纯 |
| 地址： | 518055 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种预测动力电池放电时表面最高温度的方法，包括如下步骤：S1：采集动力电池的放电数据，所述放电数据包括不同放电条件下每个时间点的表面最高温度；S2：通过所述动力电池的放电数据建立一个基于模拟退火算法优化的小波神经网络预测模型；S3：通过所述基于模拟退火算法优化的小波神经网络预测模型预测所述动力电池放电时的表面最高温度。通过建立一个基于模拟退火算法优化的小波神经网络预测模型，实现对电池放电时表面最高温度的预测。本发明有望为更为高效的电池管理系统的设计与研发提供一个新的思路，提高电动汽车的热安全性。 | ||
| 搜索关键词： | 动力电池 模拟退火算法 小波神经网络 放电数据 预测模型 放电 预测 优化 电池管理系统 电池放电 电动汽车 放电条件 热安全性 时间点 研发 采集 | ||
【主权项】：
1.一种预测动力电池放电时表面最高温度的方法，其特征在于，包括如下步骤：S1：采集动力电池的放电数据，所述放电数据包括不同放电条件下每个时间点的表面最高温度；S2：通过所述动力电池的放电数据建立一个基于模拟退火算法优化的小波神经网络预测模型；S3：通过所述基于模拟退火算法优化的小波神经网络预测模型预测所述动力电池放电时的表面最高温度。
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清华大学深圳研究生院;欣旺达电子股份有限公司，未经清华大学深圳研究生院;欣旺达电子股份有限公司许可，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/201910570012.0/，转载请声明来源钻瓜专利网。
