[发明专利]一种基于神经网络和UKF的锂电池组SOC预测方法在审
| 申请号： | 201610407219.2 | 申请日： | 2016-06-12 |
| 公开（公告）号： | CN105974327A | 公开（公告）日： | 2016-09-28 |
| 发明（设计）人： | 吕洲;何波;高福荣;姚科 | 申请（专利权）人： | 广州市香港科大霍英东研究院 |
| 主分类号： | G01R31/36 | 分类号： | G01R31/36 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 胡辉;郑泽萍 |
| 地址： | 511458 广东省广州市南*** | 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： | 本发明公开了一种基于神经网络和UKF的锂电池组SOC预测方法，包括：S1、采集电动汽车锂电池组的历史充放电数据以及对应的SOC数据；S2、建立BP神经网络；S3、对电动汽车锂电池组的历史充放电数据以及对应的SOC数据进行归一化处理；S4、对建立的BP神经网络进行训练；S5、获取预设时间内的电动汽车锂电池组的充放电数据作为BP神经网络的输入，采用训练后的BP神经网络对锂电池组的SOC数据进行预测；S6、采用UKF滤波算法对BP神经网络预测获得的SOC数据进行滤波处理后获得最后的预测结果。本发明可以准确地获得SOC的在线预测值，而且预测精度高、误差小，预测成本低，可广泛应用于电动汽车的控制行业中。 | ||
| 搜索关键词： | 一种 基于 神经网络 ukf 锂电池 soc 预测 方法 | ||
【主权项】：
一种基于神经网络和UKF的锂电池组SOC预测方法，其特征在于，包括步骤：S1、采集电动汽车锂电池组的历史充放电数据以及对应的SOC数据；S2、确定神经网络的输入和输出数据，并确定最优的隐含层节点数，从而建立BP神经网络；S3、对电动汽车锂电池组的历史充放电数据以及对应的SOC数据进行归一化处理；S4、根据归一化处理后的数据对建立的BP神经网络进行训练；S5、获取预设时间内的电动汽车锂电池组的充放电数据作为BP神经网络的输入，采用训练后的BP神经网络对锂电池组的SOC数据进行预测；S6、采用UKF滤波算法对BP神经网络预测获得的SOC数据进行滤波处理后获得最后的预测结果。
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广州市香港科大霍英东研究院，未经广州市香港科大霍英东研究院许可，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/201610407219.2/，转载请声明来源钻瓜专利网。
