SOC和RUL的联合估计方法(57)摘要本发明涉及一种锂离子电池SOH、SOC和RUL的联合估计方法,提取健康特征HF,将循环的HF序列和SOH衰减序列分别作为输入和输出,建立最小二乘支持向量机LSSVM电池衰减模型估计SOH;用等效电路模型拟合该充电电压段,识别阻容参数,形成状态方程和观测方程,估计该循环放电阶段的SOC,在第n个循环的...
进一步地,rul估计是以gpr时间序列模型以序列{1～n}作为输入,序列{dv_dti},i=1,2...n作为输出进行训练,将循环数n+r(r》0)代入已建立的gpr模型,预测未来循环中dv_dt的变化趋势和对应的置信区间,代入lssvm退化模型输出s和置信区间[s1,s2],其中s是soh退化预测趋势上的点,如果s大于soh的退役寿命(eol)阈值,...
本发明涉及一种锂离子电池SOH,SOC和RUL的联合估计方法,提取健康特征HF,将循环的HF序列和SOH衰减序列分别作为输入和输出,建立最小二乘支持向量机LSSVM电池衰减模型估计SOH;用等效电路模型拟合该充电电压段,识别阻容参数,形成状态方程和观测方程,估计该循环放电阶段的SOC,在第n个循环的放电阶段进行SOC估算;利用高斯过程...
1、本技术提供了一种储能设备的soc、soh及rul联合估计方法,基于储能设备容量变化进行相关性能指标的预测,能够在降低计算成本的同时提高预测估算的准确性。 2、所述储能设备的soc、soh及rul联合估计方法,其特征在于,所述方法至少包括以下步骤: 3、获取储能设备的所有历史数据; 4、基于所述历史数据获取所述储能设备的运...
32.本发明所述的统一的锂离子电池soc、soh和rul的联合估计方法及系统在具体操作时,将电池充放电期间电压、电流及温度信息和电池的瞬时电压、电流及温度信息输入至训练后的锂离子电池soc、soh和rul的预测模型中,得锂离子电池的soc、soh和rul,从而实现利用统一的数据驱动模型预测电池的soc、soh及rul的目的,操作简单、方...
1.一种储能设备的SOC、SOH及RUL联合估计方法, 其特征在于, 所述方法至少包括以下步骤:获取储能设备的所有历史数据;基于所述历史数据获取所述储能设备的运行记录;设定所述储能设备的充放电周期, 并根据所述储能设备的运行记录确定充放电周期;计算每个所述充放电周期内的所述储能设备的充放电效率;利用每个所述充放电周...
(data driven method,DDM)融合方法的锂离子电池SOC-SOH-RUL联合估计框架,实现对电池全生命周期的SOC,SOH和RUL的联合估计.首先提取与电池当前容量关联度最高的恒流充电电压曲线片段的上升时间作为健康特征(health factor,HF),利用外部训练集电池的老化数据,离线建立电池老化的最小二乘支持向量机(least squares support ...
本发明公开了一种统一的锂离子电池SOC,SOH和RUL的联合估计方法及系统,包括:获取电池充放电期间电压,电流及温度信息;获取电池的瞬时电压,电流及温度信息;将电池充放电期间电压,电流及温度信息和电池的瞬时电压,电流及温度信息输入至训练后的锂离子电池SOC,SOH和RUL的预测模型中,得锂离子电池的SOC,SOH和RUL,该方法及...