- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种全生命周期电池的荷电状态预测方法,该方法基于时间序列能够准确、可靠地预测电池荷电状态,利用基于经验模态分解的长短期循环记忆神经网络(EMD‑LSTM)预测电池健康度,在健康度的基础上,预测电池荷电状态。具体而言,本发明的方法包括以下步骤:以每一个循环周期的电池剩余电量作为输入,使用基于经验模态分解的长短期循环记忆神经网络预测电池健康度;以预测的健康度和电压、电流、内阻数据作为输入,使用长短期循环记忆神经网络预测未来电池荷电状态;其中网络输入变量为整个生命周期内电池数据;通过所述方法
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118091453A
(43)申请公布日2024.05.28
(21)申请号202410308604.6
(22)申请日2024.03.18
(71)申请人安徽师范大学
地址241002
文档评论(0)