公开(公告)号：CN119959767A

公开(公告)日：2025-05-09

申请号：CN202510055228.9

申请日：2025-01-14

Applicant: 东北农业大学

Inventor： 黄博妍 ,  李洪旭 ,  孙江波 ,  孙芙卿 ,  孙加文

IPC: G01R31/367 ,  G01R31/385 ,  G06N3/006 ,  G06N3/0442

Abstract: 本发明适用于时变温度下的高精度的电池荷电状态估计及电池技术领域，该方法依次执行以下步骤：利用电动汽车公开的数据集或该电动汽车之前行驶过程中的历史数据，提取运行过程中采集到的电池电压和电流数据作为算法的输入特征，考虑温度对电池性能的显著影响，对数据进行归一化处理，确保输入特征具有稳定性和一致性。之后结合电池的动态特性，确保网络能够动态适应不同温度条件下的复杂变化，确保估计值与实际SOC之间的误差最小化。最后，利用滤波算法(如改进的卡尔曼滤波算法)对神经网络的初步估计值进行后续处理，对SOC的最终值进行平滑与修正，从而提高滤波结果的鲁棒性和精确性。本发明解决了传统电动汽车荷电状态估计不准确与未考虑变温度对电池电量估计造成的影响，在传统的粒子群优化算法内引入拉丁超立方采样和莱维飞行函数，保证粒子采样均匀及避免电量估计过程中出现局部最优问题，改善了传统电荷估计策略在复杂路况和多变温度情形下出现的电池估计误差过大的问题。