一种基于深度神经网络下的锂电池荷电状态预测算法

摘要

本发明涉及一种基于深度神经网络下的锂电池荷电状态预测算法，包含以下步骤：S1：运行电动车，采集电动车锂电池组各个电池的端电压、温度以及电池组荷电状态；S2：将锂电池组从满电量运行至锂电池荷电状态为0％；S3：将不同老化程度的锂电池重复S1～S2，每个荷电状态进行多次采集；S4：将采集电池数据分为训练集和测试集，将训练集经过长短记忆神经网络进行训练，获取荷电状态观测器；S5：将测试集输入训练好的观测器测试模型的准确性，重复S4直至误差逼近规定阈值；S6：将传感器在线采集的单体电池的温度、电压输入到训练好的荷电状态观测器模型中，得到当前锂电池组的荷电状态值。本发明能够实现对电动车锂电池荷电状态的在线预测，其预测准确率可达93％。