← 返回列表
一种新能源电车锂电池的荷电状态预测方法
摘要文本
本发明公开了一种新能源电车锂电池的荷电状态预测方法，首先获取锂电池历史使用数据，并对其数据进行归一化预处理；采用连续时间空域特征提取算法对预处理过的稳定的锂电池数据集进行特征参数提取；基于特征选择的KNN分类算法对提取的特征参数进行分类；运用基于随机森林的递归特征消除方法进行特征选择得到最优特征子集；利用光学显微镜算法对D‑KNN的超参数进行优化；将最优子集输入到优化后的D‑KNN模型中进行训练，从而得到锂电池预测数据。本发明根据锂电池使用数据动态变化的特性，采用三种方法对数据进行提取、分类、选择，最终输入进入动态模型进行预测，极大提升了锂电池剩余电荷预测结果的准确性。
申请人信息
- 申请人:淮阴工学院
- 申请人地址:223000 江苏省淮安市经济技术开发区枚乘东路1号
- 发明人: 淮阴工学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种新能源电车锂电池的荷电状态预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311805006.1 |
| 申请日 | 2023/12/26 |
| 公告号 | CN117540879A |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G06Q10/04 |
| 权利人 | 淮阴工学院 |
| 发明人 | 何睿; 张鑫玉; 张志荣; 张楚; 彭甜; 张新荣; 马常纹; 姚君豪; 孙凯; 张万峰 |
| 地址 | 江苏省淮安市经济技术开发区枚乘东路1号 |
专利主权项内容
1.一种新能源电车锂电池的荷电状态预测方法，其特征在于，包括以下步骤：(1)对预先获取的新能源电车锂电池数据进行预处理，并运用连续时间空域特征提取算法对预处理过的锂电池数据进行特征参数提取；(2)采用基于特征选择的KNN分类算法对步骤(1)提取的特征参数进行特征分类，将与新能源车辆锂电池SOC有关的参数分类出来；(3)运用基于随机森林的递归特征消除方法对步骤(2)分类后的特征参数进行特征选择得到最优特征子集；(4)利用光学显微镜算法对D-KNN模型的超参数进行优化；(5)利用D-KNN模型对电池电荷状态进行预测，将步骤(3)得到的最优特征子集输入到优化后的D-KNN预测模型中，得到电池电荷状态的预测结果。