基于深度学习组合扩展卡尔曼滤波的储能电池荷电状态在线估计方法及系统.pdfVIP

下载本文档

4
0
约1.54万字
约 12页
2023-07-01 发布于四川
举报
版权申诉

基于深度学习组合扩展卡尔曼滤波的储能电池荷电状态在线估计方法及系统.pdf

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

本发明公开了一种基于深度学习组合扩展卡尔曼滤波的储能电池荷电状态在线估计方法及系统，包括：实时采集储能电池的相关参数数据；对采集的数据预处理和数据重构，作为训练集；搭建用于储能电池SOC预测的深度神经网络DNN，并通过训练集学习训练；深度神经网络DNN采用ResNet模型结构，ResNet模型结构的残差块由两个卷积层和一个跨层连接组成，其中卷积层的输出通道数可不同，跨层连接是恒等映射或者卷积映射；通过扩展卡尔曼滤波算法对深度神经网络DNN输出的预估值进行补偿和滤波，获取最终的储能电池SOC预估值

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116359742 A (43)申请公布日 2023.06.30 (21)申请号 202310312415.1 G01R 31/3842 (2019.01)