龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：国网江苏省电力有限公司连云港供电分公司;中国电力科学研究院有限公司
摘要：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。本发明具有估计精度高、实时性好、使用方便等优点，可为储能电池领域的开发和应用提供有效的技术支持。
主权项：1.一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，其特征在于，包括步骤：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；所述深度神经网络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不同，跨层连接是恒等映射或者卷积映射；所述深度神经网络DNN输出储能电池荷电状态预估值；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；所述残差块具体为：设其输入为x，经过第一个卷积层得到输出x1＝ReLU*W1*x+b1，经过第二个卷积层得到输出y＝W2*x+b2，将输出x1和输出y相加，得到残差输出z＝ReLU*x1+y，其中ReLU为激活函数，其中W1、W2为权重向量，b1、b2是偏置向量。
全文数据：
权利要求：
百度查询： 国网江苏省电力有限公司连云港供电分公司 中国电力科学研究院有限公司 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
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号