技術(shù)特征：

1.一種基于機理與數(shù)據(jù)融合驅(qū)動的鋰電池soc-soh聯(lián)合估計方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于機理與數(shù)據(jù)融合驅(qū)動的鋰電池soc-soh聯(lián)合估計方法，其特征在于，步驟4還包括如下步驟：

3.根據(jù)權(quán)利要求2所述的一種基于機理與數(shù)據(jù)融合驅(qū)動的鋰電池soc-soh聯(lián)合估計方法，其特征在于，基于安時積分法建立的soc估計的狀態(tài)方程離散化表示如下：

4.根據(jù)權(quán)利要求2所述的一種基于機理與數(shù)據(jù)融合驅(qū)動的鋰電池soc-soh聯(lián)合估計方法，其特征在于，基于容量衰減的經(jīng)驗?zāi)Ｐ徒⑷萘康臓顟B(tài)方程的離散化表示如下：

5.根據(jù)權(quán)利要求2所述的soc-soh聯(lián)合估計方法，其特征在于，鋰離子電池健康狀態(tài)soh的定義如下：

6.根據(jù)權(quán)利要求2所述的一種基于機理與數(shù)據(jù)融合驅(qū)動的鋰電池soc-soh聯(lián)合估計方法，其特征在于，lssvm觀測方程構(gòu)建soc和soh的狀態(tài)方程離散化表示如下：

7.根據(jù)權(quán)利要求1所述的一種基于機理與數(shù)據(jù)融合驅(qū)動的鋰電池soc-soh聯(lián)合估計方法，其特征在于，步驟6還包括如下步驟：

8.一種soc-soh聯(lián)合估計模型系統(tǒng)，其特征在于，包括：利用安時積分法和電池容量衰減的方式分別構(gòu)建鋰離子電池的soc和當(dāng)前容量的狀態(tài)方程，再利用iupf-lssvm框架通過迭代實現(xiàn)在線訓(xùn)練數(shù)據(jù)驅(qū)動模型和電池狀態(tài)參數(shù)的進一步預(yù)測，利用最優(yōu)狀態(tài)估計模塊實現(xiàn)soc值和soh值的狀態(tài)估計；

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時，實現(xiàn)如權(quán)利要求1-8中任一所述的基于多方法融合的soc-soh聯(lián)合估計方法。

10.一種設(shè)備(控制器/計算機設(shè)備/電子設(shè)備)，其特征在于，包括：存儲器，用于存儲數(shù)據(jù)；處理器，用于執(zhí)行所述算法指令，使得所述設(shè)備執(zhí)行實現(xiàn)如權(quán)利要求1-8任一項所述的一種機理與數(shù)據(jù)融合驅(qū)動的鋰電池soc-soh聯(lián)合估計方法的操作。

技術(shù)總結(jié)
本發(fā)明公開了一種基于機理與數(shù)據(jù)融合驅(qū)動的鋰電池SOC?SOH聯(lián)合估計方法，包括如下步驟：首先，使用相空間重構(gòu)后的多維數(shù)據(jù)集對最小二乘支持向量機(LSSVM，Least?Square?SupportVector?Machines)預(yù)測模型進行訓(xùn)練。然后，基于安時積分法和容量衰減的經(jīng)驗?zāi)Ｐ徒顟B(tài)方程，通過LSSVM預(yù)測模型建立IUPF觀測方程，代入改進的無跡粒子濾波算法(IUPF，Intermediate?UPF)進行狀態(tài)估計和參數(shù)更新。最后，更新后的LSSVM模型參數(shù)迭代到訓(xùn)練數(shù)據(jù)集，實現(xiàn)電池SOC(State?OfCharge)和SOH(State?OfHealth)的聯(lián)合預(yù)測和數(shù)據(jù)驅(qū)動模型的在線更新。本發(fā)明提出的一種基于機理與數(shù)據(jù)融合驅(qū)動的鋰電池SOC?SOH聯(lián)合估計方法，實現(xiàn)了鋰電池荷電狀態(tài)SOC和健康狀態(tài)SOH的聯(lián)合估計，考慮系統(tǒng)的狀態(tài)噪聲和量測噪聲，以保證電池狀態(tài)估計結(jié)果的精度和穩(wěn)定。

技術(shù)研發(fā)人員：施濤,羅蘭,周航宇,盛佳林
受保護的技術(shù)使用者：南京郵電大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19