基于数据驱动的动力电池建模及状态估计方法
价格 双方协商
地区: 陕西省 西安市 碑林区
需求方: 西安**大学
行业领域
电子信息技术,高端装备制造产业,教育,智能交通技术,智能制造装备产业,教育
需求背景
研制一种基于数据驱动的动力电池建模及状态估计方法,能够利用现有可靠的大数据实验平台,对动力电池模型构建及SOC/SOH等状态进行准确估计,突破现有电池经验模型及状态估计不准确的,大量测试数据利用不足的缺陷,满足现有高级电池管理系统的智能化管理及功能需求。
需解决的主要技术难题
现有电池管理系统都基于经验模型进行电池基本状态估计,造成动力电池在动态工况下电池建模不准确及相关电池状态估计单一的问题,无法满足安全功能需求,继续进一步改进和完善相关方法。
到2023年,开发的电池模型精度能够达到±***, 电池SOC/SOH估计精度保持在±5%;所开发的建模及状态估计方法可支持各类深度学习和经典机器学习算法,在汽车智能化管理,职业教育测试平台以及电池测试系统开发等重点领域实现规模化商用。
期望实现的主要技术目标
必要性:动力电池作为推动交通电气化的电池储能系统之一,已经成为了新能源汽车中广泛使用的储能部件。本项目对深度学习融合下的车用动力电池机理模型构建及状态估计研究对于车用动力电池高级管理系统开发和应用提供了坚实的理论基础和技术支持,对我国实现交通电气化的战略目标具有重要的学术意义和工程应用价值。
预期成果:实现电池模型准确构建及状态估计功能,同时在重要学术期刊发表高水平论文5篇,申请发明专利1-2项。
需求解析
解析单位:“科创中国”人工智能专业科技服务团(西咸新区人工智能行业协会) 解析时间:2023-11-25
解析单位:陕西省西咸新区 解析时间:2023-09-23
李卫斌
西安电子科技大学
教授
综合评价
处理进度