[发明专利]一种基于融合极限学习机的电池未来温度预测方法及系统

摘要

本发明公开了一种基于融合极限学习机的电池未来温度预测方法及系统，方法包括训练步骤和预测步骤；系统包括训练单元和预测单元。本发明通过训练步骤和预测步骤能以较低的计算代价实现高精度的电池未来温度预测，且能在预测过程大大减小对电池模型的依赖性。本发明可以有效预测电池未来温度变化情况，计算量不超过传统神经网络的10％，大大减少计算量。本发明可广泛应用于电池温度预测中。

主权项

一种基于融合极限学习机的电池未来温度预测方法，其特征在于，包括训练步骤和预测步骤；所述训练步骤包括：A1、建立低精度电池模型；A2、取N个低精度电池模型，其中N为正整数；A3、将真实的实验数据输入至每个取出的低精度电池模型中，得到N个模型输出；A4、将得到的N个模型输出线性映射到实测数据；所述预测步骤包括：B1、选取需要预测的电池未来温度所在的工况；B2、将该工况的第一步分别输入到N个低精度电池模型中，得到N个第一步的模型输出；B3、将N个模型输出通过线性映射得到结果数据并记录；B4、将结果数据和该工况的下一步输入到N个低精度电池模型中，得到N个该步骤的电池模型输出；B5、返回执行步骤B3，直到该工况的最后一步输入完毕，则得到所需预测工况下的电池未来温度。