技术特征：
技术总结
一种实现二次电池荷电状态估计的方法。采用非线性外源性自回归(NARX)神经网络强大的学习能力实现对不同种类的二次电池的动态特性建模，并基于所建模型,采用了扩展卡尔曼滤波算法对电池进行荷电状态(SOC)的在线估计。在基于NARX实现电池动态特性建模的过程是离线进行的，SOC估计则是在线实时进行的。模型的训练过程不会影响到SOC估计的实时性。本发明在训练集样本数据不多的情况下，能够实现对电池动态特性的准确模拟，基于训练完成的电池等效模型，能够实现电池SOC的准确估计，其特点是在线估计的计算量小，使用廉价的数字处理器就可以操作，适合用于基于低成本微控制器的电池管理系统实现电池荷电状态的预测，具有实时、高效和低成本等优点。
技术研发人员：张宇翔;赵春宇;朱森林
受保护的技术使用者：上海交通大学
技术研发日：2018.12.20
技术公布日：2019.05.21