电子信息技术

本发明公开了一种基于神经网络的电池功率状态预测方法和系统，所述方法步骤如下：建立针对同类电池历史实验数据的少样本的新电池功率状态预测与预测修正系数的广义神经网络预测模型；根据得到的广义回归神经网络预测模型，利用DSA算法优化上述模型；根据优化后的模型得出电池功率状态预测结果；根据得到的电池功率状态预测结果，对车辆的能源分配进行智能调控。本发明通过使用GRNN神经网络预测模型，能够通过实验室短期数据对电池功率状态进行预测，为车辆的能量分配等提供精确合理的数据支撑，具有泛化能力更好、寻优能力更强、不会陷入局部最优的优点。

成果亮点

发明目的：本发明的目的是提供一种基于神经网络的电池功率状态预测方法和系统，从而减少神经网络的高计算成本和存储容量，节约成本且快速准确地预测电池功率状态。 技术方案：本发明所述的一种基于神经网络的电池功率状态预测方法。

纪捷，男，江苏淮安人，1989年6月出生，工学博士，副教授，淮阴工学院硕士生导师。于2018年获得英国纽卡斯尔大学能源工程博士学位。主要研究方向有：能源系统，冷热电联产系统，综合系统控制策略等。该教师自2018年入淮阴工学院工作以来，积极工作，努力进取，授课得到学生喜爱，受到高度好评，同时吸纳主持横向项目累计超过300万元，积极促进淮阴工学院与企业的沟通，搭建科技成果进行产能转化的桥梁。主要负责本科生教学，研究生学业指导。作为自动化学院骨干教师，指导研究生超过15名，研究方向发表论文逾10篇，均被SCI，EI索引杂志收录。主持1111，省教育厅，以及校企横向等项目。

有益效果：与现有技术相比，本发明具有如下优点：

1、本发明通过使用GRNN神经网络预测模型，能够通过实验室短期数据对电池功率状态进行预测，为车辆的能量分配等提供精确合理的数据支撑；与传统神经网络模型相比，GRNN神经网络模型具有泛化能力更好、寻优能力更强、不会陷入局部最优的优点。

2、本发明使用鸭群搜索算法对模型进行优化处理，使得模型误差更小；精确的电池功率状态预测数据使得车辆的能量分配调节更加合理，提高了车辆的安全性能。

3、本发明使用了补偿模块来简化传统神经网络所需的庞大数据，减少神经网络的高计算成本和存储容量，具有更好的经济效益。

4、本发明适用于新能源车辆，符合绿色环保的设计理念。