Battery SOH and SOC Estimation Using a Hybrid Machine Learning Approach
Mahesh Ghivari, KPIT Technologies Limited
Debango Chakraborty, KPIT Technologies Limited
KPIT developed a hybrid approach to overcome the shortcomings of existing individual methods for SOC and SOH estimation. It combines a battery model and a neural network to predict SOC and then uses the obtained SOC to derive SOH parameters. Deep Learning Toolbox™ and MATLAB® were used to train a feedforward neural network, which was then extensively validated for robustness. The neural network was then incorporated into Simulink® and deployed to a PowerPC-based embedded platform using Embedded Coder® and AUTOSAR Blockset. This workflow has been validated on multiple datasets for LFP and LCO chemistry. It has provided SOC and SOH estimation with improved accuracy well within +- 5% consistently over a different driving cycle range.
Published: 1 Jun 2022
Featured Product
Deep Learning Toolbox
Up Next:
Related Videos:
Web サイトの選択
Web サイトを選択すると、翻訳されたコンテンツにアクセスし、地域のイベントやサービスを確認できます。現在の位置情報に基づき、次のサイトの選択を推奨します:
また、以下のリストから Web サイトを選択することもできます。
最適なサイトパフォーマンスの取得方法
中国のサイト (中国語または英語) を選択することで、最適なサイトパフォーマンスが得られます。その他の国の MathWorks のサイトは、お客様の地域からのアクセスが最適化されていません。
南北アメリカ
- América Latina (Español)
- Canada (English)
- United States (English)
ヨーロッパ
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
アジア太平洋地域
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)