《表3 不同循环次数下的容量衰减比例和预测结果衰减比例》
从图10中可以看出,随着循环次数的增大,理论上电池的容量按照文中拟合的曲线进行衰减变化。通过对不同衰减情况下的预测数据和理论数据相比可知,本文预测方法由于使用了神经网络自学习的方式可以不断地逼近电池的实际情况,因此能够保证预测时电池的总容量能够与理论上的容量存在较小的误差,从而保证预测的电池剩余容量符合电池的实际情况。
图表编号 | XD00130991900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 张立佳、徐国宁、赵向阳、杜晓伟、周翔 |
绘制单位 | 中国科学院光电研究院、中国科学院光电研究院、北京航空航天大学自动化科学与电气工程学院、中国科学院光电研究院、中国科学院遥感与数字地球研究所 |
更多格式 | 高清、无水印(增值服务) |