申请/专利权人:中国地质大学(武汉)
申请日:2024-04-12
公开(公告)日:2024-07-05
公开(公告)号:CN118294840A
主分类号:G01R31/392
分类号:G01R31/392;G01R31/378;G01R31/385;G01R31/396;G06F18/20;G06F18/213;G06F18/25;G06N3/042;G06N3/0442;G06N3/045;G06N3/0464;G06N3/082;G06N3/084;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.07.23#实质审查的生效;2024.07.05#公开
摘要:本发明公开了一种锂离子电池退化轨迹及剩余寿命预测方法、介质及设备,涉及锂离子电池容量预测领域,锂离子电池退化轨迹及剩余寿命预测方法,其步骤主要包括:初始化锂离子电池容量退化数据,得到锂离子电池容量退化序列;利用长期特征提取模块和压缩模块,得到退化数据的长期特征;根据锂离子电池容量退化序列,利用短期依赖特征提取模块,得到容量退化序列的短时特征;根据容量退化序列的短时特征和长期特征,利用混合专家系统进行容量预测,得到目标锂离子电池的剩余使用寿命。实施本发明提供的锂离子电池退化轨迹及剩余寿命预测方法、介质及设备,能提高锂离子电池剩余使用寿命的预测精度。
主权项:1.一种锂离子电池退化轨迹及剩余寿命预测方法,其特征在于,包括以下步骤:S1、获取锂离子电池容量退化数据,所述锂离子电池容量退化数据基于相同充放电策略获取;对所述锂离子电池容量退化数据进行归一化处理,得到锂离子电池容量退化序列;根据所述锂离子电池容量退化序列,利用滑窗方法构建样本集,所述样本集包括样本特征和样本标签,按照预设比例和电池编号对所述样本集进行划分,得到训练集、验证集和测试集;S2、获取长期特征提取模块和压缩模块;所述长期特征提取模块包括双向长短时记忆神经单元和多头注意力机制;根据所述样本特征,利用所述长期特征提取模块,得到锂离子电池容量退化序列的隐层特征;利用所述压缩模块对所述隐层特征进行维度压缩,得到锂离子电池容量退化序列的长期特征;S3、获取短期依赖特征提取模块,根据所述锂离子电池容量退化序列,利用所述短期依赖特征提取模块,得到锂离子电池容量退化序列的短时特征;根据所述长期特征和短时特征,得到锂离子电池容量退化序列的双重特征;S4、获取混合专家系统,根据所述锂离子电池容量退化序列的双重特征,利用所述混合专家系统进行容量预测,得到目标锂离子电池的剩余使用寿命。
全文数据:
权利要求:
百度查询: 中国地质大学(武汉) 锂离子电池退化轨迹及剩余寿命预测方法、介质及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。