龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽工程大学
摘要：本发明涉及一种完全数据驱动的锂电池健康状态预测方法，属于锂电池状态管理领域。本发明首先获取锂电池充电时的电压电流数据作为特征因子，以构建特征向量并生成训练样本和测试样本；再通过优化多核相关向量机模型获取SOH的初始预测值，然后再通过优化极限学习机模型进行误差补偿，从而得到补偿后的SOH实际值作为锂电池的SOH。本发明克服了特征因子在工程应用中提取不准确和单一预测模型预测精度不高的缺陷，实现SOH精准预测的同时克服SOH预测模型的预测误差和训练误差，从而进一步提高SOH预测准确度。
主权项：1.一种完全数据驱动的锂电池健康状态预测方法，其特征在于：所述方法包括以下步骤：S1、获取锂电池充电时的电压电流数据作为特征因子，以构建特征向量并生成训练样本和测试样本；S2、构建电池健康状态初始预测模型，并对所述电池健康状态初始预测进行优化；S3、通过所述步骤S1的训练样本对所述优化后的电池健康状态初始预测模型进行训练，得到所述训练样本的电池健康状态初始预测值以及训练完成的电池健康状态初始预测模型；S4、根据所述电池健康状态初始预测模型得到训练样本的初始预测误差，将所述训练样本的电池健康状态初始预测值、训练样本的初始预测误差、以及所述特征因子构成新训练集；S5、构建误差补偿模型，并对所述误差补偿模型进行优化；S6、通过所述步骤S4的新训练集对所述优化后的极限学习机模型进行训练，得到训练完成的极限学习机模型；将所述步骤S2的测试样本输入到所述步骤S3中训练完成的电池健康状态初始预测模型中和所述训练完成的误差补偿模型中，得到测试样本的电池健康状态初始预测值和初始预测误差；S7、将所述测试样本的电池健康状态初始预测值和初始预测误差进行线性叠加，得到最终的电池健康状态预测值。
全文数据：
权利要求：
百度查询： 安徽工程大学 一种完全数据驱动的锂电池健康状态预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号