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：西安交通大学
摘要：本发明公开了一种退役电池再利用快速多尺度状态估计方法及系统，采集电芯全生命周期内的长循环放电数据构建数据集；按照时序将数据集划分为多个片段数据，并作为训练数据集；构建分层深度学习电池状态估计模型并采用训练数据集进行训练，训练后的分层深度学习电池状态估计模型能够获取电池短期变化特征，并将短期变化特征映射为电池当前的荷电状态；再将短期特征转化为长期变化特征，利用线性映射将长期变化特征映射为电池当前的健康状态，根据电池当前的荷电状态和健康状态确定电池状态；该方法避免了在不同时间尺度下对多个状态进行优化而产生的竞争冲突，在较短的观测时间内实现高精度的SOC和SOH估计。
主权项：1.一种退役电池再利用快速多尺度状态估计方法，其特征在于，包括以下步骤：步骤1、采集电芯全生命周期内的长循环放电数据构建数据集；步骤2、按照时序将数据集划分为多个片段数据，并作为训练数据集；步骤3、构建分层深度学习电池状态估计模型并采用训练数据集进行训练，训练后的分层深度学习电池状态估计模型能够获取电池短期变化特征，并将短期变化特征映射为电池当前的荷电状态；再将短期特征转化为长期变化特征，利用线性映射将长期变化特征映射为电池当前的健康状态，根据电池当前的荷电状态和健康状态确定电池状态。
全文数据：
权利要求：
百度查询： 西安交通大学 一种退役电池再利用快速多尺度状态估计方法及系统
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