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:北京理工大学
摘要:本发明提出一种基于化成分容数据的锂电池容量预测方法,包括:根据每个锂电池化成数据的电压时间序列数据与容量时间序列数据计算每个锂电池的IC曲线;对计算得到的IC曲线使用Savitzky‑Golay滤波;获取数据的位置编码与放缩后的IC曲线加和,构造时间序列特征;将时间序列特征整理为上层训练集;使用上层训练集训练上层模型,生成抽象特征;通过抽象特征生成下层模型输入,与锂电池容量成组构成下层模型训练集,对下层模型进行训练;对待预测电池的化成数据通过神经网络模型预测电池容量。本发明提到一种效果更好的特征归一化方法,对化成数据的IC曲线进行归一化后与时间的正弦函数相加得到特征,使得时间的位置特征更加明显,处理后的特征作为上层模型的输入。
主权项:1.一种基于化成分容数据的锂电池容量预测方法,其特征在于,所述基于化成分容数据的锂电池容量预测方法包括以下步骤:步骤1,根据每个锂电池化成数据的电压时间序列数据与容量时间序列数据计算每个锂电池的IC曲线;步骤2,对计算得到的IC曲线使用Savitzky-Golay滤波;步骤3,获取数据的位置编码与放缩后的IC曲线加和,构造时间序列特征;步骤4,将时间序列特征整理为上层训练集;步骤5,使用上层训练集训练上层模型,生成抽象特征;步骤6,通过抽象特征生成下层模型输入,与锂电池容量成组构成下层模型训练集,对下层模型进行训练;步骤7,对待预测电池的化成数据通过神经网络模型预测电池容量;在步骤1中,每个锂电池的IC曲线为: 式中,Qrawti、Vrawti分别为ti时刻原始容量、电压数据;在步骤3中,对所述IC曲线进行放缩,使其区间变化为[-1:1]之间: 其中,xj为序列中的第j个点,xmin序列中的最小值,xmax为序列中的最大值,表示进行放缩后序列中的第j个点;在放缩后序列后加上位置编码,所述位置编码是关于时间的正弦函数,生成时间序列特征: 其中,tj为第j个数据所对应的时间,fj为时间序列特征;在步骤5中,所述上层模型包括上层模型输入1、卷积模块2、LSTM模块3、全连接层4和上层模型输出5;上层模型输入1、卷积模块2、LSTM模块3、全连接层4和上层模型输出5依次连接,卷积模块2中由卷积层与池化层构成,LSTM模块3由LSTM层与展平层构成;所述全连接层4中神经元为d个,则每通过一次序列对序列的抽象特征提取能够得到形状为d×1的特征,通过a段时间序列特征的抽象特征提取,可以得到形状为的抽象特征。
全文数据:
权利要求:
百度查询: 北京理工大学 基于化成分容数据的锂电池容量预测方法
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。