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:南通乐创新能源有限公司
摘要:本发明公开一种基于SMOE模型和电池数据进行SOH和RUL联合预测方法,包括如下步骤:S1.测试并采集电池电流、电压、温度和容量数据。S2.构建SMOE模型:包括多个专家子模型和一个门控网络模型;每个子模型均是CNN‑Transformer模型,并且选取概率最高的2个子专家参与计算。S3.训练和校验SMOE模型:在Keras平台实现SMOE模型代码并训练,训练数据按8:2的比例分成训练集合和测试集合。S4.预测电池SOH和RUL:在模型训练完毕之后,部署模型并对电池的SOH和RUL进行预测。本发明兼顾多目标预测、多专家模型、精度、效率和鲁棒性等综合优势,能够高性能高效率预测电池SOH和RUL。
主权项:1.一种基于SMOE模型和电池数据进行SOH和RUL联合预测方法,其特征在于,包括如下步骤:步骤S1.测试并采集电池电流、电压、温度和容量数据:采集数据时,记录电池的电流、电压和温度数据,以及需要预测的目标值,这里是相对应的电池SOH和RUL;步骤S2.构建SMOE模型:SMOE模型包括多个专家子模型和一个门控网络模型;使用5个专家子模型,每个子模型均是CNN-Transformer模型,并且选取概率最高的2个子专家参与计算;CNN模型提取输入数据的空间特征,CNN可以自动学习输入数据的空间相关性,提取高层抽象特征;Transformer模型建模电池EIS数据的时间相关模式;步骤S3.训练和校验SMOE模型:在Keras平台实现SMOE模型代码并训练,训练数据按8:2的比例分成训练集合和测试集合,在训练集合上训练模型,在测试集合上校验模型;步骤S4.预测电池SOH和RUL:在SMOE模型训练完毕之后,在模型效果良好的前提下,部署SMOE模型,并使用SMOE对电池的SOH和RUL进行预测。
全文数据:
权利要求:
百度查询: 南通乐创新能源有限公司 一种基于SMOE模型和电池数据进行SOH和RUL联合预测方法
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。