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：徐培旺
摘要：本发明公开基于Ada‑MLP和PatchTST模型的电池SOH估计方法，包括S1数据获取；S2数据处理；S3特征工程；S4模型构建：获得一个二维数据集，将其传入到回归模型之中进行训练，主要采用Ada‑MLP模型；再对预测之后的SOH值进行时间序列预测，主要采用PatchTST模型；S5模型训练与测试：包括电池健康状态评估与时间序列预测两个任务。本发明利用SOC转换系数和低通滤波器对容量进行修正，基于统计指标和ICA曲线进行特征提取，然后电池健康状态评估通过MLP和Ada‑MLP模型进行构建；电池健康状态时间序列预测通过构建LSTM和PatchTST模型进行，从而实现准确电池SOH估计。
主权项：1.基于Ada-MLP和PatchTST模型的电池SOH估计方法，其特征在于，包括如下步骤：步骤S1数据获取：数据主要来自于106辆新能源汽车数据，时间跨度14个月，时间间隔10s；步骤S2数据处理：包括对电池充放电划分、数据质量分析、SOC转换系数、容量提取和容量清洗五个步骤；其中电池充放电划分主要采用SOC差值的方法；数据质量分析主要以描述性分析的方法；SOC转换系数主要采用分组求均值，并对其进行按比例填充的方法；容量提取主要采用安时积分法、SOC转换系数修正、三次多项式拟合修正和二阶低通滤波修正的方法；容量清洗主要采用直接删除法；步骤S3特征工程：主要分为基于统计指标和基于ICA曲线所提取的特征，对所提取的特征进行多重共线性检验，通过计算特征的方差膨胀因子来判断，最终获得特征；步骤S4模型构建：获得一个二维数据集，将其传入到回归模型之中进行训练，主要采用Ada-MLP模型，得到回归模型预测之后的SOH值，再对预测之后的SOH值进行时间序列预测，主要采用PatchTST模型，得到时间序列模型预测之后的SOH值；步骤S5模型训练与测试：包括电池健康状态评估与时间序列预测两个任务，其中电池健康状态评估通过构建MLP和Ada-MLP这两个模型；电池健康状态时间序列预测通过构建LSTM和PatchTST这两个模型。
全文数据：
权利要求：
百度查询： 徐培旺 基于Ada-MLP和PatchTST模型的电池SOH估计方法
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