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：西北工业大学
摘要：本发明涉及一种基于间接健康因子的锂电池健康状态预测方法，首先对锂电池的数据处理给出了详细的方案，通过提取电池充放电过程中的健康因子来对锂电池的SOH进行表征，并利用皮尔逊准则选取了前三个最有效的健康因子。随后对数据进行了异常值去除和平滑处理。最后搭建出基于健康因子的SOH预测模型，利用电池数据集进行仿真实验。实验结果表明，使用SCINet模型能够有效挖掘出电池的退化信息，所选的健康因子能够很好地反映出电池退化过程中的波动状态，有较小的相对误差。
主权项：1.一种基于间接健康因子的锂电池健康状态预测方法，其特征在于步骤如下：步骤1：在锂电池数据集中提取5个健康因子，包括HI1、HI2、HI3、HI4和HI5，其中HI1为锂电池初始放电阶段的放电时间，HI2为锂电池稳定放电阶段的放电时间，HI3为锂电池快速放电阶段的放电时间，HI4为锂电池自充电结束后的实际放电电压，HI5为锂电池恒流充电时间；步骤2：将各个健康因子与锂电池的容量进行皮尔逊相关系数分析，计算公式为： 式中，xi代表健康因子，i＝1,2,3,4,5；yi表示锂电池的容量，和分别表示其均值；然后选择皮尔逊相关系数值排在前三位的健康因子作为锂电池的SOH预测的健康因子数据；步骤3：对选取的健康因子数据，及容量标签进行异常值去除以及平滑处理，得到预处理后的数据健康因子和容量标签数据；步骤4：预处理后的健康因子输入SCINet网络进行训练，容量作为预测标签，对深度学习网络进行训练，得到完整的SOH预测模型；步骤5：将被预测锂电池的5个健康因子，输入训练完成的SOH预测模型，SOH预测模型的输出为SOH预测结果。
全文数据：
权利要求：
百度查询： 西北工业大学 一种基于间接健康因子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