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：哈尔滨工业大学(威海);中国电器科学研究院股份有限公司
摘要：基于融合注意力机制和深度卷积的锂电池SOH估计方法，属于电化学、计算机等交叉技术领域。现有缺少同时兼顾精度和效率的锂电池SOH的估计方法的问题。采集锂电池在每次充放电循环下的电压数据、电流数据和当前可用最大容量，根据当前可用最大容量计算获得SOH；利用多种统计学方法对每次充放电循环下的电压和电流数据进行处理，得到多种衰退特征；获得同一种衰退特征与SOH的皮尔逊相关系数和与SOH的斯皮尔曼相关系数的平均值，作为对应衰退特征的相关系数；从多种衰退特征的相关系数中选出最大值所对应的衰退特征作为最优衰退特征；利用最优衰退特征和对应的SOH训练网络，得到训练完成的模型；利用训练完成的模型预测出该锂电池的SOH。用于预测锂电池SOH。
主权项：1.融合注意力机制和深度卷积的锂电池SOH估计方法，其特征在于，所述方法包括以下步骤：步骤1、采集锂电池在每次充放电循环下的电压数据、电流数据和当前可用最大容量，根据当前可用最大容量计算获得SOH；步骤2、利用多种统计学方法对每次充放电循环下的电压和电流数据进行处理，得到多种衰退特征；步骤3、衰退特征筛选：获得同一种衰退特征与SOH的皮尔逊相关系数和与SOH的斯皮尔曼相关系数的平均值，作为该衰退特征的相关系数；从多种衰退特征的相关系数中选出最大值所对应的衰退特征作为最优衰退特征；步骤4、将最优衰退特征作为融合注意力机制和深度卷积神经网络的输入数据，将最优衰退特征所对应的SOH作为融合注意力机制和深度卷积神经网络的输出数据；步骤5、利用输入数据和输出数据训练融合注意力机制和深度卷积神经网络，得到训练完成的融合注意力机制和深度卷积神经网络；步骤6、利用多种统计学方法对待测锂电池每次充放电循环下的电压和电流数据进行处理，得到多种衰退特征，并通过衰退特征筛选方式筛选出待测锂电池的最优衰退特征，并将其输入至训练完成的融合注意力机制和深度卷积神经网络中，预测出该锂电池的SOH。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学(威海) 中国电器科学研究院股份有限公司 融合注意力机制和深度卷积的锂电池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