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：浙江一舟电子科技股份有限公司;大连理工大学宁波研究院;江西一舟数据技术有限公司

摘要：本发明公开了一种结合POD和GRNN的锂电池热功率提取方法、装置及介质，涉及锂电池技术领域，主要包括步骤：获取多温度测点均值采集下，锂电池在各放电倍率下由额定最高电压放电至额定最低电压期间的温度‑时间变化测试曲线斌构建相应数据库；对发热功率与模态系数间的关系进行学习训练并获取相应的模态系数，并基于模态系数进行温度‑时间变化目标曲线的获取；根据各目标曲线与测试曲线之间的皮尔逊相关系数，为对应放电倍率的各时间段匹配相关性最高的发热功率；对模态与系统参数间的关系进行学习训练；基于训练后的网络结合热模型进行目标放电倍率的锂电池表面温度变化仿真。本发明无需复杂的模型构建或长时间的测试，提高了热功率估计的效率。

主权项：1.一种结合POD和GRNN的锂电池热功率提取方法，其特征在于，包括步骤：S1：获取多温度测点均值采集下，锂电池在各放电倍率下由额定最高电压放电至额定最低电压期间的温度-时间变化测试曲线；S2：根据测试曲线并结合锂电池物理参数，通过数值模拟构建不同发热功率下电池表面温度随时间变化的数据库；S3：通过对数据库进行结合系统参数的本征正交分解获取正交基底和模态系数，并通过广义回归神经网络对发热功率与模态系数间的关系进行学习训练；S4：通过S3步骤训练后的广义回归神经网络根据随机发热功率获取相应的模态系数，并基于模态系数进行温度-时间变化目标曲线的获取；S5：根据各目标曲线与测试曲线之间的皮尔逊相关系数，为对应放电倍率的各时间段匹配相关性最高的发热功率；S6：根据由各放电倍率各时间段所对应发热功率组成的矩阵，在经由本征正交分解和模态提取后，通过广义回归神经网络对模态与系统参数间的关系进行学习训练；S7：基于内热源均匀分布的瞬态三维导热微分方程进行锂电池热模型构建，并代入S6步骤训练后的广义回归神经网络进行目标放电倍率的锂电池表面温度变化仿真。

全文数据：

权利要求：

百度查询： 浙江一舟电子科技股份有限公司 大连理工大学宁波研究院 江西一舟数据技术有限公司 一种结合POD和GRNN的锂电池热功率提取方法、装置及介质