买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】一种预测电池健康状态的方法_电子科技大学_202010834612.6 

申请/专利权人:电子科技大学

申请日:2020-08-19

公开(公告)日:2020-11-24

公开(公告)号:CN111985156A

主分类号:G06F30/27(20200101)

分类号:G06F30/27(20200101);G01R31/392(20190101);G01R31/367(20190101);G01R31/396(20190101);G06F111/08(20200101);G06N3/04(20060101);G06N3/08(20060101);G06N7/00(20060101);G06N20/10(20190101)

优先权:

专利状态码:有效-授权

法律状态:2022.06.14#授权;2020.12.11#实质审查的生效;2020.11.24#公开

摘要:本发明公开了一种预测电池健康状态的方法,通过提取电池在每一次完整充放电过程中历史的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征,以及健康状态SOH等特征,然后对提取的特征进行处理,建立起迁移高斯过程回归模型,从而预测出新电池在后续使用过程中的SOH值,具有操作简单、快速,且预测精度高等优点。

主权项:1.一种预测电池健康状态的方法,其特征在于,包括以下步骤:1、提取特征1.1、提取现有电池S在每一次完整充放电过程中的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征,以及健康状态SOH,构成集合其中,x和y分别表示特征向量和SOH,下标为循环次数,m表示电池S在整个寿命周期中的总循环次数;1.2、提取新电池T在前n次完整充放电过程中的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征,以及健康状态SOH,构成集合2、数据预处理利用matlab中的mapminmax函数分别对DS和DT中的特征x做归一化处理;3、确定待优化参数3.1、设置优化参数初始化参数Θ=rand5,1,其中,l,σ表示高斯核函数中待优化的参数,表示电池S和电池T的测量误差;3.2、设DS满足先验分布DT满足先验分布其中,参数Im,In分别表示m*m维和n*n维单位矩阵;3.3、计算联合分布概率pYT,YS|XS,XT; 其中,K为高斯核函数,满足上标T表示转置,KSS和KTT分别表示DS和DT各自的核矩阵,KST表示交叉域的核矩阵;3.4、根据联合分布概率pYT,YS|XS,XT,利用贝叶斯公式计算条件分布概率pYT|YS,XS,XT; 3.5、通过对优化参数取值适当值,使条件分布概率pYT|YS,XS,XT最大,从而构建最大化优化目标函数: 其中,再利用协方差矩阵自适应进化策略优化目标函数,从而确定优化参数Θ的取值。4、预测电池T的SOH4.1、提取电池T第n+1次完整充放电过程中的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征构成集合x*表示第n+1次提取的特征向量,y*表示待预测的SOH;利用matlab中的mapminmax函数对特征向量x*进行归一化处理;4.2、将优化后的参数代入到步骤3.3中的联合分布概率计算公式中,重新计算新的联合分布概率,记为pY|X,4.3、计算Y与y*的联合分布概率py*,Y∣x*,X; 其中,K*表示DS和DT中的特征向量X与中x*的核矩阵,K**表示中x*自的核矩阵;4.4、利用贝叶斯公式计算条件分布概率py*∣x*,X,Y; 4.5、根据条件分布概率py*∣x*,X,Y,令y*=K*K-1Y,并作为新电池T第n+1次完整充放电过程中的SOH。

全文数据:

权利要求:

百度查询: 电子科技大学 一种预测电池健康状态的方法

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。