申请/专利权人:安徽大学
申请日:2022-06-23
公开(公告)日:2022-09-23
公开(公告)号:CN115097312A
主分类号:G01R31/367
分类号:G01R31/367;G01R31/392;G06F30/27;G06F119/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.10.28#实质审查的生效;2022.09.23#公开
摘要:一种结合数据驱动模型和经验模型的锂离子电池融合寿命预测模型,涉及数据挖掘,模型融合等技术,包括以下步骤:首先对云端监管平台海量多源异构数据进行去噪处理和特征因素提取获取行驶过程中的健康指标,作为数据驱动预测模型的一个输入,利用极限学习机进行寿命预测,得到数据驱动寿命预测模型。通过多因素寿命衰减实验获取电池寿命经验预测模型,将经验模型和数据驱动模型进行交互融合,设置阈值,得到电池寿命融合模型,提高寿命预测精度,更适用于实际汽车工况。本发明通过将反映寿命衰减与工况因素之间关系的经验模型和反映寿命衰减与运行状态之间关系的数据驱动模型进行融合,可以实现复杂工况下电池寿命的精准预测,保证电池安全运行。
主权项:1.一种结合数据驱动模型和经验模型的锂离子电池融合寿命预测模型,其特征在于包括以下步骤:步骤一,对云端监管平台海量多源异构数据进行进行去噪处理,得到高质量行车数据;对行车数据利用数据挖掘方法进行特征因素提取获取行驶过程中的健康指标;步骤二,将健康指标作为模型输入,通过极限学习机建立基于数据驱动的寿命预测模型;步骤三,通过实验室多因素寿命衰减实验建立电池寿命经验预测模型;步骤四:将经验模型与数据驱动模型相融合,设置阈值,得到融合寿命预测模型。
全文数据:
权利要求:
百度查询: 安徽大学 一种结合数据驱动模型和经验模型的锂离子电池融合寿命预测模型
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。