申请/专利权人：南通乐创新能源有限公司

申请日：2023-11-29

公开（公告）日：2024-02-13

公开（公告）号：CN117554822A

主分类号：G01R31/367

分类号：G01R31/367;G01R31/392;G01R31/389;G06F18/2135;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明公开一种基于VAE模型数据增强算法预测电池SOH方法，包括如下步骤：S1测试并采集电池EIS和SOH数据；S2使用VAE模型对EIS数据进行增强：将EIS数据作为输入数据，通过VAE模型对EIS本身进行预测；S3使用PCA模型对EIS输入数据进行主成分提取；S4构建MLP模型；S5预测电池容量即SOH。本发明使用VAE模型对真实EIS测试数据进行增强，增加训练数据量，提升模型的泛化能力和鲁棒性。在PCA‑MLP模型上对比测试了加入EIS增强数据之前和之后预测SOH的效果，加入EIS增强数据之后模型精度有明显提升。本发明完全使用模型进行数据增强，无需人工参与，避免人工因素可能导致的偏差。

主权项：1.一种基于VAE模型数据增强算法预测电池SOH方法，其特征在于，包括如下步骤：步骤S1.测试并采集电池EIS和SOH数据；步骤S2.使用VAE模型对EIS数据进行增强：将EIS数据作为输入数据，通过VAE模型对EIS本身进行预测；所述VAE模型通过学习数据分布并随机采样，生成类似但不同的新数据，并通过训练VAE模型时的目标函数来实现生成的新数据与原始数据集的分布相似；采用最小化重构误差和潜在向量的KL散度来训练VAE模型，确保生成的新数据与原始数据集分布相似，从而保证生成的新数据质量；步骤S3.使用PCA模型对EIS输入数据进行主成分提取：将电池的EIS数据作为输入数据，计算EIS数据的协方差矩阵，求解协方差矩阵的特征值和特征向量，按特征值大小排序，选择主要的前10个特征向量，这些特征向量就是主成分，将原始EIS数据投影到这10个主成分上得到新的10维特征表示，即降维到10维；步骤S4.构建MLP模型：将PCA提取到的电池EIS数据的主要成分数据，作为MLP模型的输入数据，通过多个全连接层，提取输入数据的特征；步骤S5.预测电池容量即SOH：MLP模型的输出层是一个线性回归层，预测值是电池容量即SOH，激活函数为linear函数；模型的损失函数为均方误差；优化器为rmsprop；评估指标为平均绝对误差，即目标值和预测值之差的绝对值之和。

全文数据：

权利要求：

百度查询： 南通乐创新能源有限公司 一种基于VAE模型数据增强算法预测电池SOH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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD