申请/专利权人:上海工程技术大学
申请日:2023-12-07
公开(公告)日:2024-02-20
公开(公告)号:CN117572254A
主分类号:G01R31/378
分类号:G01R31/378;G01R31/392;G01R31/367
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.08#实质审查的生效;2024.02.20#公开
摘要:本发明公开了一种基于榛子树搜索算法HKELM锂电池剩余使用寿命预测方法,包括以下步骤:S1、获取锂电池数据集,提取放电循环中的电池容量数据称为原始容量数据,选取容量作为健康因子;S2、利用完全自适应噪声集合经验模态分解对原始容量数据进行去噪,分解为K个分量;S3、计算K个分量和原始容量数据的Pearson相关系数,选取相关系数大的作为去噪数据,并划分为训练集和测试集;S4、采用榛子树搜索算法选取HKELM最优参数,建立基于改进HKELM锂电池剩余使用寿命预测模型。本发明提高了锂电池剩余使用寿命预测的精度和效率,对于提高锂电池的稳定性和安全性具有重要的实际工程意义。
主权项:1.一种基于榛子树搜索算法HKELM锂电池剩余使用寿命预测方法,其特征在于,具体包括以下步骤:S1、获取锂电池数据集,提取放电循环中的电池容量数据称为原始容量数据,选取容量作为健康因子;S2、利用完全自适应噪声集合经验模态分解对原始容量数据进行去噪,分解为K个分量;S3、计算K个分量和原始容量数据的Pearson相关系数,选取相关系数大的作为去噪数据,并划分为训练集和测试集;S4、采用榛子树搜索算法选取HKELM最优参数,建立基于改进HKELM锂电池剩余使用寿命预测模型;S5、将训练集输入到基于改进HKELM锂电池剩余使用寿命预测模型进行训练,得到基于改进榛子树搜索算法HKELM锂电池剩余使用寿命预测模型;S6、将测试集输入到训练好的锂电池剩余使用寿命预测模型中,得到预测结果;S7、根据模型评价指标对预测结果进行评价。
全文数据:
权利要求:
百度查询: 上海工程技术大学 一种基于榛子树搜索算法HKELM锂电池剩余使用寿命预测方法
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。