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。

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