申请/专利权人：重庆大学

申请日：2023-12-06

公开（公告）日：2024-03-22

公开（公告）号：CN117743970A

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/214;G06F18/213;G06F18/15;G06Q10/20;G06Q50/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及基于AI数据重构和整数优化的退役电池热失控预警方法，属于退役电池安全预警领域。本发明通过变分神经网络数据重构计算退役电池时序数据的重构误差以定义退役电池间差异程度，利用正常数据重构误差小，异常数据重构误差大的思想构建重构误差基础模型。然后提出基于整数优化的电化学退役电池热失控预警框架，以量化退役电池热失控概率，增强模型稳定性，进一步对集成模型进行优化，使得集成模型在更少的基础模型组合规模的前提下，达到更高的精度。本发明提高了退役电池热失控预警的精度和稳定性，优化了集成模型，降低了误报率，延长了电池寿命，推动了退役电池的再利用。

主权项：1.基于AI数据重构和整数优化的退役电池热失控预警方法，其特征在于：该方法包括以下步骤：S1：对正常退役电池进行数据预处理，包括删除爆炸阶段的数据以及将量纲不同特征进行归一化；S2：退役电池管理系统从所述S1预处理后的数据中实时监控得到影响退役电池运行状态的时序变量特征，将所述得到的时序变量特征共同组成多维时序特征；S3：将基于正常退役电池构成的训练样本集得到的多维时序特征中的时序变量标准化后作为基础模型输入的特征变量，训练重构误差基础模型；S4：选择若干组不同正常退役电池训练样本，将每组训练样本重复所述S1-S3，形成若干个重构误差基础模型，即形成初步集成模型，对所述集成模型进行整数优化；S5：将待判断的退役电池样本输入所述S4整数优化的集成模型中，计算所述退役电池样本的重构误差，给定重构误差阈值，判断各基础模型输出y01，根据各基础模型的输出结果计算预警概率。

全文数据：

权利要求：

百度查询： 重庆大学 基于AI数据重构和整数优化的退役电池热失控预警方法

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