申请/专利权人：重庆邮电大学

申请日：2023-12-08

公开（公告）日：2024-04-02

公开（公告）号：CN117805651A

主分类号：G01R31/392

分类号：G01R31/392;G01R31/367;G01R31/378;G06N3/0455;G06N3/0464;G06N3/0985;G06N3/086

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明涉及一种基于L‑TCN与GL‑Former的轻量化锂电池健康状态估计方法，属于新能源技术领域，涉包括以下步骤：S1：采集数据：通过传感器采集真实锂电池充放电数据，包括放电电压、放电电流、电池体温度和电池容量；S2：建立轻量化的改进时间卷积神经网络L‑TCN与全局局部Transformer架构GL‑Former的混合神经网络模型，提取锂电池数据的时间特征和空间特征；S3：采用遗传算法选择最优的模型超参数；S4：将步骤S1的数据和步骤S3的超参数输入到混合神经网络模型中进行训练，得到训练好的锂电池健康状态估计模型，然后基于所述锂电池健康状态估计模型进行电池健康状态预测。

主权项：1.一种基于L-TCN与GL-Former的轻量化锂电池健康状态估计方法，其特征在于：包括以下步骤：S1：采集数据：通过传感器采集真实锂电池充放电数据，包括放电电压、放电电流、电池体温度和电池容量；S2：建立轻量化的改进时间卷积神经网络L-TCN与全局局部Transformer架构GL-Former的混合神经网络模型，提取锂电池数据的时间特征和空间特征；S3：采用遗传算法选择最优的模型超参数；S4：将步骤S1的数据和步骤S3的超参数输入到混合神经网络模型中进行训练，得到训练好的锂电池健康状态估计模型，然后基于所述锂电池健康状态估计模型进行电池健康状态预测。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于L-TCN与GL-Former的轻量化锂电池健康状态估计方法

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