申请/专利权人：北方民族大学

申请日：2022-10-05

公开（公告）日：2024-04-09

公开（公告）号：CN117849622A

主分类号：G01R31/367

分类号：G01R31/367;G01R31/378;G01R31/389

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及锂电池故障检测领域，特别是一种基于变分模态分解的锂电池故障诊断系统。旨在提供一种诊断锂电池内短路故障的锂电池故障诊断系统。本发明中根据实施工况建立完整的锂电池充放电模型，采集锂电池的实时电压数据与电流数据，采集锂电池表面温度，计算得锂电池内部温度，利用变分模态分解与支持向量机诊断锂电池内短路故障。变分模态分解突出数据的局部特征，表现出更好地噪声鲁棒性，具有良好的采样效应，将提取的故障特征作为支持向量机模型的输入进行故障诊断，并以锂电池内部温度的诊断为辅助，提高了锂电池内短路故障的准确度。对于提高锂电池产品使用的安全性有重要作用。

主权项：1.一种基于变分模态分解与支持向量机的电池内短路故障检测方法，包括锂电池及锂电池充放电过程，其特征在于：步骤1，建立完整的锂电池充放电模型，采集锂电池的实时电压数据与电流数据，采集锂电池表面温度，计算得锂电池内部温度；其中，锂电池充放电模型包括锂电池充放电单元、锂电池充放电控制单元；步骤2，根据采集的锂电池表面温度计算得锂电池内部温度，进行锂电池内部温度诊断；步骤3，对锂电池实时电压数据变分模态分解，得到预先设置尺度数K个模态分量；步骤4，对步骤3中K个模态分量计算样本熵；步骤5，将步骤4中的样本熵随机拆分为训练集与测试集，把训练集的样本送入支持向量机中学习，得到训练好的支持向量机模型，并将测试集送入训练好的支持向量机模型中；步骤6，利用支持向量机模型输出结果对锂电池内情况进行诊断。

全文数据：

权利要求：

百度查询： 北方民族大学 一种基于变分模态分解与支持向量机的电池内短路故障检测方法

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