申请/专利权人：安徽大学

申请日：2024-01-08

公开（公告）日：2024-04-05

公开（公告）号：CN117826001A

主分类号：G01R31/392

分类号：G01R31/392;G06F18/213;G06F18/25;G06N3/0455;H01M10/613;H01M10/42;H01M10/633;H01M10/48;H01M10/625;G01R31/396;G01R31/367;G01R31/36;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明涉及新能源汽车动力电池工况监测技术领域，更具体的，涉及一种基于时空融合的新能源汽车动力电池热失控预测方法及系统。本发明基于目标动力电池的历史状态数据进行处理，分别从时间特征角度、空间特征角度由历史状态数据中提取出时间特征、空间特征，并进而从时间角度、空间角度预测未来的时间、空间两类状态数据；最后基于预测模型的方差，计算出两类预测状态数据的最佳加权系数，并将两类状态数据进行加权，实现时空融合得到最终的预测值；经过仿真对比，本发明的预测效果比只考虑时间角度的预测方法更贴近真实值。

主权项：1.基于时空融合的新能源汽车动力电池热失控预测方法，其用于对设置在新能源汽车电池箱内的目标动力电池进行状态预测，其特征在于：其包括以下步骤，步骤一，获取目标动力电池的历史状态数据集；其中，历史状态数据的属性包括：温度、电流、电压；历史状态数据集包括：历史温度数据集、历史电流数据集、历史电压数据集；将历史温度数据集当作历史数据集Z1，历史电流数据集当作历史数据集Z2，历史电压数据集当作历史数据集Z3；步骤二，将历史数据集Zi按时间顺序分成两部分，包括：前段数据集后段数据集其中，用于模型训练，用于检验模型训练结果；的时间区间为[t1,t2]、的时间区间为[t2,t3]；i∈{1,2,3}；步骤三，提取的时间特征，并基于该时间特征通过Transformer模型预测t2之后P个时刻的时间状态数据、且该P个时间状态数据的属性与的属性相同；提取的空间特征，并基于该空间特征通过GAT模型预测t2之后P个时刻的空间状态数据、且该P个空间状态数据的属性与的属性相同；步骤四，根据时间状态数据与计算Transformer模型预测误差方差δ1；根据空间状态数据与计算GAT模型预测误差方差δ2；步骤五，基于δ1、δ2计算最佳权系数组合[w1,w2]，并对t3之后的第q个时刻时间状态数据、空间状态数据进行加权，融合得到t3之后的第q个时刻的最终预测状态数据；其中，w1表示时间状态数据的加权系数；w2表示空间状态数据的加权系数。

全文数据：

权利要求：

百度查询： 安徽大学 基于时空融合的新能源汽车动力电池热失控预测方法及系统

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