申请/专利权人:烟台大学
申请日:2024-01-12
公开(公告)日:2024-04-12
公开(公告)号:CN117872154A
主分类号:G01R31/367
分类号:G01R31/367;G01R31/387;G06N3/0464;G06N3/0985
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于改进时间卷积网络的锂电池剩余充电时间估计方法,包括:数据获取及数据预处理,获取锂离子电池特征数据,包括源域数据和目标域数据;将数据按比例划分为训练集和测试集;搭建源域改进时间卷积网络模型,将源域数据训练集输入神经网络进行训练,训练过程中设计加入动态学习率DLR机制和提前终止策略ES提升模型收敛速度和精度;根据最大均值差异对源网络模型进行调整,将测试数据输入模型进行剩余充电时间估计。本发明能够通过时间卷积网络模型结构和参数,减少网络训练时间,提高效率。
主权项:1.一种基于改进时间卷积网络的锂电池剩余充电时间估计方法,其特征在于包括:获取锂离子电池特征数据,包括源域数据和目标域数据;将锂离子电池特征数据分为训练集和测试集;搭建源域改进时间卷积网络模型,将源域数据训练集输入源域改进时间卷积网络模型进行训练,在训练过程中加入动态学习率DLR机制和提前终止策,将锂离子电池特征测试集输入完成训练的源域改进时间卷积网络模型进行测试,采用均方根误差、平均绝对误差、平均绝对百分比作为预测结果的评价指标,如果该源域改进时间卷积网络模型测试不合格,则调整源域改进时间卷积网络模型的网络参数直至测试结果达到设定要求,则保存训练好的网络模型架构和网络参数;采用完成训练的源域改进时间卷积网络模型对锂电池剩余充电时间进行预估。
全文数据:
权利要求:
百度查询: 烟台大学 一种基于改进时间卷积网络的锂电池剩余充电时间估计方法
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。