申请/专利权人:合肥工业大学
申请日:2024-03-05
公开(公告)日:2024-06-11
公开(公告)号:CN118169571A
主分类号:G01R31/367
分类号:G01R31/367;G01R31/392
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.28#实质审查的生效;2024.06.11#公开
摘要:本发明公开一种电池包SOH在线预测方法及系统,方法包括采集电池管理系统记录的特征数据并将所述特征数据划分为第一特征数据和第二特征数据;基于所述第一特征数据采用梯度回归模型进行训练完成SOH估计,得到SOH估计值;将所述SOH估计值作为灰色预测模型的输入,得到所述第二特征数据的第一SOH值;利用训练好的梯度回归模型对所述第二特征数据进行处理,得到所述第二特征数据的第二SOH值;对所述第一SOH值和所述第二SOH值进行加权求和,得到所述第二特征数据的SOH估计结果;将所述第二特征数据的SOH估计结果与实际采集的SOH值对比,优化得到SOH修正模型以用于电池包SOH值的在线预测。
主权项:1.一种电池包SOH在线预测方法,其特征在于,所述方法包括:采集电池管理系统记录的特征数据并将所述特征数据划分为第一特征数据和第二特征数据,所述特征数据包括充电时间、充电电量、放电时间、行驶里程、放电电量及SOH值;基于所述第一特征数据采用梯度回归模型进行训练完成SOH估计,得到SOH估计值;将所述SOH估计值作为灰色预测模型的输入,得到所述第二特征数据的第一SOH值;利用训练好的梯度回归模型对所述第二特征数据进行处理,得到所述第二特征数据的第二SOH值;对所述第一SOH值和所述第二SOH值进行加权求和,得到所述第二特征数据的SOH估计结果;将所述第二特征数据的SOH估计结果与实际采集的SOH值对比,优化得到SOH修正模型以用于电池包SOH值的在线预测。
全文数据:
权利要求:
百度查询: 合肥工业大学 电池包SOH在线预测方法及系统
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。