龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：北京理工大学
申请日：2024-01-18
公开（公告）日：2024-06-21
公开（公告）号：CN118226307A
主分类号：G01R31/392
分类号：G01R31/392;G06F18/213;G06F18/214;G06N3/0464;G06N20/20;G01R31/367
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明提供了一种基于区间容量的电动公交车电池健康状态评估方法，通过依次执行数据提取与预处理、SOH估算以及SOH预测建模流程，可适用于电动公交这一特殊车型的电池系统健康状态评估，并在过程中克服了现有基于安时积分的容量计算中未考虑单位SOC所对应电量非绝对均匀的缺点，从而使评估结果的精确度显著提高，也使该方法具有了更高的泛化性。
主权项：1.一种基于区间容量的电动公交车电池健康状态评估方法，其特征在于：具体包括以下步骤：步骤一、针对采用相同锂离子电池的特定公交车型，提取其在一定区域范围内不同公交线路上运行的历史原始数据；并对历史原始数据中的异常值、空值及数据缺失情况，分别执行相应的数据替换、数据插值与数据填充预处理；步骤二、对预处理后的数据基于其中包含的车辆状态、充电状态、总电流、车速特征项执行数据切分并划分出行驶数据与充电数据，基于充电数据帧确定出充电片段；步骤三、从单位SOC所带表电量是否均匀、符合条件的充电片段数量、充电深度的分布以及电流的稳定性四个方面考虑，确定用于评价SOH的SOC区间；计算各充电片段中与该SOC区间对应的当前区间容量，并依次通过箱型图法与孤立森林方法排除结果中的异常值；将得到的当前区间容量与新车相同SOC区间对应的初始区间容量的比值定义为SOH指标；步骤四、提取与电池电压、电流、SOC、温度以及用车累计特征相关的多个特征参数；对提取的特征参数首先通过计算相关系数来进行初步筛选，在针对初步筛选后保留的特征参数利用反向逐步回归算法再次进行筛选；将最终保留的特征参数构建为用于训练机器学习算法的训练样本集；步骤五、选取多种适合的机器学习算法建立SOH预测模型，以步骤五得到的训练样本为输入步骤四定义的SOH指标为输出，对各机器学习算法进行训练；对训练好的各模型效果进行评价并确定最优的机器学习算法及相应SOH预测模型；步骤六、将步骤五最终确定的SOH预测模型用于电动公交车电池健康状态的在线评估。
全文数据：
权利要求：
百度查询： 北京理工大学 一种基于区间容量的电动公交车电池健康状态评估方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号