申请/专利权人:安徽优旦科技有限公司;合肥工业大学
申请日:2024-03-01
公开(公告)日:2024-06-25
公开(公告)号:CN118244116A
主分类号:G01R31/367
分类号:G01R31/367;G01R31/392;G01R31/382;G01K13/00;G06F18/27;G06F18/10;G06F18/213;G06F18/211;G06F18/214
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明公开了一种基于多特征拟合正态分布的电池健康状态评估方法,属于电池检测技术领域。本发明的一种基于多特征拟合正态分布的电池健康状态评估方法,采集电池数据,选择特定的特征样本,对特定的样本进行处理并带入模型进行预测,针对电池健康状态评估的特征优化问题,并设计了一种多特征拟合正态分布的方法,优化了特征样本集,提高模型评估电池状态的效果;同时考虑了多特征之间的相关性及异常特征样本值对样本数据的影响程度,针对性利用3σ多层次筛选和Box‑Cox变换对特征样本集做优化,避免异常因子过度干扰模型结果,最终拟合出数据的正态分布,据此有效评估电池的健康状态。
主权项:1.一种基于多特征拟合正态分布的电池健康状态评估方法,其特征在于,其步骤为,步骤一、对电池数据进行采集,根据电池包的类型、电芯数、充电倍率等基本参数确定电池包分类,采集相同分类中的每个电池包的充电数据,包括电压、电流、温度、时间和充电容量变化;步骤二、对数据进行清洗预处理,对各电芯电压数据清洗,将存在电压采集异常的整条数据剔除,将处理后的数据作为输入的初始样本;步骤三、提取特征样本集,选择电压曲线距离、温度曲线距离、温度上升速率、电压变化量、平台区压差、末端压差和容量变化作为基本特征训练集F1;步骤四、将样本集每个特征样本进行3σ多层次筛选,利用偏离程度剔除异常样本值;步骤五、利用Box-Cox变换处理步骤四获得的每个特征样本形成新的特征样本集,获得特征优化后的训练集F2;步骤六、对变换后的特征训练集做正态分布,并检验正态分布的合理性,最终得到特征样本的正态分布拟合曲线;步骤七、将特征优化前的训练集F1和特征优化后的训练集F2代入梯度提升回归预测模型训练,获得最终的评估模型。
全文数据:
权利要求:
百度查询: 安徽优旦科技有限公司;合肥工业大学 一种基于多特征拟合正态分布的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。