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：华北电力大学
申请日：2024-03-26
公开（公告）日：2024-06-28
公开（公告）号：CN118259157A
主分类号：G01R31/367
分类号：G01R31/367;G06F18/213;G06N3/006;G06N3/0464;G06N3/08;G06F123/02
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明公开一种锂电池的电池容量预测方法、设备、介质及产品，涉及电池容量预测技术领域，方法包括：将采集的样本锂电池的多次充放电循环的中放电电压数据构成第一时间序列集；从每个第一时间序列选择前m个数据构成第二时间序列集；根据欧式距离和皮尔逊相关系数，从第二时间序列集中提取最优shapelet特征；将目标锂电池当前充放电循环中的放电电压数据作为待预测时间序列；根据最优shapelet特征从待预测时间序列中提取目标片段特征；将目标片段特征输入电池容量预测模型得到电池容量预测值；电池容量预测模型是对基于鹈鹕算法优化的广义回归神经网络训练得到的。本发明降低了计算成本的同时提高了电池容量预测效率。
主权项：1.一种锂电池的电池容量预测方法，其特征在于，包括：采集样本锂电池全寿命周期中共k次充放电循环电压数据，将每个充放电循环中放电电压数据作为一个第一时间序列，k个第一时间序列构成第一时间序列集；从所述第一时间序列集中每个第一时间序列选择前m个数据，得到k个第二时间序列，k个第二时间序列构成第二时间序列集；根据欧式距离和皮尔逊相关系数，从第二时间序列集中提取最优shapelet特征；从所述第二时间序列集中每条第二时间序列中提取与所述最优shapelet特征欧式距离最小的shapelet特征，得到k个shapelet特征；将k个shapelet特征作为输入，k个shapelet特征对应的电池容量作为输出，训练基于鹈鹕算法优化的广义回归神经网络模型，得到电池容量预测模型；将目标锂电池当前充放电循环中的放电电压数据作为待预测时间序列；将所述待预测时间序列截取为多个与所述最优shapelet特征长度相同的shapelet特征；计算从所述待预测时间序列中截取的每个shapelet特征与所述最优shapelet特征的欧式距离，将最小欧式距离对应的shapelet特征作为目标shapelet特征；将所述目标shapelet特征输入电池容量预测模型，得到所述目标锂电池的电池容量预测值。
全文数据：
权利要求：
百度查询： 华北电力大学 一种锂电池的电池容量预测方法、设备、介质及产品
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