龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：武汉理工大学
摘要：本发明公开了一种基于CNN‑BiGRU神经网络的全钒液流电池故障诊断方法。它包括如下步骤：设计实验工况，采集各工况充放电实验下的样本数据，每个所述样本数据由电池电压、电流、流量和SOC数据构成；数据预处理；搭建CNN‑BiGRU神经网络模型，对CNN‑BiGRU神经网络模型进行训练，获得离线电压预测模型，并对CNN‑BiGRU神经网络模型进行评估，优化模型的部分超参数；对离线电压模型进行在线学习，获得最终电压预测模型；从最终电压预测模型得到预测电压值，将预测电压值与运行电压值相减，获得电压残差；比较电压残差与故障阈值，判定新电池是否出现故障。本发明构建了适用于钒电池的故障诊断模型，故障诊断精度高，误报率低。
主权项：1.一种基于CNN-BiGRU神经网络的全钒液流电池故障诊断方法，其特征在于，包括如下步骤：S1对全钒液流电池进行多工况充放电实验，并按照设定的采样频率采集各工况充放电实验下的样本数据，每个所述样本数据由电池电压、电流、流量和SOC数据构成；S2将采集到的样本数据分别划分为训练集数据和测试集数据，分别将训练集数据和测试集数据中的电流、流量和SOC数据作为神经网络的输入特征，将训练集数据和测试集数据中的电压作为神经网络的输出特征；并对训练集数据和测试集数据中的每个特征逐一进行归一化操作，再进行切片处理；S3搭建CNN-BiGRU神经网络模型，使用训练集数据对CNN-BiGRU神经网络模型进行训练，获得离线电压预测模型，使用测试集数据对CNN-BiGRU神经网络模型进行评估，优化模型的部分超参数；S4将离线电压预测模型部署在全钒液流新电池之前，采集部分新电池运行数据，对离线电压模型进行在线学习，获得最终电压预测模型；S5在最终电压预测模型中输入全钒液流新电池实时运行的流量、电流和SOC，得到预测电压值，将预测电压值与传感器实际采集全钒液流新电池获得的运行电压值相减，将差值的绝对值作为电压残差；若电压残差大于设定的故障阈值，则判定新电池出现故障；否则，新电池正常。
全文数据：
权利要求：
百度查询： 武汉理工大学 基于CNN-BiGRU神经网络的全钒液流电池故障诊断方法
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