发明公开
- 专利标题: 一种基于深度学习模型的锂离子电池健康状态诊断方法
-
申请号: CN202110381523.5申请日: 2021-04-09
-
公开(公告)号: CN113009349A公开(公告)日: 2021-06-22
- 发明人: 杜春雨 , 崔邴晗 , 李赛 , 尹鸽平 , 左朋建 , 程新群 , 马玉林
- 申请人: 哈尔滨工业大学
- 申请人地址: 黑龙江省哈尔滨市南岗区西大直街92号
- 专利权人: 哈尔滨工业大学
- 当前专利权人: 哈尔滨工业大学
- 当前专利权人地址: 黑龙江省哈尔滨市南岗区西大直街92号
- 代理机构: 北京慕达星云知识产权代理事务所
- 代理商 符继超
- 主分类号: G01R31/367
- IPC分类号: G01R31/367 ; G01R31/378 ; G01R31/385 ; G01R31/392
摘要:
本发明公开一种基于深度学习模型的锂离子电池健康状态诊断方法,包括:对锂离子电池进行锂离子电池循环老化测试;获取每一循环过程中锂离子电池健康状态真实值;获取在不同环境温度和容量损失下的锂离子电池的开路电压OCV数据;对二阶RC等效电路模型中的电路元件参数进行辨识,并构建锂离子电池寿命特征参量矩阵;建立并训练特征转换的深度学习模型,对待估计锂离子电池进行任意条件下的充放电测试,获得测试数据;对阻抗参数进行辨识,构建锂离子电池特征参量矩阵并作为输入数据,输入到训练后的特征转换的深度学习模型中,获得计算结果,作为待估计锂离子电池的SOH。本发明计算能力强,精度高,适应性宽。
公开/授权文献
- CN113009349B 一种基于深度学习模型的锂离子电池健康状态诊断方法 公开/授权日:2024-01-05