公开(公告)号：CN116224081A

公开(公告)日：2023-06-06

申请号：CN202310234840.3

申请日：2023-03-13

Applicant: 中国矿业大学

Inventor： 董新伟 ,  杜秀稳 ,  王志超 ,  陈智勇

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/382 ,  G01R31/3832

Abstract: 本发明公开了一种基于LOF‑Pearson检测多维特征向量的电池SOH估计方法，涉及电池技术领域，包括：获取电池的SOH数据，并对电池SOH数据进行分析，以提取得到多维特征向量；基于局部异常因子算法，对所述多维特征向量进行异常值检测；对经过异常值检测之后的所述多维特征向量进行Pearson相关性分析，并选择强相关性的多维特征向量作为电池健康因子；对所述电池健康因子进行归一化预处理，将归一化后的电池健康因子分为测试集数据和训练集数据；建立神经网络电池SOH估计模型，使用所述训练集数据进行神经网络训练，以所述测试集数据为输入量验证模型准确性。由此，剔除了弱相关性的电池特征向量，选择强相关性多维特征向量作为了电池健康因子，提高了模型预测精度。

公开(公告)号：CN116341375A

公开(公告)日：2023-06-27

申请号：CN202310240397.0

申请日：2023-03-13

Applicant: 中国矿业大学

Inventor： 董新伟 ,  杜秀稳 ,  陈智勇 ,  王志超

IPC: G06F30/27 ,  G06F18/214 ,  G06F119/04

Abstract: 本发明公开了一种基于INFO‑SVR算法的储能电池剩余寿命预测方法，包括：获取储能电池剩余寿命循环数据集；对所述循环数据集进行分析，以得到健康因子；对所述健康因子进行归一化处理，将归一化处理后的所述健康因子分为测试数据和训练数据；基于所述训练数据对初始模型进行训练，并基于所述测试数据对所述初始模型进行验证，以生成INFO‑SVR电池剩余寿命预测模型，其中，所述INFO‑SVR电池剩余寿命预测模型用于预测储能电池的剩余寿命。利用INFO算法的更强的探索、逃避局部最优能力和更快开发收敛速度，有效解决SVR算法中最优超参数取值问题，具有对储能电池状态更佳的预测效果及精度。