基于电化学老化机理和数据驱动的储能锂电池SOH估算方法

    公开(公告)号:CN114942392B

    公开(公告)日:2024-03-22

    申请号:CN202210393541.X

    申请日:2022-04-14

    摘要: 本发明提供一种基于电化学老化机理和数据驱动的储能锂电池SOH估算方法。方法包括:采集锂电池在老化循环下的运行数据并预处理,获得电压、电流数据;建立单粒子模型并在不同老化循环下采用LDW‑PSO算法辨识正负极固相最大锂离子浓度;建立不同循环的IC、DV曲线,并提取曲线中的特征参数以量化LLI及LAM;将正负极固相最大锂离子浓度、LLI及LAM集合作为输入,电池SOH作为输出,建立BP模型;选择电池的部分循环及全部循环的集合分别作为两个BP模型的输入,实现该电池剩下循环以及同款电池所有循环下的SOH估算。该方法能够实现适用于工程数据的电池SOH估算,便于在全寿命周期下对锂电池进行健康管理。

    基于YOLO V8模型的光伏板异常检测方法

    公开(公告)号:CN118212185A

    公开(公告)日:2024-06-18

    申请号:CN202410274428.9

    申请日:2024-03-11

    摘要: 基于YOLO V8模型的光伏板异常检测方法,包括以下步骤:通过无人机采集光伏板图像;对光伏板图像进行收集并预处理;将预处理后的光伏板图像数据传输到服务器;基于YOLO V8模型在服务器端设置预测模型,对服务器传输来的光伏板图像进行预测;基于YOLO V8模型在服务器端设置训练模型,通过光伏板图像数据集合中正反样例的路径,训练模型将光伏板图像数据集合中的正反样例规范化,并且通过内置的目标函数训练;通过上述步骤,实现光伏板异常检测。该方法修改了YOLO V8模型中的采样方式,结合现有的可变形卷积的方法和修改过后的激活函数,能够很好地适应光斑变形多样性的问题;可变形卷积较常规的固定形态卷积可以更好地适应不同的感受野,提升采样效果。