-
公开(公告)号:CN119375750A
公开(公告)日:2025-01-28
申请号:CN202411517973.2
申请日:2024-10-29
IPC: G01R31/392 , G01R31/367 , G06Q10/04 , G06N3/0442 , G06N3/0464 , G06F17/18
Abstract: 本发明公开了一种用于安全智能决策的锂离子电池退化预测方法,包括:获取原始测量信号,并且采用一维卷积神经网络模块提取隐藏在原始测量信号中的深层代表性特征;通过双向长短期记忆模块来估计出电池容量;利用核密度估计模块推导每个电池循环阶段预测点的概率密度;基于概率预测信息的维护决策评估每个电池循环阶段不同决策的成本,并选择成本较低的决策。本发明通过构建一维卷积神经网络算法、双向长短期记忆技术和核密度估计方法相结合的集成模型来处理电池容量预测和维护决策中的不确定性,实现基于概率预测信息的锂离子电池安全运行智能分析决策,提高了锂离子电池退化预测的准确性,提升了维护决策的可靠性。
-
公开(公告)号:CN119375742A
公开(公告)日:2025-01-28
申请号:CN202411517989.3
申请日:2024-10-29
IPC: G01R31/387 , G01R31/367 , G06N3/0442 , G06N3/006 , G06N3/048 , G06F17/11
Abstract: 本发明公开了一种基于LSTM的锂离子电池SOC估计方法,包括:采用二阶Thevenin模型,建立锂离子电池的等效电路模型,得到系统状态方程和观测方程;基于系统状态方程和观测方程,采用鲸鱼优化算法在线辨识模型参数;基于参数辨识后的等效电路模型,根据电池内部特性相关的映射,获取到滑动平均电压;将滑动平均电压加入输入端,采用基于LSTM评价方法,根据SOC函数计算获取到锂离子电池SOC估计结果。本发明建立锂离子电池的等效电路模型,采用鲸鱼优化算法在线辨识模型参数,根据实验验证基于LSTM的SOC估计效果,解决了模型精度与复杂度难以兼顾的问题,能够有效提升SOC估计的准确性,有利于提高电池的使用寿命和利用效率。
-
公开(公告)号:CN119377807A
公开(公告)日:2025-01-28
申请号:CN202411517975.1
申请日:2024-10-29
IPC: G06F18/243 , G06F18/214 , G06N3/0475 , G06N3/094 , G06N5/01 , G06N20/20 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种锂离子电池储能系统缓变故障诊断方法,包括:采用二阶Thevenin模型,建立锂离子电池的等效电路模型,得到系统状态方程和观测方程;基于系统状态方程和观测方程,通过故障模拟建立电池组缓变故障等效模型;利用生成对抗网络,生成故障样本;通过lightGBM建立缓变故障诊断模型,利用故障样本对基于lightGBM的缓变故障诊断模型进行训练;通过训练好的缓变故障诊断模型识别锂离子电池储能系统缓变故障。本发明建立锂离子电池的等效电路模型,利用GAN生成故障样本,根据lightGBM建立缓变故障诊断模型识别缓变故障,具有一定的可行性和准确性。
-
-