公开(公告)号：CN117406113A

公开(公告)日：2024-01-16

申请号：CN202311272684.6

申请日：2023-09-28

Applicant: 国网福建省电力有限公司 ,  国网福建省电力有限公司电力科学研究院 ,  国网福建省电力有限公司莆田供电公司

Inventor： 范元亮 ,  黄兴华 ,  吴涵 ,  方略斌 ,  朱俊伟 ,  陈伟铭 ,  李泽文 ,  李凌斐 ,  林建利 ,  何锋 ,  梁子康 ,  陈思哲 ,  郑宇

IPC: G01R31/387 ,  G01R31/367 ,  G01R31/392 ,  G06F18/213 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/25

Abstract: 本发明涉及一种基于融合特征的储能电站锂电池SOH估计方法，该方法包括：获取多个同型号锂电池的电压、电流、相对充电容量和SOH数据；根据采集的数据划分训练集和测试集；对训练集和测试集进行特征提取；构建深层神经网络模型DNN，分别用特征训练集和特征测试集对其训练和测试；构建一维卷积神经网络模型CNN，分别用训练集和测试集对其训练和测试；将DNN和CNN输出值进行组合，得到二次训练集和测试集；构建RF模型，用二次训练集和测试集对其训练和测试；DNN和CNN的SOH估计值输入至RF模型得到最终的SOH估计值。该方法泛化能力好，估计精度高。

公开(公告)号：CN117406121A

公开(公告)日：2024-01-16

申请号：CN202311272772.6

申请日：2023-09-28

Applicant: 国网福建省电力有限公司 ,  国网福建省电力有限公司电力科学研究院 ,  国网福建省电力有限公司莆田供电公司

Inventor： 黄兴华 ,  范元亮 ,  吴涵 ,  陈扩松 ,  朱俊伟 ,  李泽文 ,  陈伟铭 ,  林建利 ,  李凌斐 ,  何锋 ,  梁子康 ,  陈思哲 ,  郑宇

IPC: G01R31/392 ,  G01R31/367 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种储能电站锂离子电池的SOH估计方法，所述方法包括：采集锂离子电池满充后的弛豫电压数据和SOH值；从采集数据中提取多个特征和计算一阶差分电压数据；将数据集划分为训练集和测试集；构建LightGBM模型，分别采用训练集和测试集对模型训练和测试；构建一维卷积神经网络CNN，分别采用训练集和测试集对模型训练和测试；将所提取的特征、LightGBM模型和CNN模型估计的SOH值组合成特征数据集；构建线性回归LR模型，利用特征数据集对其训练和测试；将所提取的特征、LightGBM模型和CNN模型估计的SOH值输入至LR模型中，得到最终的SOH估计结果。该方法泛化能力好，估计精度高。

公开(公告)号：CN116908727A

公开(公告)日：2023-10-20

申请号：CN202310868393.7

申请日：2023-07-14

Applicant: 国网福建省电力有限公司 ,  国网福建省电力有限公司电力科学研究院

Inventor： 陈金玉 ,  陈大玮 ,  李智诚 ,  汪震 ,  修晓青 ,  常康 ,  张伟骏 ,  梁子康 ,  邓超平 ,  范元亮 ,  张抒凌 ,  高统彤 ,  郑红旭

IPC: G01R31/392 ,  G01R31/367 ,  G01R31/36 ,  G01R31/396 ,  G01R31/388

Abstract: 本发明公开了一种基于多特征组合的储能电站锂电池容量估计方法，包括对N个同型号的新锂离子电池进行老化测试，构建电池老化测试数据集；对所述电池老化测试数据集进行特征提取，构建特征数据集；搭建多模型组合模型和线性回归模型，用特征数据集训练多模型组合模型；用多模型组合模型输出的估计结果构成新的特征数据集，并用于训练线性回归模型；利用线性回归模型融合多模型组合模型的输出结果估计新锂离子电池的最大可用容量估计结果。本发明仅从电池恒压充电过程中提取特征，充分利用了不同模型对于输入特征和标签值之间的映射能力，为估计精度提供了有效保障。