公开(公告)号：CN115343621B

公开(公告)日：2024-01-26

申请号：CN202210892542.9

申请日：2022-07-27

申请人： 山东科技大学

发明人： 李旭 ,  王建春 ,  王鹏 ,  修方召 ,  夏玉杭 ,  郑皓天

IPC分类号： G01R31/367 ,  G01R31/392

摘要： 本发明公开了一种基于数据驱动的动力电池健康状态预测方法及设备，属于电动汽车动力电池技术领域，用于解决难以对现有的电动汽车电池的健康状态进行准确的预测，不利于电动汽车的安全运行以及对电池退化规律预测的技术问题。方法包括：采集电动汽车历史时间周期内的电池性能数据，并对电池性能数据进行数据预处理，得到电池运行数据；根据电池运行数据，确定历史健康状态值以及融合健康特征；根据融合健康特征以及历史健康状态值，训练LSTM神经网络模型，得到健康状态评估模型；根据融合健康特征，对预搭建的Prophet模型进行迭代优化计算，得到融合健康特征预测模型；根据融合健康特征预测模型以及健康状态评估模型，得到未来健康状态预测结果。

公开(公告)号：CN115343621A

公开(公告)日：2022-11-15

申请号：CN202210892542.9

申请日：2022-07-27

申请人： 山东科技大学

发明人： 李旭 ,  王建春 ,  王鹏 ,  修方召 ,  夏玉杭 ,  郑皓天

IPC分类号： G01R31/367 ,  G01R31/392

摘要： 本发明公开了一种基于数据驱动的动力电池健康状态预测方法及设备，属于电动汽车动力电池技术领域，用于解决难以对现有的电动汽车电池的健康状态进行准确的预测，不利于电动汽车的安全运行以及对电池退化规律预测的技术问题。方法包括：采集电动汽车历史时间周期内的电池性能数据，并对电池性能数据进行数据预处理，得到电池运行数据；根据电池运行数据，确定历史健康状态值以及融合健康特征；根据融合健康特征以及历史健康状态值，训练LSTM神经网络模型，得到健康状态评估模型；根据融合健康特征，对预搭建的Prophet模型进行迭代优化计算，得到融合健康特征预测模型；根据融合健康特征预测模型以及健康状态评估模型，得到未来健康状态预测结果。