-
公开(公告)号：CN117054892B
公开(公告)日：2024-02-27
申请号：CN202311309810.0
申请日：2023-10-11
申请人： 特变电工西安电气科技有限公司 , 特变电工新疆新能源股份有限公司
IPC分类号： G01R31/367 , G01R31/392 , G01R31/396 , G06F30/27 , G06N3/0442 , G06N3/096
摘要： 本发明提供一种储能电站电池健康状态SOH的评估方法、评估装置及管理方法，涉及电池技术领域。所述方法包括：基于神经网络构建SOH评估模型；获取源域数据，并将源域数据训练SOH评估模型，得到源域模型；获取预设数量的目标域数据，并将预设数量的目标域数据重训练源域模型，得到SOH评估的迁移学习模型；基于SOH评估的迁移学习模型评估储能电站目标电池的健康状态。以至少解决相关技术中存在的由于无法获取全面的电池组运行数据训练评估模型，且评估(56)对比文件WO 2021208309 A1,2021.10.21WO 2023027048 A1,2023.03.02WO 2023130776 A1,2023.07.13郑文斌等.基于迁移学习的锂电池SOH估算实验设计《.实验技术与管理》.2022,第39卷(第8期),文第57-58页以及图3.Lei Cai等.Multiobjective Optimizationof Data-Driven Model for Lithium-IonBattery SOH Estimation With Short-TermFeature《.IEEE TRANSAC TIONS ON POWERELECTRONICS》.2020,第35卷(第11期),全文.
-
公开(公告)号：CN117370758A
公开(公告)日：2024-01-09
申请号：CN202311423846.1
申请日：2023-10-31
申请人： 特变电工新疆新能源股份有限公司 , 特变电工西安电气科技有限公司
IPC分类号： G06F18/20 , G06F18/213 , G06F18/23 , G06N3/126 , G01R31/367
摘要： 一种基于启发式优化框架的电池组一致性评估方法、系统、设备及介质，方法包括：提取储能电站电池组中每个电池的电压数据和温度数据，利用提取的电压数据和温度数据，求得电压和温度的方差、香农熵和极差特征，采用遗传算法对提取的电压和温度的方差、香农熵和极差特征，聚类算法和聚类算法参数进行优化，根据优化后的结果，采取混合聚类算法，用于储能电站电池组的一致性评估；系统、设备及介质，用于实现一种基于启发式优化框架的电池组一致性评估方法；本发明提高电池组一致性状态评估的准确性和实用性。
-
公开(公告)号：CN117054892A
公开(公告)日：2023-11-14
申请号：CN202311309810.0
申请日：2023-10-11
申请人： 特变电工西安电气科技有限公司 , 特变电工新疆新能源股份有限公司
IPC分类号： G01R31/367 , G01R31/392 , G01R31/396 , G06F30/27 , G06N3/0442 , G06N3/096
摘要： 本发明提供一种储能电站电池健康状态SOH的评估方法、评估装置及管理方法，涉及电池技术领域。所述方法包括：基于神经网络构建SOH评估模型；获取源域数据，并将源域数据训练SOH评估模型，得到源域模型；获取预设数量的目标域数据，并将预设数量的目标域数据重训练源域模型，得到SOH评估的迁移学习模型；基于SOH评估的迁移学习模型评估储能电站目标电池的健康状态。以至少解决相关技术中存在的由于无法获取全面的电池组运行数据训练评估模型，且评估对象由电池单体改变至电池组时数据分布有区别，使得SOH评估准确性低、评估模型失效的问题。
-
-
搜索结果
3 条记录 (耗时 0.054 秒)
