一种锂离子电池健康状态估计方法、系统、设备及介质
技术特征:
1.一种锂离子电池健康状态估计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的锂离子电池健康状态估计方法,其特征在于,所述获取锂离子电池每个充放电循环恒流充电阶段的电池健康状态、电压、电流、容量、采样时间数据过程为:
3.根据权利要求1所述的锂离子电池健康状态估计方法,其特征在于,所述容量增量曲线为:
4.根据权利要求1所述的锂离子电池健康状态估计方法,其特征在于,所述基于分段聚合近似算法对所述容量增量曲线进行处理,生成短序列容量增量数据曲线的过程为:
5.根据权利要求1所述的锂离子电池健康状态估计方法,其特征在于,所述基于gaf算法将所述的短序列容量增量数据曲线进行转化,生成图片数据的过程为:
6.根据权利要求1所述的锂离子电池健康状态估计方法,其特征在于,所述生成融合综合特征的过程为:
7.根据权利要求1所述的锂离子电池健康状态估计方法,其特征在于,所述lstm模型为:
8.一种锂离子电池健康状态估计系统,其特征在于,基于权利要求1-7任一项所述的锂离子电池健康状态估计方法,包括:
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的锂离子电池健康状态估计方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的锂离子电池健康状态估计方法的步骤。
技术总结
本发明提供一种锂离子电池健康状态估计方法、系统、设备及介质,包括以下步骤:采集锂离子电池在充放电循环恒流充电阶段的电压、电流、容量和对应的采样时间数据;基于所述的电压、电流、容量和对应的采样时间数据得到容量增量曲线;基于分段聚合近似算法对所述容量增量曲线进行处理,生成短序列容量增量数据曲线;基于GAF算法将所述的短序列容量增量数据曲线进行转化,生成图片数据;采用2DCNN网络从所述图片数据中提取第一维度特征,利用1DCNN网络从容量增量曲线中提取第二维度特征,基于特征融合网络将所述第一维度特征和第二维度特征进行融合,生成融合综合特征;基于LSTM模型将所述融合综合特征进行训练,输出健康状态估计结果。
技术研发人员:耿莉敏,赵扬,胡循泉,舒俊豪,山世玉,赵卫艳,尉小龙
受保护的技术使用者:长安大学
技术研发日:
技术公布日:2024/11/21
文档序号 :
【 40071528 】
技术研发人员:耿莉敏,赵扬,胡循泉,舒俊豪,山世玉,赵卫艳,尉小龙
技术所有人:长安大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:耿莉敏,赵扬,胡循泉,舒俊豪,山世玉,赵卫艳,尉小龙
技术所有人:长安大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
