CN116224071B 一种基于时序特征的电池健康状态估计方法及系统 （福建星云电子股份有限公司）_第1页
CN116224071B 一种基于时序特征的电池健康状态估计方法及系统 （福建星云电子股份有限公司）_第2页
CN116224071B 一种基于时序特征的电池健康状态估计方法及系统 （福建星云电子股份有限公司）_第3页
CN116224071B 一种基于时序特征的电池健康状态估计方法及系统 （福建星云电子股份有限公司）_第4页
CN116224071B 一种基于时序特征的电池健康状态估计方法及系统 （福建星云电子股份有限公司）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于时序特征的电池健康状态估计方本发明提供了电池检测技术领域的一种基取工具对预处理后的各所述充电数据进行特征数据集以及SOH真实值对健康状态估计模型进行2步骤S50、创建一健康状态估计模型，利用所述特征数据第一SOC充电至预设的第二SOC的电压时序数据设定一偏差比例阈值，对所述充电数据中，与均值偏差超过所述偏差特征提取模块，用于利用时序特征提取工具对预处理后的特征数据集构建模块，用于对各所述时序特征进行重要性排特征重组单元，用于对各所述时序特征进行乱序排列后，重要程度计算单元，用于通过随机森林算法计算各所述时序特3设的第一SOC充电至预设的第二SOC的电压时序数据以及电流设定一偏差比例阈值，对所述充电数据中，与均值偏差超过所述偏差4[0002]电池的健康状态(StateofHealth,SOH)定义为电池当前可用容量与初始容量电倍率下，电池从预设的第一SOC充电至预设的第二SOC的电压时序数据以及电流时序数5对各时序特征进行重要性排序和筛选得到特征数据集，再利用特征数据集以及SOH真实值6[0045]步骤S30、利用时序特征提取工具对预处理后的各所述充电数据自动进行特征提[0050]所述SOH真实值是电池在室温环境下静置一段时间后，采用恒流恒压充电至满荷7[0063]即通过Boruta方法对提取的时序特征进行重要性排序和筛选；由于输出的对计算的时序特征进行重要性排序，一般的方法采用pearson相关系数来进行特征重要性择出可以使得模型costfunction最小的特征集合，Boruta算法的意义在于可以更全面[0066]本发明一种基于时序特征的电池健康状态估计系统的较佳实施例，包括如下模8[0074]所述SOH真实值是电池在室温环境下静置一段时间后，采用恒流恒压充电至满荷[0087]即通过Boruta方法对提取的时序特征进行重要性排序和筛选；由于输出的对计算的时序特征进行重要性排序，一般的方法采用pearson相关系数来进行特征重要性9[0089]所述健康状态估计模块中，所述健康状态估计模型基于LightGBM算法创建；L对各时序特征进行重

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论