CN119395563A 基于频域分析的电池健康状态快速估计方法及系统 （浙江高泰昊能科技有限公司）

地址310000浙江省杭州市莫干山路14基于频域分析的电池健康状态快速估计方本发明公开了基于频域分析的电池健康状运行数据输入至频域预测神经网络内进行电池预测神经网络是通过获取历史锂电池运行数据以及对应的锂电池健康状态数据作为样本集训频域分析与低资源消耗，提高电池管理系统SOH2将所述锂电池运行数据输入至频域预测神经网络内进行电池健康状态数据作为样本集训练神经网络所得的，所述神经网络包括依序连接的数据处理将所述锂电池运行数据输入至频域预测神经网络内，对所述锂电池将所述锂电池运行数据输入至频域预测神经网络内，对所述锂述频域预测神经网络是通过获取历史锂电池运行数据以及对应的锂电池健康状态数据作3对所述样本集内的历史锂电池运行数据对所述神经网述频域预测神经网络采用均方根误差作为网络性能预测单元，用于将所述锂电池运行数据输入至频域预测神经网络45利用所述零填充层对所述插值后的频域数据进行零填充操作，以得到零填充结[0008]其进一步技术方案为：所述将所述锂电池运行数据输入[0010]其进一步技术方案为：所述利用所述复值线性层对所述利用所述复值线性层对所述滤波结果通过线性矩阵乘法和矩阵加法进行频域插利用所述零填充层对所述插值后的频域数据的两端添加零值，以得到零填充结6[0019]图1为本发明实施例提供的基于频域分析的电池健康状态快速估计方法的应用场图2为本发明实施例提供的基于频域分析的电池健康状态快速估计方法的流程示图3为本发明实施例提供的基于频域分析的电池健康状态快速估计方法的子流程图4为本发明实施例提供的基于频域分析的电池健康状态快速估计系统的示意性[0024]请参阅图1和图2，图1为本发明实施例提供的基于频域分析的电池健康状态快速估计方法的应用场景示意图。图2为本发明实施例提供的基于频域分析的电池健康状态快7[0025]图2是本发明实施例提供的基于频域分析的电池健康状态快速估计方法的流程示满电状态放电至需要重新充电为止。每次充放电循环都会对电池内部结构造成一定磨损，[0032]S120、将所述锂电池运行数据输入至频域预测神经网络内进行电池健康状态预[0036]在本实施例中，处理结果是指锂电池运行数据执行可逆实例归一化后所得的结8叶变换将原始信号从时域转换到了频域。傅里叶变换的核心思想是将一个复杂的波动形9在频域内操作往往比在时域中更为简单和高效。许多信号处理算法，例如快速傅里叶变换关于系统响应、噪声特性和其他关键属性的深刻见解，这对于工程设计和技术开发非常有价值。成分是不需要的，可能是由于它们代表了不必要的噪声或者是对最终输出没有贡献的信如何对频域上的振幅进行缩放以及调整相位。其工作原理基于简单的线性变换公式：域中回溯窗口与输出序列长度的比例。这一特性保证了处理前后的时间分辨率保持一致，练过程中采用了梯度下降法来进行参数更新，并选择了均方根误差作为性能评估指标。[0084]对于连续时间信号，傅里[0092]通过对变换后的信号应用上述能量补偿机制，补偿因处使得最终得到的预测结果更接近实际情况。增强模型对于不同输入数据的适应性和鲁棒[0099]在本实施例的方法获取在多个放电周期内的锂电池运行数据并进行处理后得到电池健康状态，然后将这些数据输入基于傅里叶变换和高频滤波的频域预测网络FFS中进[0101]图4是本发明实施例提供的一种基于频域分析的电池健康状态快速估计系统300明还提供一种基于频域分析的电池健康状态快速估计系统300。该基于频域分析的电池健康状态快速估计系统300包括用于执行上述基于频域分析的电池健康状态快速估计方法的康状态数据作为样本集训练神经网络所得的，所述神经网络包括依序连接的数据处理层、池健康状态快速估计系统300和各单元的具体实现过程，可以参考前述方法实施例中的相[0110]上述基于频域分析的电池健康状态快速估计系统300可以实现为一种计算机程序[0113]该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序获取历史锂电池运行数据以及对应的锂电池健康状态数据作为样本集训练神经网络所得[0118]在一实施例中，处理器502在实现所述将所述锂电池运行数据输入至频域预测神[0119]在一实施例中，处理器502在实现所述将所述锂电池运行数据输入至频域预测神[0121]在一实施例中，处理器502在实现所述利用所述复值线性层对所述滤波结果进行利用所述复值线性层对所述滤波结果通过线性矩阵乘法和矩阵加法进行频域插[0122]在一实施例中，处理器502在实现所述利用所述零填充层对所述插值后的频域数利用所述零填充层对所述插值后的频域数据的两端添加零值，以得到零填充结[0123]在一实施例中，处理器502在实现所述频域预测神经网络是通过获取历史锂电池[0126]应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessingUnit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器微处理器或者该处理器也可以是任何常规的[0127]本领域普通技术人员可以理解的是实现上述实施例的方利用所述复值线性层对所述滤波结果通过线性矩阵乘法和矩阵加法进行频域插利用所述零填充层对所述插值后的频域数据的两端添加零值，以得到零填充结是通过获取历史锂电池运行数据以及对应的锂电池健康状态数据作为样本集训练神经网