CN119535219A 一种基于mscnn的锂离子电池健康状态估计方法 (新疆大学)_第1页
CN119535219A 一种基于mscnn的锂离子电池健康状态估计方法 (新疆大学)_第2页
CN119535219A 一种基于mscnn的锂离子电池健康状态估计方法 (新疆大学)_第3页
CN119535219A 一种基于mscnn的锂离子电池健康状态估计方法 (新疆大学)_第4页
CN119535219A 一种基于mscnn的锂离子电池健康状态估计方法 (新疆大学)_第5页
已阅读5页,还剩19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MSCNN的锂离子电池健康状态估计本发明涉及一种基于MSCNN的锂离子电池健方法包括:对锂离子电池单体进行老化循环测的数据集也可以进行准确的SOH估计,具有良好2将每一次老化循环过程进行阶段划分,并采集每个阶段中电池对任意的锂离子电池进行所述老化循环测试,循环过程中获取筛4.根据权利要求3所述的方法,其特征在于,所述的健康因子还包括恒流阶段充电时对健康因子与电池容量进行相关性分析,先分别计算各健康因子与电池容量的相关系数,然后筛选出皮尔逊相关系数和斯皮尔曼相关系数均大于0.9的健还包括第一和第二卷积层之间的第一最大池化层,第二和第三卷7.根据权利要求1、5或6中任一项所述的方3[0001]本发明属于锂离子电池技术领域,涉及一种基于MSCNN的锂离子电池健康状态估将其重新用于对健康状态要求较低的锂离子电池储能升趋势,开展电池健康状态评估与预测运维研究对储能系统安全稳定运行具有重要意义。方法无需深入理解电池运行过程中复杂机理和化学变化,也不依赖电化学方面的先验知对不同工况的数据集时可能表现出较差的泛化能力,难以适应实际应用中复杂多变的场4[0007]有鉴于此,本发明的目的在于提供一种基于MSCNN的锂离子电池健康状态估计方构建适合进行锂离子电池健康状态预测任务的MSCNN网络模型,获得更高的锂离子电池健逊相关系数和斯皮尔曼相关系数均大于0.9的5[0023](1)本发明所构建的基于MSCNN的SOH估计模型能有效地从不同尺度的数据中提取[0024](2)本发明所提出的SOH估计模型对不同工况的数据集也可以进行准确的SOH估[0036](1)标称容量阶段具体为,首先测量电池初始容量,然后以1A的恒定电流充电至6i=1,,7[0071]3、计算所得到的健康因子与电池的健康状态的皮尔逊相关性系数以及斯皮尔曼偏度(skewness1~skewness3、skewness,1~skewness,3、skewness″1~skewness″3)和峰度(kurtosis1~包括恒流充电时间、恒压充电时间以及电池完整的充电时间8[0080]该SOH估计模型基于MSCNN构建,MSCNN通过使用多个不同尺度的卷积核来提取锂[0083]在最大池化层3后再使用两个连续卷积层的堆叠,使模型能够提取更复杂的特征9[0092]本发明通过另一实施例验证了SOH估计模型对于同一工况间电池健康状态的估计本实施例中训练集和测试集的划分如图5所示。本实施例采用A组电池来验证SOH估计模型[0095]从表1可以看出,本发明提出的SOH估计模型对于A组电池SOH预测的MAE均低于0.75MAPE均低于0.42RMSE均低于1.04验证了本发明所提出的SOH估计模型的准[0096]本发明通过另一实施例验证了SOH估计模型对于同一工况间当训练集不够充分时[0100]本发明通过另一实施例验证了SOH估计模型在训练集包括不同工况的电池数据时用A组和B组电池中的1~3号电池数据作为训练集,将A组电池中的4~8号电池数据作为测

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。

评论

0/150

提交评论