[发明专利]一种锂电池剩余寿命预测方法有效
| 申请号： | 201910832555.5 | 申请日： | 2019-09-04 |
| 公开（公告）号： | CN110568359B | 公开（公告）日： | 2021-11-23 |
| 发明（设计）人： | 陈泽华;乔建澍;刘忆恩;陈凯华;刘晓峰 | 申请（专利权）人： | 太原理工大学 |
| 主分类号： | G01R31/367 | 分类号： | G01R31/367;G01R31/392 |
| 代理公司： | 太原晋科知识产权代理事务所(特殊普通合伙) 14110 | 代理人： | 任林芳 |
| 地址： | 030024 *** | 国省代码： | 山西;14 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种锂电池剩余寿命预测方法，运用经验模态分解先对可放电容量进行多尺度分解，然后将分解后的信息使用不同的方法各自预测，最后将结果相加得到锂电池的可放电容量，进而得到锂电池的剩余使用寿命。通过本发明，能够有效的预测电池荷电状态及剩余使用寿命，有较好预测效率和预测精度，有效的判断其未来的工作能力，及时发现问题，避免不必要的麻烦和损失。 | ||
| 搜索关键词： | 一种 锂电池 剩余 寿命 预测 方法 | ||
【主权项】：
1.一种锂电池剩余寿命预测方法，其特征在于，包括：/n步骤一：提取锂电池运行数据中的锂电池容量数据、电流电压温度以及对应的时间数据，作为锂电池剩余寿命预测数据，将锂电池剩余寿命预测数据分成两组，一组为训练集，另一组为测试集；/n步骤二：对锂电池剩余寿命预测数据进行经验模态分解，分解为多个本征模函数，作为锂电池剩余寿命预测数据在不同尺度下的特征；其中，不同尺度下的特征至少包括全局衰减趋势、容量再生数据及局部波动的信息特征；/n步骤三：对长短期记忆网络模型的参数进行设置，将分解得到的本征模函数，输入长短期记忆网络模型进行训练；/n步骤四：对深度神经网络的参数进行设置，使用提取本征模函数后的余量、锂电池运行数据中的电流电压温度以及对应的时间数据，输入深度神经网络模型进行训练；/n步骤五：将锂电池剩余寿命预测数据进行经验模态分解得到的本征模函数、锂电池运行数据中的电流电压温度以及对应的时间数据分别输入训练好的长短期记忆网络模型和深度神经网络模型，将模型输出的结果相加，作为锂电池剩余寿命预测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于太原理工大学，未经太原理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910832555.5/，转载请声明来源钻瓜专利网。
