公开(公告)号：CN118501713A

公开(公告)日：2024-08-16

申请号：CN202410639810.5

申请日：2024-05-22

Applicant: 上海交通大学

Inventor： 印铭鑫 ,  阎威武 ,  祝孟根 ,  韩永强 ,  黎灿兵 ,  杨根科

IPC: G01R31/367 ,  G01R31/392 ,  G06F18/214 ,  G06F18/20 ,  G06N3/0895 ,  G06N3/0455

Abstract: 本发明提供了一种基于半监督学习的锂电池电化学阻抗谱预测方法和系统，包括：步骤1：收集不同老化状态下的锂电池恒流充电曲线，对其进行划分，将划分后的充电曲线片段作为训练集样本；步骤2：将训练集分为带有电化学阻抗谱标签的充电曲线片段数据集和无标签的充电曲线片段数据集；步骤3：搭建深度学习模型并进行训练，最小化电化学阻抗谱预测和充电曲线片段重构的联合损失；步骤4：应用训练后的深度学习模型对未知的充电曲线片段进行电化学阻抗谱预测。本发明实现了对锂电池满电状态下阻抗谱的高精度估计，即便在标签数据稀缺的情况下，也能有效预测电池的电化学阻抗，具有良好的应用前景和推广价值。

公开(公告)号：CN118501712A

公开(公告)日：2024-08-16

申请号：CN202410639787.X

申请日：2024-05-22

Applicant: 上海交通大学

Inventor： 印铭鑫 ,  阎威武 ,  祝孟根 ,  韩永强 ,  王鹏 ,  杨根科

IPC: G01R31/367 ,  G01R31/392 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/096 ,  G06F17/11

Abstract: 本发明提供了一种模型与数据融合的锂电池状态参数估算方法和系统，包括：收集不同情况的锂电池在恒流充电情况下的完整曲线数据并进行分割，生成多个充电数据片段，作为深度学习模型训练数据；对深度学习模型进行训练，学习从充电数据片段还原出完整的充电曲线，并建立充电曲线片段与完整充电曲线之间的映射关系；接收实时采集的电池充电片段数据，输出预测的完整充电曲线；从输出的完整充电曲线中提取电池的关键状态参数，进行电池性能评估和健康监控；对深度学习模型进行微调和更新。本发明通过结合深度学习技术和锂电池的物理特性，能够在保证模型训练方向正确性的同时，有效缩短模型的收敛时间，降低过拟合风险，并显著提升预测精度。