公开(公告)号：CN118091424B

公开(公告)日：2024-09-03

申请号：CN202410252193.3

申请日：2024-03-06

Applicant: 北京理工大学

Inventor： 孙潇 ,  张文珂 ,  杨晓光 ,  何洪文 ,  孙逢春

IPC: G01R31/367

Abstract: 本发明提出一种基于化成分容数据的锂电池容量预测方法，包括：根据每个锂电池化成数据的电压时间序列数据与容量时间序列数据计算每个锂电池的IC曲线；对计算得到的IC曲线使用Savitzky‑Golay滤波；获取数据的位置编码与放缩后的IC曲线加和，构造时间序列特征；将时间序列特征整理为上层训练集；使用上层训练集训练上层模型，生成抽象特征；通过抽象特征生成下层模型输入，与锂电池容量成组构成下层模型训练集，对下层模型进行训练；对待预测电池的化成数据通过神经网络模型预测电池容量。本发明提到一种效果更好的特征归一化方法，对化成数据的IC曲线进行归一化后与时间的正弦函数相加得到特征，使得时间的位置特征更加明显，处理后的特征作为上层模型的输入。

公开(公告)号：CN118091424A

公开(公告)日：2024-05-28

申请号：CN202410252193.3

申请日：2024-03-06

Applicant: 北京理工大学

Inventor： 孙潇 ,  张文珂 ,  杨晓光 ,  何洪文 ,  孙逢春

IPC: G01R31/367

Abstract: 本发明提出一种基于化成分容数据的锂电池容量预测方法，包括：根据每个锂电池化成数据的电压时间序列数据与容量时间序列数据计算每个锂电池的IC曲线；对计算得到的IC曲线使用Savitzky‑Golay滤波；获取数据的位置编码与放缩后的IC曲线加和，构造时间序列特征；将时间序列特征整理为上层训练集；使用上层训练集训练上层模型，生成抽象特征；通过抽象特征生成下层模型输入，与锂电池容量成组构成下层模型训练集，对下层模型进行训练；对待预测电池的化成数据通过神经网络模型预测电池容量。本发明提到一种效果更好的特征归一化方法，对化成数据的IC曲线进行归一化后与时间的正弦函数相加得到特征，使得时间的位置特征更加明显，处理后的特征作为上层模型的输入。