公开(公告)号：CN116879751A

公开(公告)日：2023-10-13

申请号：CN202310697497.6

申请日：2023-06-13

Applicant: 北京理工大学

Inventor： 林倪 ,  王震坡 ,  温爽 ,  张照生

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/396 ,  G01R31/378 ,  G01R31/00 ,  G06F18/10 ,  G06F18/214 ,  G06N20/00

Abstract: 本发明提供了一种适用于V2G电动汽车用锂电池的健康状态评估方法，以新能源实车大数据为基础设置用于表征锂电池SOH的表征参数并计算其参考值，同时提取出与表征参数高度相关的多种运行特征参数共同构建训练样本集，还创新性地引入了NGBoost模型建立SOH估计框架，使训练好的模型对SOH估计精确性和稳健性均明显优于现有的机器学习方法。

公开(公告)号：CN118731702A

公开(公告)日：2024-10-01

申请号：CN202410513892.9

申请日：2024-04-26

Applicant: 北京理工大学

Inventor： 林倪 ,  温爽 ,  王震坡 ,  张照生

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/396 ,  G01R31/00 ,  B60L58/16 ,  G06F18/214 ,  G06N3/084

Abstract: 本发明提供了一种基于大数据和混合机器学习的实车锂电池SOH估计方法，通过将CatBoost嵌入作为NGBoost算法的基学习器，提供了一种新的N‑CatBoost提升算法框架，能够综合两种算法的优势，使CatBoost的高效处理分类特征和防止过拟合的能力与NGBoost的预测不确定性评估能力都得以充分发挥，从而显著提升了锂电池SOH的估计精度。