公开(公告)号：CN117388711A

公开(公告)日：2024-01-12

申请号：CN202311450582.9

申请日：2023-11-02

Applicant: 华侨大学

Inventor： 何霆 ,  张宣梁 ,  朱文龙 ,  熊艺锋 ,  王成 ,  王华珍

IPC: G01R31/367 ,  G01R31/387 ,  G01R31/392 ,  G01R31/396

Abstract: 本发明实施例提供一种电池电量和健康度的联合估计方法、装置、设备和介质，涉及电池管理技术领域。其包含S1、获取电池的运行数据。其中，运行数据包括电池的电流、电压和温度。S2、对运行数据进行预处理，获取预处理数据。其中，预处理包括归一化处理和去除异常值处理。S3、根据预处理数据，进行滑动窗口划分处理，获取电量值评估数据。S4、根据预处理数据，进行长度对齐处理，获取健康度评估数据。S5、将电量值评估数据和健康度评估数据输入预先构建的基于多任务学习的储能电池电量与健康度联合估计模型，获取电池的电量和健康度。其中，基于多任务学习的储能电池电量与健康度联合估计模型包含：SOC编码器、SOH编码器和MMoE多任务学习模型。

公开(公告)号：CN119357643A

公开(公告)日：2025-01-24

申请号：CN202411907318.8

申请日：2024-12-24

Applicant: 厦门禾众汇智科技有限公司 ,  华侨大学

Inventor： 熊艺锋 ,  苏禛毅 ,  陈政宇 ,  何霆 ,  蔡小鹏

IPC: G06F18/213 ,  G06F18/214 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于对比学习的锂离子电池储能系统荷电状态的预测方法，包括：步骤S1，获取电流、电压和温度等系统运行数据；步骤S2，进行数据标准化；步骤S3，输入数据增强模块生成对比样本；步骤S4，利用多尺度编码器对样本进行卷积，获得多尺度表示向量；步骤S5，将表示向量输入多层感知器网络，计算相似度以训练对比学习模型；步骤S6，对待预测数据标准化后输入模型，输出表示向量；步骤S7，将表示向量与运行数据混合；步骤S8，将混合样本输入预测模型，获取荷电状态。