-
公开(公告)号:CN118094198B
公开(公告)日:2024-07-05
申请号:CN202410511188.X
申请日:2024-04-26
Applicant: 南昌航空大学
IPC: G06F18/213 , G06N3/0464 , G06N3/08 , G06N3/006 , G01R31/367 , G01R31/378 , G01R31/385 , G01R31/389 , G01R31/392 , G06F123/02
Abstract: 本发明涉及电池管理技术领域,具体涉及一种基于StemGNN的动力电池循环寿命动态调节方法,使用电池内部传感器获取动力电池包中每个电池组在充放电过程中与电芯循环寿命相关的性能参数数据,并构造多变量的时间序列数据,然后利用StemGNN图神经网络根据多变量的时间序列数据计算得到相关权重矩阵并构成图结构;利用图结构进行特征提取,提取循环寿命在频域和时域的空间依赖特征;根据特征提取结果构建损失函数对StemGNN图神经网络进行训练,基于训练好的网络模型对电池组的循环寿命进行预测;并构建充放电功率分配模型,利用改进的粒子群优化算法进行优化求解,自适应调整各电池组间的功率分配,延长动力电池的使用寿命。
-
公开(公告)号:CN118094198A
公开(公告)日:2024-05-28
申请号:CN202410511188.X
申请日:2024-04-26
Applicant: 南昌航空大学
IPC: G06F18/213 , G06N3/0464 , G06N3/08 , G06N3/006 , G01R31/367 , G01R31/378 , G01R31/385 , G01R31/389 , G01R31/392 , G06F123/02
Abstract: 本发明涉及电池管理技术领域,具体涉及一种基于StemGNN的动力电池循环寿命动态调节方法,使用电池内部传感器获取动力电池包中每个电池组在充放电过程中与电芯循环寿命相关的性能参数数据,并构造多变量的时间序列数据,然后利用StemGNN图神经网络根据多变量的时间序列数据计算得到相关权重矩阵并构成图结构;利用图结构进行特征提取,提取循环寿命在频域和时域的空间依赖特征;根据特征提取结果构建损失函数对StemGNN图神经网络进行训练,基于训练好的网络模型对电池组的循环寿命进行预测;并构建充放电功率分配模型,利用改进的粒子群优化算法进行优化求解,自适应调整各电池组间的功率分配,延长动力电池的使用寿命。
-