公开(公告)号：CN114580262B

公开(公告)日：2024-07-12

申请号：CN202111367429.0

申请日：2021-11-18

Applicant: 吉林大学

Inventor： 马彦 ,  单策 ,  姚美好 ,  朱家俊 ,  高金武 ,  陈虹

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/084 ,  G06F119/04 ,  G06F119/08 ,  G06F119/12

Abstract: 本发明提供一种锂离子电池健康状态预测方法，具首先提取电池充电过程与电池老化相关的健康因子；在采用灰色关联分析法对提取的健康因子与电池容量之间的相关性进行分析，将相关性等级高的健康因子划分源域数据集和目标域数据集；再采用迁移学习方法将不同数据集的数据转换到相同的特征空间，在最大均值差异的基础上采用迁移成分分析对特征进行迁移和降维，实现在知识迁移的同时尽可能地减小计算负担，解决对于不同数据集需要对机器学习模型进行重新训练或重新建模的问题，提高了计算效率；最后采用长短时记忆神经网络进行电池SOH估计，预测精度高，提高估计准确性。

公开(公告)号：CN114662784A

公开(公告)日：2022-06-24

申请号：CN202210382004.5

申请日：2022-04-13

Applicant: 吉林大学

Inventor： 马彦 ,  单策 ,  姚美好 ,  于昊智 ,  高金武 ,  胡云峰

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种锂离子电池寿命的早期预测方法，属于新能源汽车动力电池技术领域。本发明的目的是从电池容量尚未发生明显下降的早期循环数据中，提取早期老化特征用于电池的寿命预测，以降低数据提取及处理过程工作负担的锂离子电池寿命的早期预测方法。本发明步骤是：锂离子电池早期老化特征提取，快速搜索聚类的早期老化特征筛选，锂离子电池早期寿命预测。本发明用于实现电池寿命的预测，进而对达到失效阈值的电池进行及时更换，保障电池的安全使用。

公开(公告)号：CN114662784B

公开(公告)日：2024-08-16

申请号：CN202210382004.5

申请日：2022-04-13

Applicant: 吉林大学

Inventor： 马彦 ,  单策 ,  姚美好 ,  于昊智 ,  高金武 ,  胡云峰

IPC: G06F18/23 ,  G06F18/213 ,  G06N3/084 ,  G06N3/048 ,  G06N3/0499

Abstract: 一种锂离子电池寿命的早期预测方法，属于新能源汽车动力电池技术领域。本发明的目的是从电池容量尚未发生明显下降的早期循环数据中，提取早期老化特征用于电池的寿命预测，以降低数据提取及处理过程工作负担的锂离子电池寿命的早期预测方法。本发明步骤是：锂离子电池早期老化特征提取，快速搜索聚类的早期老化特征筛选，锂离子电池早期寿命预测。本发明用于实现电池寿命的预测，进而对达到失效阈值的电池进行及时更换，保障电池的安全使用。

公开(公告)号：CN114580262A

公开(公告)日：2022-06-03

申请号：CN202111367429.0

申请日：2021-11-18

Applicant: 吉林大学

Inventor： 马彦 ,  单策 ,  姚美好 ,  朱家俊 ,  高金武 ,  陈虹

IPC: G06F30/27 ,  G06N3/04 ,  G06F119/04 ,  G06F119/08 ,  G06F119/12

Abstract: 本发明提供一种锂离子电池健康状态预测方法，具首先提取电池充电过程与电池老化相关的健康因子；在采用灰色关联分析法对提取的健康因子与电池容量之间的相关性进行分析，将相关性等级高的健康因子划分源域数据集和目标域数据集；再采用迁移学习方法将不同数据集的数据转换到相同的特征空间，在最大均值差异的基础上采用迁移成分分析对特征进行迁移和降维，实现在知识迁移的同时尽可能地减小计算负担，解决对于不同数据集需要对机器学习模型进行重新训练或重新建模的问题，提高了计算效率；最后采用长短时记忆神经网络进行电池SOH估计，预测精度高，提高估计准确性。