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：CN110221221A

公开(公告)日：2019-09-10

申请号：CN201910333005.9

申请日：2019-04-24

Applicant: 吉林大学

Inventor： 马彦 ,  陈阳 ,  朱家俊 ,  刘泓成 ,  陈虹

IPC: G01R31/392

Abstract: 一种锂离子电池荷电状态和健康状态联合估计方法，属于控制技术领域。本发明的目的是提出了一种联合估计动力电池系统SOC与SOH的方法，设计了双滑模观测器进行电池SOC和SOH联合估计，实现了动力电池可用容量和SOC在不确定性环境中的精确联合估计，使得估计结果更加稳定可靠。本发明建立了电池戴维南等效电路模型，基于所建立的电池模型，分析电池模型的可观测性，基于所建立的电池模型，进行了双滑模观测器的设计。本发明建立容量衰减的电池等效电路模型，提高了模型的准确性，考虑了锂离子电池在循环使用过程中的容量变化，提高了估算精度。

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。