一种基于NSGAⅡ-CNN-LSTM的锂离子电池循环寿命早期预测方法及系统

    公开(公告)号:CN119916208A

    公开(公告)日:2025-05-02

    申请号:CN202411751952.7

    申请日:2024-12-02

    Abstract: 本发明公开一种基于NSGAⅡ‑CNN‑LSTM的锂离子电池循环寿命早期预测方法及系统,属于锂离子电池故障预测与健康管理领域。其包括:获取待测锂离子电池的工作数据;将获取的待测锂离子电池的工作数据输入训练后的NSGAⅡ‑CNN‑LSTM模型,输出锂离子电池循环寿命早期预测结果;其中,所述NSGAⅡ‑CNN‑LSTM模型的训练包括:确定锂离子电池循环寿命高相关性的工作数据,并构建工作数据的数据集;搭建NSGAⅡ‑CNN‑LSTM模型,利用构建的数据集对搭建的NSGAⅡ‑CNN‑LSTM模型进行训练,得到训练好的NSGAⅡ‑CNN‑LSTM模型。本发明通过融合NSGAⅡ、CNN和LSTM,提出NSGAⅡ‑CNN‑LSTM模型来处理锂离子电池早期循环寿命预测任务,实验评估表明在不同任务和数据集上的性能优于CNN和LSTM神经网络,可用于快速验证锂电子电池新材料使用寿命以及快速评估锂电子电池新制造工艺的优劣。

    电池健康状态估计方法、装置、设备、存储介质及产品

    公开(公告)号:CN120065039A

    公开(公告)日:2025-05-30

    申请号:CN202510189940.8

    申请日:2025-02-20

    Abstract: 本申请公开了一种电池健康状态估计方法、装置、设备、存储介质及产品,涉及电池健康管理技术领域,方法包括:对采集的退役锂离子电池样本进行预处理,获得不同电池充电状态下的脉冲电压响应数据;将脉冲电压响应数据输入至物理约束扩散模型中,生成脉冲电压响应特征数据;根据脉冲电压响应特征数据和回归模型生成电池健康状态估计模型;根据该估计模型对待评估电池进行健康状态估计。由于本申请通过从多维度的退役锂离子电池样本中提取脉冲电压响应数据,然后通过物理约束扩散模型和回归模型生成电池健康状态估计模型,然后根据估计模型进行电池健康状态估计,能够快速的针对不同维度的退役动力电池的SOH进行准确估计,估计过程能耗低。

Patent Agency Ranking