公开(公告)号：CN117826000A

公开(公告)日：2024-04-05

申请号：CN202410002455.0

申请日：2024-01-02

Applicant: 福建师范大学 ,  福建师范大学协和学院

Inventor： 张文良 ,  卢宇 ,  林兵 ,  母德龙 ,  林辰烨

IPC: G01R31/392 ,  G06F30/27 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/096 ,  G01R31/367 ,  G06F119/04

Abstract: 本发明涉及一种锂离子电池健康状态估计方法，至少包括如下步骤：S1、获取锂离子锂电池数据，从电池数据中提取特征作为锂离子电池健康因子；S2、构建神经网络,并使用源域电池容量进行预训练；S3、应用柔性动态时间归整评估源域和目标域之间的距离与分布差异；S4、通过动态权重平均来实时地改变不同任务在不同训练时期的损失权重；S5、通过损失值的反向传播优化网络参数,得到锂电池的健康状态估计；S6、构建完整模型，通过平均绝对误差和均方根误差作为评价指标，输出估计结果。本发明能够更有效地进行知识转移，更有效地捕捉和学习时间序列之间的共同特征,实现对锂电池SOH的精确可靠估计。

公开(公告)号：CN117825992A

公开(公告)日：2024-04-05

申请号：CN202410009389.X

申请日：2024-01-02

Applicant: 福建师范大学 ,  福建师范大学协和学院

Inventor： 张文良 ,  卢宇 ,  林兵 ,  母德龙 ,  林辰烨

IPC: G01R31/387 ,  G01R31/385 ,  G01R31/367 ,  G06F18/214 ,  G06F18/213 ,  G06F18/23 ,  G06N3/04 ,  G06N3/096

Abstract: 本发明涉及一种锂离子电池电荷状态估计方法，至少包括如下步骤：S1、预处理采集的锂离子电池特征数据；定义源域和目标域，将除目标之电池外的电池定义为源域；将源域电池和目标电池的特征进行聚类，共分成两类，与目标电池同属一类的电池作为预训练数据集；S2、根据源域与目标域之间的相似性选择匹配的源域进行预训练；S3、构建神经网络提取电池的双向时序特征并基于注意力机制处理提取的特征，捕捉时序中的重要信信息；S4、使用MMD方法进行领域自适应，减小源域和目标域的分布差异；S5、通过领域自适应减小域之间的分布，差异优化网络参数，得到锂离子电池的电荷状态估计。

公开(公告)号：CN118759375A

公开(公告)日：2024-10-11

申请号：CN202410915659.3

申请日：2024-07-09

Applicant: 福建师范大学 ,  福建师范大学协和学院

Inventor： 母德龙 ,  陈宏敏 ,  卢宇 ,  林兵 ,  张文良 ,  林辰烨

IPC: G01R31/367

Abstract: 本发明公开一种锂电池荷电状态估计方法，获取锂电池在不同工况下的电池数据集预处理后分为多个源域数据和一个目标域数据，并构建多个由双向LSTM和注意力机制组成的联合网络结构对电池数据集进行预训练阶段和迁移阶段处理得到锂电池荷电状态估计结果在预训练阶段，源域数据分别输入到由双向长短期记忆网络和自注意力机制组成的特征提取器中，得到每个源域的特征值。在迁移阶段，通过多空间特征对齐和最小化估计差异，生成目标域最终的SOC估计值。本发明在不同温度下，不同材料电池下，环境温度变化下的迁移场景中，SOC的估计效果均优于其他传统方法，能够实现准确、可靠的SOC估计。