基于深度神经网络的锂电池SOH在线估算方法

    公开(公告)号:CN113406503A

    公开(公告)日:2021-09-17

    申请号:CN202110607933.7

    申请日:2021-06-01

    Applicant: 重庆大学

    Abstract: 本发明公开基于深度神经网络的锂电池SOH在线估算方法,步骤为:1)建立基于深度神经网络的锂电池SOH估算模型;2)对所述基于深度神经网络的锂电池SOH估算模型进行训练,得到锂电池SOH估算优化模型;3)获取待评估锂电池的近全充电过程的锂电池充电片段数据,并输入到锂电池SOH估算优化模型中,完成锂电池SOH估算。本发明提出了基于深度神经网络的SOH在线估算方法,通过随机抽样、标准化等数据预处理方式对输入输出数据进行处理,并通过训练得到最终的SOH估算模型,代入验证集输入,即可得到所对应的SOH值,实现锂电池SOH在线估算,且其估算精度较基于模型的方法提高约10%,满足车企实际应用所需达到的估算精度。

    一种计及储能寿命变化的经济调度结果快速求解方法

    公开(公告)号:CN115841211A

    公开(公告)日:2023-03-24

    申请号:CN202211102801.X

    申请日:2022-09-09

    Applicant: 重庆大学

    Abstract: 本发明公开一种计及储能寿命变化的经济调度结果快速求解方法,1)建立计及大规模储能电池寿命的电力系统经济调度模型;2)对所述电力系统经济调度模型进行线性转换,得到电力系统经济调度线性模型;3)对电力系统经济调度线性模型进行解算,得到经济调度结果与储能寿命之间的函数关系。本发明提出了计及大规模储能电池寿命的电力系统经济调度模型,在传统模型的基础上,引入了储能寿命相关约束,构建了以系统总运行成本为目标函数的电力系统经济调度模型,将储能寿命纳入模型中,提高了调度结果的准确性;提出了基于最优性等价的模型转换方法,将非线性模型转换为线性模型。

    基于自编码器和集成学习储能电池热失控预警方法

    公开(公告)号:CN114676619A

    公开(公告)日:2022-06-28

    申请号:CN202111429219.X

    申请日:2021-11-28

    Applicant: 重庆大学

    Abstract: 本发明公开基于自编码器和集成学习储能电池热失控预警方法,步骤为:1)基于不同训练样本数据,建立若干基于自编码器的储能电池热失控预警基础模型;2)对若干基于自编码器的储能电池热失控预警基础模型进行集成训练,得到储能电池热失控预警模型;3)获取储能电池实时运行数据,并分别输入到每个储能电池热失控预警基础模型中,得到每个储能电池热失控预警基础模型输出的储能电池热失控状态判断结果;4)将所有储能电池热失控状态判断结果输入到储能电池热失控预警模型中,计算储能电池热失控概率。本发明通过建立端到端的数据模型以实现对潜在热失控储能电池的提前预警,弥补了该领域实验方法和机理模型方法的缺陷。

Patent Agency Ranking