公开(公告)号：CN117214751A

公开(公告)日：2023-12-12

申请号：CN202311168117.6

申请日：2023-09-12

Applicant: 广东工业大学

Inventor： 乔振东 ,  陈思哲 ,  李智诚 ,  袁浩亮 ,  许方园

IPC: G01R31/392 ,  G01R31/367

Abstract: 本发明公开一种基于多样本信息融合的锂电池SOH估计方法，所述方法包括：构建锂电池充放电实验数据集D；进行弛豫电压数据多样本信息融合处理；进行弛豫温度数据多样本信息融合处理；进行SOH多样本信息融合处理；基于融合处理后的新样本构建数据集A；数据集划分及归一化处理；搭建基于SKNet的深度学习模型；训练并获得锂电池SOH估计模型。本发明直接对原始数据进行多样本信息融合处理产生新的样本，减少了特征提取导致的信息损失，并增加了单个样本的有效信息，从而提高锂电池SOH估计精度。本发明解决了单一样本包含的数据信息难以准确反映锂电池的SOH状态的问题。

公开(公告)号：CN116973794B

公开(公告)日：2024-04-19

申请号：CN202311143781.5

申请日：2023-09-06

Applicant: 广东工业大学

Inventor： 陈思哲 ,  乔振东 ,  张伟骏 ,  袁浩亮 ,  许方园

IPC: G01R31/392 ,  G01R31/367

Abstract: 本发明公开一种基于不完整充电电压曲线重构的锂电池SOH估计方法，所述方法包括：通过实验获取锂电池实验数据集；数据预处理；训练并获得不完整充电电压曲线重构模型，包括搭建双向NBEATSx模型和对此模型训练及测试；训练并获得锂电池SOH估计模型，包括搭建集成稀疏高斯过程回归模型和对此模型训练及测试；在线估计锂电池SOH。与现有技术相比，本发明可利用随机不完整充电过程的电压数据、温度数据及恒流充电电流值重构出完整充电电压曲线，并从中提取健康特征完成锂电池SOH估计；此外，电压曲线重构可以减小电压传感器噪声对SOH估计精度的影响。

公开(公告)号：CN117214751B

公开(公告)日：2024-04-12

申请号：CN202311168117.6

申请日：2023-09-12

Applicant: 广东工业大学

Inventor： 乔振东 ,  陈思哲 ,  李智诚 ,  袁浩亮 ,  许方园

IPC: G01R31/392 ,  G01R31/367

Abstract: 本发明公开一种基于多样本信息融合的锂电池SOH估计方法，所述方法包括：构建锂电池充放电实验数据集D；进行弛豫电压数据多样本信息融合处理；进行弛豫温度数据多样本信息融合处理；进行SOH多样本信息融合处理；基于融合处理后的新样本构建数据集A；数据集划分及归一化处理；搭建基于SKNet的深度学习模型；训练并获得锂电池SOH估计模型。本发明直接对原始数据进行多样本信息融合处理产生新的样本，减少了特征提取导致的信息损失，并增加了单个样本的有效信息，从而提高锂电池SOH估计精度。本发明解决了单一样本包含的数据信息难以准确反映锂电池的SOH状态的问题。

公开(公告)号：CN116973794A

公开(公告)日：2023-10-31

申请号：CN202311143781.5

申请日：2023-09-06

Applicant: 广东工业大学

Inventor： 陈思哲 ,  乔振东 ,  张伟骏 ,  袁浩亮 ,  许方园

IPC: G01R31/392 ,  G01R31/367

Abstract: 本发明公开一种基于不完整充电电压曲线重构的锂电池SOH估计方法，所述方法包括：通过实验获取锂电池实验数据集；数据预处理；训练并获得不完整充电电压曲线重构模型，包括搭建双向NBEATSx模型和对此模型训练及测试；训练并获得锂电池SOH估计模型，包括搭建集成稀疏高斯过程回归模型和对此模型训练及测试；在线估计锂电池SOH。与现有技术相比，本发明可利用随机不完整充电过程的电压数据、温度数据及恒流充电电流值重构出完整充电电压曲线，并从中提取健康特征完成锂电池SOH估计；此外，电压曲线重构可以减小电压传感器噪声对SOH估计精度的影响。

公开(公告)号：CN119024210A

公开(公告)日：2024-11-26

申请号：CN202411233022.2

申请日：2024-09-04

Applicant: 广东工业大学

Inventor： 洪子扬 ,  乔振东 ,  陈思哲

IPC: G01R31/392 ,  G01R31/378 ,  G01R31/367 ,  G01R31/385

Abstract: 本发明公开一种基于恒压充电时间占比的锂电池SOH估计方法，所述方法包括：首先对电池进行先恒流充电后恒压充电直至充满，期间收集充电的总时间T与恒压充电时间Tcv；将每个电池每次循环的恒压充电时间Tcv除以其充电全过程总时间T，得到每个电池每次循环的恒压充电时间占比Tper作为估计电池SOH的特征。本发明对充电时间进行特征提取，减少了复杂特征的计算量，因此保障了在某些复杂情况下锂电池SOH估计的精度，同时使SOH估计精度不受电压和电流测量误差影响。本发明提出了一种计算成本低、易获取的特征，解决了在现有方法下某些应用场景中现有特征提取方法成本高、复杂度大、以及电压和电流测量误差对电池SOH估计的误差。