【技术实现步骤摘要】
一种基于区块链和Informer神经网络的电池组SOH预测系统及方法
[0001]本专利技术属于区块链技术和新能源电动车辆电池组健康状态预测领域,具体涉及一种基于区块链和Informer神经网络的电池组SOH预测系统及方法。
技术介绍
[0002]锂离子电池组通常由上千个电芯串并联组成,均由电池管理系统BMS实时监测管理,测量电池组电流、电压、温度等外特性数据,完成状态估算、热管理、自动均衡、故障诊断等功能,保障电池安全运行。锂离子电池组的充放电是一个复杂的电能、化学能、热能转换过程,具有高度的非线性和不确定性,其性能参数易受环境状况、电池老化、用户使用行为等诸多因素影响,这使得电池组的安全高效运行难以控制,目前尚未形成一套完善的电池管理理论和技术体系。当前电池SOH预测研究主要集中于电芯层面,在实际运用上电池组SOH预测问题亟待解决。电池SOH的准确长序列预测对保障电动车辆安全性有重要意义,也可以为电池组的维护和更换工作提供保障。
技术实现思路
[0003]有鉴于此,本专利技术提供了一种基于区块链和Informer神经网络的电池组SOH预测系统及方法。
[0004]本专利技术是通过以下技术手段实现上述技术目的的。
[0005]一种基于区块链和Informer神经网络的电池组SOH预测方法,具体为:
[0006]联盟区块链对电动车辆及其电池组的公共索引数据提取特征与标签;
[0007]对公共索引数据特征的数据集进行预处理,同标签一起构成数据集X
n
,并 ...
【技术保护点】
【技术特征摘要】
1.一种基于区块链和Informer神经网络的电池组SOH预测方法,其特征在于:联盟区块链对电动车辆及其电池组的公共索引数据提取特征与标签;对公共索引数据特征的数据集进行预处理,同标签一起构成数据集X
n
,并丢弃弱相关特征,得到数据集X
′
n
;利用其他电动车辆的数据集X
′
n
训练基于Informer的神经网络模型;根据电动车辆自身的历史数据对训练后的基于Informer的神经网络模型进行重新校准,对重新校准的基于Informer的神经网络模型,设置预测序列长度,预测电池组的SOH。2.根据权利要求1所述的电池组SOH预测方法,其特征在于,所述特征包括车辆驾驶行为特征、电池组状态特征和电动车辆所在地区的环境特征。3.根据权利要求1所述的电池组SOH预测方法,其特征在于,所述标签为:其中:y
SOH
表示公共索引数据的标签,C
′
T
表示对修正容量C
T
自回归处理的结果,且C
T
=K
T
C
max
,K
T
为温度影响因子,C
max
为电池组当前最大可用容量,C
R
为电池组额定容量,y
N
为第N个充/放电片段的SOH值。4.根据权利要求2所述的电池组SOH预测方法,其特征在于,对公共索引数据特征的数据集进行预处理,包括:对于电池组状态特征中的SOC进行异常检测,当ΔSOC
k+1
‑
ΔSOC
k
<μ时,保留当前SOC值,否则丢弃,其中,ΔSOC
k
是采样时间点k对应的电池SOC,μ为SOC变化率阈值;对于数据集中除SOC之外的特征:将缺失值达到80%以上的特征所在列丢弃,对缺失值在80%以下的进行填充;再对每一列特征进行...
【专利技术属性】
技术研发人员:何志刚,倪祥淦,盘朝奉,张香港,金英洁,郭晓丹,
申请(专利权)人:江苏大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。