【技术实现步骤摘要】
一种基于LOF
‑
Pearson检测多维特征向量的电池SOH估计方法
[0001]本专利技术属于电池
，具体涉及一种基于LOF
‑
Pearson检测多维特征向量的电池SOH估计方法。
技术介绍
[0002]随着“双碳”目标的提出，新能源系统飞快发展，对于整个新能源设备系统而言，电池可以有效的平抑光能、风能发电时产的波动性，同时提高新能源利用率和效益。锂离子电池虽然有很多优势，但同时也存在自身一些缺陷。例如，电池使用过程中可能会出现热失控、SOH估计错误、老化以及容量衰减等问题。当电池单体出现故障时，例如内阻增大，该单体在放电过程中产生的热量可能会使得其温度高于其他电池，进而导致整体电池的工作温度不一致，加剧整个电池系统的容量衰退。在严重情况下，单体电池SOH估计的错误可能会导致整个电池系统出现安全问题，对人身和财产造成不必要的损失。
[0003]在目前，有大量学者对使用数据驱动对电池SOH进行优化研究，但如何从大量的电池数据中提取和分析出高质量的健康特征成为了研究重点和难点。...
【技术保护点】
【技术特征摘要】
1.一种基于LOF
‑
Pearson检测多维特征向量的电池SOH估计方法，其特征在于，包括：获取电池的SOH数据，并对所述电池SOH数据进行分析，以提取得到多维特征向量；基于局部异常因子算法，对所述多维特征向量进行异常值检测；对经过异常值检测之后的所述多维特征向量进行Pearson相关性分析，并选择强相关性的多维特征向量作为电池健康因子；对所述电池健康因子进行归一化预处理，将归一化后的电池健康因子分为测试集数据和训练集数据；基于所述训练集数据对预先构建的初始电池SOH估计模型进行训练，并利用所述测试集数据对所述初始电池SOH估计模型进行验证，以生成训练完成的电池SOH估计模型，其中，所述电池SOH估计模型用于对储能电池剩余使用寿命进行预测。2.根据权利要求1所述的方法，其特征在于，其中，所述多维特征向量至少包含以下任一项：充电最高温度；放电最高温度；充电温度平均值；放电温度平均值；放电温度对时间积分量；充电温度对时间积分量；充电时等流降间隔；放电时恒流间隔；等压升时间间隔；等压降时间间隔；充电电流对时间积分量；放电电流对时间积分量。3.根据权利要求1所述的方法，其特征在于，所述基于局部异常因子算法，对所述多维特征向量进行异常值检测，包括：基于LOF值计算公式，计算所述多维特征向量中每个特征点的局部异常因子LOF；判断每个...
【专利技术属性】
技术研发人员：董新伟，杜秀稳，王志超，陈智勇，
申请(专利权)人：中国矿业大学，
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。