一种基于特征压缩的电池健康状态预测方法技术

本发明专利技术提供了一种基于特征压缩的电池健康状态预测方法，首先依据所使用电池数据集的测试数据，提取电池退化过程中与电流和电压等相关的老化特征，并对其标准化；然后通过主成分分析确定压缩价数并使用t‑分布随机邻近嵌入对高维数据进行低维压缩；然后采用有序密度聚类对压缩数据进行降噪，并还原数据；最后采用遗传算法优化的支持向量回归对电池容量进行预测；本方法在数据压缩过程中不仅保留了老化数据间的全局结构，而且显现了高维数据内部的特征关系；压缩后的降噪过程中，保留了数据的主要结构，使得电池容量的预测更加准确；通过遗传算法的迭代优化，选择最具信息量的电池老化特征，排除对预测无关的特征，提高了模型的泛化能力。

【技术实现步骤摘要】

本专利技术涉及新能源汽车动力电池，具体提出了一种基于特征压缩的电池健康状态预测方法。

技术介绍

1、在全球脱碳过程中，可再生能源和电动汽车技术越来越受到关注。锂离子电池由于其能量密度高、循环寿命长、自放电率低等优势，已成为这些领域首选的储能部件。为了确保电池系统的安全运行和高效性能，电池管理系统(battery management system,bms)在现代电动汽车中起着至关重要的作用。电池管理系统能够监测电池的各项内部状态，如荷电状态(state of charge,soc)，健康状态(state of health,soh)等，以实现对电池系统的全面管理和监控。基于电池的健康状态估计过程，电池管理系统能够评估电池的容量衰减程度和内部电阻变化情况，以准确预测电池的寿命和性能衰减趋势。以帮助用户及时维护和更换电池，保证电动汽车的经济性，可靠性和安全性。

2、传统的锂离子电池健康状态预测方法主要依赖于物理模型或基于数据驱动的模型。然而，这些方法存在一些限制，如测量特征数据的冗余信息和高维度特征存在的维度灾难。为了解决这些问题，特征压缩技术被引本文档来自技高网...

【技术保护点】

1.一种基于特征压缩的电池健康状态预测方法，适用于任意充放电工况下的锂离子电池老化的预测过程，其特征在于，具体步骤如下：

【技术特征摘要】

1.一种基于特征压缩的电池健康状态预测方法，适用于任意充放电...

【专利技术属性】
技术研发人员：马彦，李嘉奇，齐宝慧，马乾，胡云峰，高金武，
申请(专利权)人：吉林大学，
类型：发明
国别省市：