【技术实现步骤摘要】
本专利技术属于电池，具体涉及基于可扩展循环神经网络的锂电池健康诊断方法及系统。
技术介绍
1、交通电动化的可持续发展需要整合高能效和零污染的电动汽车。电动汽车的一个主要问题是它们的性能在很大程度上取决于能源存储系统的寿命、安全性和成本。由于高功率密度、长寿命和低自放电率等优点，锂离子电池已成为最受欢迎的能源存储设备。然而，由于不可逆的副反应导致的活性锂含量损失，电池性能将在反复的充放电操作中下降。电池性能的退化可以通过状态健康和剩余使用寿命来评估，这两个指标是电池系统预测与健康管理中最关键的指标。然而，复杂的退化机制、不可预测的动态应力因素以及退化现象的复杂路径依赖性对准确估计和预测提出了重大挑战。因此，电池管理系统必须准确执行预测与健康管理功能，并使用可测量变量(如电压、电流和温度)来避免安全风险并延长电池寿命。
2、目前实现准确的健康状态估计和剩余使用寿命预测的方法基本上可以分为三类，即经验方法、基于模型的方法和数据驱动方法。
3、经验方法：这些方法旨在建立一种开环经验模型，描述外部应力因素(电压、电流、温度...
【技术保护点】
1.基于可扩展循环神经网络的锂电池健康诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于可扩展循环神经网络的锂电池健康诊断方法，其特征在于，小波分解是将一个离散序列进行多次离散小波变换，每次离散小波变换将数据片段分解为近似分量和细节分量，并多次对得到的近似分量进行离散小波变换，对快充阶段切换段附近电压片段数据进行小波分解的方法包括：
3.根据权利要求1所述的基于可扩展循环神经网络的锂电池健康诊断方法，其特征在于，对所述待选取电池老化特征进行相关度分析的方法包括：
4.根据权利要求1所述的基于可扩展循环神经网络的锂电池...
【技术特征摘要】
1.基于可扩展循环神经网络的锂电池健康诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于可扩展循环神经网络的锂电池健康诊断方法，其特征在于，小波分解是将一个离散序列进行多次离散小波变换，每次离散小波变换将数据片段分解为近似分量和细节分量，并多次对得到的近似分量进行离散小波变换，对快充阶段切换段附近电压片段数据进行小波分解的方法包括：
3.根据权利要求1所述的基于可扩展循环神经网络的锂电池健康诊断方法，其特征在于，对所述待选取电池老化特征进行相关度分析的方法包括：
4.根据权利要求1所述的基于可扩展循环神经网络的锂电池健康诊断方法，其特征在于，高斯过程回归层的核结构利用稀疏来实现高斯过程回归算法的可扩展性，具体过程为：
5.根据...
【专利技术属性】
技术研发人员：董广忠，陈浩楠，沈富康，楼云江，王夷飞，张明明，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
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。