基于稀疏对抗自编码的锂离子电池荷电状态预测方法、介质及设备技术

本发明专利技术提出了一种基于稀疏对抗自编码的锂离子电池荷电状态预测方法、介质及设备，包括：收集不同运行工况下锂离子电池可测变量，并采用安时积分法计算荷电状态；采用自注意力机制捕捉锂离子电池可测变量与SOC之间的全局相关性，并根据相关性分析动态优化滑动窗口尺寸；将滑动窗口内的电池可测变量转换为二维矩阵，建立稀疏对抗自编码提取其深层特征；构建特征熵以估计深层特征复杂度，并根据复杂度数值将深层特征送至极限学习机、最小二乘支持向量机和双向长短期记忆网络等不同的特征分析模型，以实现锂离子电池的荷电状态高精度预测。本发明专利技术显著提高了模型的训练效率，降低了计算复杂度，有效提升了荷电状态预测的精度和稳定性。

【技术实现步骤摘要】

本专利技术属于电池状态诊断，具体涉及一种基于稀疏对抗自编码的锂离子电池荷电状态预测方法、介质及设备。

技术介绍

1、锂离子电池由于其高能量密度、长循环寿命和低自放电率的显著特性，被广泛应用于储能系统、新能源汽车等领域。在电池运行管理过程中，荷电状态(state of charge，soc)与健康状态(state of health，soh)作为衡量电池性能的重要指标，能够实时反映电池的当前充电水平及整体健康状态。然而，这两个状态量属于间接定义量，直接测量较为困难，通常需借助智能算法予以估计。

2、目前，大量研究工作致力于电池soc和soh的独立估计，即在一个状态量确定情况下估计另一个状态量。然而，这类方法忽视了两者之间的耦合关系，这与锂离子电池的实际运行状况并不相符。研究表明，随着锂离子电池老化程度的加剧，soc和soh独立估计的精度将严重下降。相较而言，联合估计方法充分考虑了soc和soh之间的耦合关系，能够更好适应电池状态的非线性变化。基于模型的联合估算方法首先建立等效电路模型，然后使用双观测器分别估计soc和soh，最后通过相互迭代方式实本文档来自技高网...

【技术保护点】

1.基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特征在于，包括：

2.如权利要求1所述的基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特征在于：步骤S1中，所述锂离子电池可测变量包括电压、电流和温度。

3.如权利要求1所述的基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特征在于：步骤S2具体包括如下子步骤：

4.如权利要求1所述的基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特征在于：步骤S3中，所述稀疏对抗自编码包括生成器和辨别器，所述生成器包括卷积编码器和卷积解码器，所述辨别器包括卷积编码器和全连接层；所述稀疏对抗自编码对输入数据...

【技术特征摘要】

1.基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特征在于，包括：

2.如权利要求1所述的基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特征在于：步骤s1中，所述锂离子电池可测变量包括电压、电流和温度。

3.如权利要求1所述的基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特征在于：步骤s2具体包括如下子步骤：

4.如权利要求1所述的基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特征在于：步骤s3中，所述稀疏对抗自编码包括生成器和辨别器，所述生成器包括卷积编码器和卷积解码器，所述辨别器包括卷积编码器和全连接层；所述稀疏对抗自编码对输入数据x的处理过程如下：

5.如权利要求4所述的基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特征在于：步骤s3中，所述损失函数lsaae为：

6.如权利要求1所述的基于稀疏对抗自编码的锂离子电池荷电状态预测方法，其特...

【专利技术属性】
技术研发人员：韩哲哲，钱泽文，姜浩然，汤佳琪，梁瑞宇，包永强，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：