【技术实现步骤摘要】
本专利技术涉及电池储能，具体涉及一种基于电化学阻抗谱数据的多视图锂电池soh估计方法。
技术介绍
1、国内外针对如何准确估计锂电池soh的问题开展了大量研究，其中电化学阻抗谱数据能够反映电池内部电化学过程，被广泛应用。对电化学阻抗谱模态的特征提取主要有两类方法，分别是基于人工提取特征及自动提取特征。对于人工提取特征在很大程度上依赖于研究人员的先验知识和经验，对于推广普及存在一定的困难。使用神经网络、人工智能等方法进行自动提取特征时，针对电化学阻抗谱数据蕴含复杂的电化学信息，可以通过神经网络的多层非线性变换来学习数据中的特征。这些特征的表示不依赖于先验知识和特征工程，可以基于大量数据进行优化和自适应。
2、然而，目前使用电化学阻抗谱进行锂电池soh估计的方法，估计模型的输入一般为特定频率下的单一角度视图或实部虚部数据，没有通过对不同形式的输入组合形成多角度视图，缺乏实质的融合操作，难以全面挖掘电化学阻抗谱数据中蕴含的电池健康信息。同时，现有多数研究将自动提取特征的神经网络当成黑盒子，没有充分考虑电化学阻抗谱数据不同表达形式构成...
【技术保护点】
1.一种基于电化学阻抗谱数据的多视图锂电池SOH估计方法，其特征在于，其具体步骤如下：
2.根据权利要求1所述的一种基于电化学阻抗谱数据的多视图锂电池SOH估计方法，其特征在于，步骤S2所述根据训练集的阻抗数据生成四种不同的电化学阻抗谱视图，具体方法如下：
3.根据权利要求1所述的一种基于电化学阻抗谱数据的多视图锂电池SOH估计方法，其特征在于，步骤S3所述深度学习特征提取网络由残差学习层、卷积神经网络、注意力层组成，具体提取步骤如下：
4.根据权利要求1所述的一种基于电化学阻抗谱数据的多视图锂电池SOH估计方法，其特征在于，步骤S...
【技术特征摘要】
1.一种基于电化学阻抗谱数据的多视图锂电池soh估计方法，其特征在于，其具体步骤如下：
2.根据权利要求1所述的一种基于电化学阻抗谱数据的多视图锂电池soh估计方法，其特征在于，步骤s2所述根据训练集的阻抗数据生成四种不同的电化学阻抗谱视图，具体方法如下：
3.根据权利要求1所述的一种基于电化学阻抗谱数据的多视图锂电池soh估计方法，其特征在于，步骤s3所述深度学习特征提取网络由残差学习层、卷积神...
【专利技术属性】
技术研发人员：韩晓岚，陈思哲，袁浩亮，杨苓，
申请(专利权)人：广东工业大学，
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。