一种基于实际充电数据进行电池SOH估计的方法和系统技术方案

本发明专利技术涉及一种基于实际充电数据进行电池SOH估计的方法和系统，获取电池充电数据；构建深度残差收缩网络模型，将作为训练样本的电池充电数据作为输入，训练深度残差收缩网络模型；将作为待评估电池实际的电池充电数据输入已训练的深度残差收缩网络模型，估计待评估电池的健康状态并输出。这种方法非常适合工业场景中常见的随机不完全充放电情况，大大提高了方法的灵活性和适应性。其次，为缓解纯数据驱动方法对噪声的敏感性，本研究采用了深度残差收缩网络(DRSN)来自动探索隐藏在局部充电曲线中的容量衰减特征，其融合了注意力机制和软阈值，提高评估精度。

【技术实现步骤摘要】

本专利技术涉及电池，尤其涉及一种基于实际充电数据进行电池soh估计的方法和系统。

技术介绍

1、锂离子电池作为重要的储能设备，在电动汽车、移动设备、航空航天和可再生能源存储等多个领域发挥着重要作用。准确的电池容量估算对于状态监控、性能评估和控制策略的制定至关重要。然而，由于电池内部化学和物理过程的复杂性，以及外部操作规程带来的不确定性，精确的容量估算或健康状态(soh)估算在实际工业场景中仍是一项具有挑战性的任务。

2、目前，估算锂离子电池soh的方法主要有两种：模型驱动法和数据驱动法。模型驱动法包括电化学模型和等效电路模型。电化学模型以电池工作原理为基础，建立数学表达式，描述电池正负极、隔膜和电解液之间发生的错综复杂的电化学反应和物理过程。这些模型在估算电池容量方面具有很高的准确性。然而，这些模型需要全面了解电极材料的物理化学特性，并考虑电池的内部和外部工作条件。这些模型的计算求解过程需要消耗大量的计算资源，因此对在线应用来说具有挑战性。相比之下，等效电路模型结构更简单，所需参数更少。然而，它提供了电池内部物理和电化学动态的简化近似值，依赖于本文档来自技高网...

【技术保护点】

1.一种基于实际充电数据进行电池SOH估计的方法，其特征在于，包括：

2.如权利要求1所述的一种基于实际充电数据进行电池SOH估计的方法，其特征在于，所述电池充电数据为恒流充电阶段的数据；

3.如权利要求1所述的一种基于实际充电数据进行电池SOH估计的方法，其特征在于，所述深度残差收缩网络模型包括依次连接的输入层、卷积模块、残差收缩模块和分类识别模块，所述残差收缩模块由至少一个残差收缩单元构成；

4.如权利要求3所述的一种基于实际充电数据进行电池SOH估计的方法，其特征在于，每个所述残差收缩单元包括残差单元、注意力机制单元和软阈值化单元；

...

【技术特征摘要】

1.一种基于实际充电数据进行电池soh估计的方法，其特征在于，包括：

2.如权利要求1所述的一种基于实际充电数据进行电池soh估计的方法，其特征在于，所述电池充电数据为恒流充电阶段的数据；

3.如权利要求1所述的一种基于实际充电数据进行电池soh估计的方法，其特征在于，所述深度残差收缩网络模型包括依次连接的输入层、卷积模块、残差收缩模块和分类识别模块，所述残差收缩模块由至少一个残差收缩单元构成；

4.如权利要求3所述的一种基于实际充电数据进行电池soh估计的方法，其特征在于，每个所述残差收缩单元包括残差单元、注意力机制单元和软阈值化单元；

5.如权利要求3所述的一种基于实际充电数据进行电池soh估计的方法，其特征在于，所述卷积模块和所述残差收缩模块中的卷积操作均采用扩张卷积方式。

6.一种基于实际充电数据进行...

【专利技术属性】
技术研发人员：张宇，李清波，解晶莹，吕桃林，闵凡奇，罗英，王皓靖，方陈，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：