一种新能源汽车动力电池性能测试方法及系统技术方案

本发明专利技术公开了一种新能源汽车动力电池性能测试方法及系统，涉及电池检测技术领域，包括：获取电压序列、电流序列与温度序列，基于结构对比学习模型对来自不同样本域的数据进行嵌入对齐，生成统一高维语义特征空间；将统一高维语义特征空间中的特征序列构建为时序张量，输入多尺度卷积残差网络进行重建，生成重建张量；基于重建张量构建扰动特征样本，结合原始样本形成结构一致性训练数据集，并通过图神经网络对原始样本与扰动特征样本进行图谱表示嵌入；将结构一致性训练数据集输入双分支神经网络，生成健康度预测值；本发明专利技术有利于实现在无标签真实运行环境下对新能源汽车动力电池健康状态的高精度、强鲁棒性和可泛化的SOH预测。

【技术实现步骤摘要】

本专利技术涉及电池检测，具体涉及一种新能源汽车动力电池性能测试方法及系统。

技术介绍

1、动力电池作为新能源汽车的核心部件，其性能衰退过程具有高度的非线性、环境依赖性与个体差异性，导致传统依赖统一模型训练的soh（state of health，健康度）预测方法在实际部署中面临显著挑战。现有以监督学习为基础的电池健康建模方法通常依赖标准测试环境中采集的大规模标注数据进行模型训练，但在真实道路运行场景下，所采集的数据样本往往缺乏明确的健康标签，且由于工况多变，电池运行数据在统计分布与语义结构上存在明显的域差异。这种跨样本域的分布不一致性使得已有模型难以泛化应用，严重制约了soh预测能力在工程实践中的落地效果。

2、此外，电池运行数据表现为随时间变化的多维时序序列，包括电压、电流与温度等状态变量，其在寿命演化过程中不仅呈现复杂的短期波动，还包含长期稳定趋势。传统方法多将序列特征直接输入浅层网络或回归模型进行建模，未能有效刻画上下文语义之间的结构关联性，从而限制了模型对非线性衰退模式的表达能力。同时，在实际运行过程中，受限于传感器噪声、环境扰动或局部本文档来自技高网...

【技术保护点】

1.一种新能源汽车动力电池性能测试方法，其特征在于，包括：

2.根据权利要求1所述的新能源汽车动力电池性能测试方法，其特征在于，所述结构对比学习模型的构建方法，包括：

3.根据权利要求2所述的新能源汽车动力电池性能测试方法，其特征在于，对所述目标域样本执行伪标签估计操作，包括：

4.根据权利要求3所述的新能源汽车动力电池性能测试方法，其特征在于，所述多尺度卷积残差网络包括：

5.根据权利要求1所述的新能源汽车动力电池性能测试方法，其特征在于，所述图神经网络的模型结构包括：

6.根据权利要求1所述的新能源汽车动力电池性能测试方法，...

【技术特征摘要】

1.一种新能源汽车动力电池性能测试方法，其特征在于，包括：

2.根据权利要求1所述的新能源汽车动力电池性能测试方法，其特征在于，所述结构对比学习模型的构建方法，包括：

3.根据权利要求2所述的新能源汽车动力电池性能测试方法，其特征在于，对所述目标域样本执行伪标签估计操作，包括：

4.根据权利要求3所述的新能源汽车动力电池性能测试方法，其特征在于，所述多尺度卷积残差网络包括：

5.根据权利要求1所述的新能源汽车动力电池性能测试方法，其特征在于，所述图神经网络的模型结构包括：

6.根据权利要求1所述的新能源汽车动力电池性能测试方法，其特征在于，所述图神经网络的构建方法，如下：

7.根据权利要求6所述的新能源汽车动力电池性能测...

【专利技术属性】
技术研发人员：谢江映，杜景中，谢江利，谢美花，胡玉英，
申请(专利权)人：深圳市仕威新能源有限公司，
类型：发明
国别省市：