一种基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法及系统技术方案

本申请公开一种基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法及系统，涉及电池健康状态评估领域，方法包括：基于锂离子电池样本的充电数据，提取三个维度的健康特征；利用皮尔逊相关系数对三个维度的健康特征进行筛选，选择与电池健康状态强相关的健康特征作为强相关特征，将强相关特征与对应的电池健康状态标签组成特征‑标签；基于锂离子电池样本多次充放电循环后确定的特征‑标签，构建样本集；搭建基于卷积神经网络、长短期记忆网络和多头注意力机制的组合神经网络模型，利用样本集训练组合神经网络模型；利用训练后的组合神经网络模型确定目标锂离子电池对应的健康状态。本申请能够精准确定锂离子电池的健康状态。

【技术实现步骤摘要】

本申请涉及电池健康状态估计，特别是涉及一种基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法及系统。

技术介绍

1、锂离子电池由于寿命长、充电速度快、能量密度高等优点被广泛应用于电动汽车和储能系统。

2、随着充放电循环次数的增加，锂离子电池内部的电化学反应将会减弱，导致电池老化、性能下降、可用容量减少等问题。当锂离子电池的实际可用容量过低时，还容易发生热失控进而导致起火。因此，准确估计电池健康状态是合理规划锂离子电池管理策略、保证锂离子电池系统安全稳定运行的重要基础。

3、目前，基于特征提取及神经网络的锂离子电池健康状态估计方法受到广泛关注和研究。但目前常用的锂离子电池健康状态估计方法往往使用单一维度的特征和单一类型的神经网络模型，这种单一的方式难以准确捕捉锂离子电池的健康状态。

技术实现思路

1、本申请的目的是提供一种基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法，能够精准确定锂离子电池的健康状态。

2、为实现上述目的，本申请提供了如下方案：

<本文档来自技高网...

【技术保护点】

1.一种基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法，其特征在于，所述基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法包括：

2.根据权利要求1所述的基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法，其特征在于，所述时间特征包括恒流充电时间、恒压充电时间、等电压区间电压升高时间和等电流区间电流下降时间。

3.根据权利要求2所述的基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法，其特征在于，所述恒流充电时间为充电开始至充电电流开始下降所经历的时间；所述恒压充电时间为充电电压升至充电截止电压到充电阶段终止所经历的时间；所述等...

【技术特征摘要】

1.一种基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法，其特征在于，所述基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法包括：

2.根据权利要求1所述的基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法，其特征在于，所述时间特征包括恒流充电时间、恒压充电时间、等电压区间电压升高时间和等电流区间电流下降时间。

3.根据权利要求2所述的基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法，其特征在于，所述恒流充电时间为充电开始至充电电流开始下降所经历的时间；所述恒压充电时间为充电电压升至充电截止电压到充电阶段终止所经历的时间；所述等电压区间电压升高时间为恒流充电阶段电压从3.7v上升至3.8v的时间；所述等电流区间电流下降时间为恒压充电阶段电流从1.0a下降至0.5a经历的时间。

4.根据权利要求1所述的基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法，其特征在于，所述统计特征包括充电阶段电流的均方根、峰度和偏度，以及充电阶段电压的均方根、峰度和偏度。

5.根据权利要求1所述的基于多维特征提取与深度神经网络的锂离子电池健康状态确定方法，其特征在于，所...

【专利技术属性】
技术研发人员：张宇宁，苏泓臣，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：