摘要
本发明公开了一种基于多源片段信息的锂离子电池健康状态估计方法和系统,属于锂离子电池的技术领域,所述方法包括在锂离子电池每个充放电循环的恒流充电阶段中选择随机的片段SOC区间,获取片段SOC区间的信息,并进行增量容量分析,将对应SOC区间充电容量的方差和平均差作为电气老化特征;在锂离子电池所有充放电循环中随机选择若干个阶段,并进行EIS测试,以获取阻抗信息;使用DRT测试对阻抗信息进行分析,并将设定时间段内的豫弛函数峰值作为阻抗老化特征;构建HAMN健康状态估计模型,利用HAMN健康状态估计模型进行未知锂离子电池的电池健康状态估计;本发明能够避免信息缺失,从而提高对锂离子电池健康状态评估的精确性。
技术关键词
老化特征
状态估计模型
健康状态信息
锂离子电池
Tikhonov正则化
深度神经网络
电池健康状态
深度网络结构
电气
特征提取模块
局部注意力机制
时间段
频率
矩阵
阶段
序列
系统为您推荐了相关专利信息
状态保护方法
直流配电
异常数据
递推最小二乘法
状态估计模型
混合储能系统
容量优化配置方法
液流电池储能
锂离子电池储能
锂电
锂离子电池热失控
热失控风险
预警方法
电池包
电池表面温度
电池温度预测方法
温度预测模型
电池结构
充放电数据
机器学习模型