摘要
本发明分别通过获取退役电池的历史运行数据输入神经网络算法,从而得到退役电池当前容量的历史预估值,同时通过结合特征频率阻抗,得到退役电池当前容量的现有预估值,综合考虑电池在实际工况中的外部参数变化,及电池老化过程中其内部结构和材料的变化,对电池的历史运行数据和特征频率阻抗进行特征筛选,将历史预估值和现有的预估值进行融合获得该退役电池的剩余容量,能够对提高退役锂电池余能检测的准确识别,同时便于后续新电池组的管理,并且减小误差,保证最终模型估算的准确性。
技术关键词
历史运行数据
电化学阻抗谱
快速检测方法
斯皮尔曼相关系数
神经网络算法
锂电池剩余容量
DBSCAN算法
阻抗特征
识别异常数据
特征数据库
组合预测法
快速检测系统
组合预测模型
非线性
样本
邻域
判断误差
系统为您推荐了相关专利信息
配电变压器
电网运行风险
天气预报信息
监测方法
指标
电池组
衰减特征
电化学阻抗谱
分析方法
测试设备校准
自然语言问答
Word2Vec模型
表格
智能构建方法
数据可视化
病毒快速检测方法
戊型肝炎病毒
动物检测技术
磁珠混合液
样本
超声波水表
矫正方法
流体动力学原理
矫正模型
实时数据