摘要
本发明涉及锂离子电池健康状态估算技术领域,具体公开了一种考虑温度和充电电流的锂离子电池健康状态估计方法,首先将恒流充电曲线划分为多个分段,提取每个分段的容量增量序列作为健康特征来表征电池退化;然后开发一个并联混合网络,结合TCN、Transformer和注意机制的优势,有效地捕捉健康特征中的局部和全局模式。本发明采用元学习来提高锂离子电池的健康状态SOH在不同工作温度、充电电流和电池化学性质下的适应性。本发明有效降低了在交叉温度和充电电流条件下的最大估计误差。当应用于不同的电池类型时,对老化数据的需求减少了50%,具有鲁棒泛化性、高精度和强大的现实应用潜力。
技术关键词
注意力机制
并行神经网络
时间卷积网络
混合网络
锂离子电池
序列
融合局部特征
数据
电压
分段
模型预训练
深度学习算法
估计误差
特征数
融合特征
系统为您推荐了相关专利信息
智能分拣方法
条码图像
多尺度特征提取
包裹
热力图
空间结构特征
拓扑图
时间序列特征
卷积神经网络模型
监控指标数据