摘要
本申请涉及锂电池监测领域,其具体地公开了一种锂离子电池安全性的监测方法,其通过从电池管理系统获取预设时间窗口内的电池荷电状态、电压和充放电电流等状态参数数据,来动态计算电池内阻数据。接着,进一步引入基于深度学习的智能预测算法,通过对电池内阻数据与上述电池状态参数数据进行时序联合分析,以预测当前锂离子电池在正常状态下的预期表面温度,进而,基于电池预期的正常表面温度数据与实际监测到的表面温度数据之间的偏差,动态评估电池的安全状态并进行相应的安全预警。该方法通过综合考虑电池多维状态特征,能够适应不同工况下的电池安全监测需求,突破传统阈值监测的局限性,实现更为可靠的故障预警。
技术关键词
编码向量
电池状态参数
锂离子电池
电池表面温度
监测方法
序列
语义
预测残差
内阻
表面温度数据
注意力机制
电池管理系统
动态
时序
电池荷电状态
邻域
LSTM模型
监测需求
系统为您推荐了相关专利信息
注意力机制
自然语言
生成方法
语义向量
中文文本
压敏电阻组合
编码向量
工况参数
电机电路
直流永磁有刷电机
变电站场景
变化监测方法
变电站监测技术
语义
标记
面部
基础
工作状态数据
员工状态监测系统
二值化图像
服务质量监测方法
情绪识别模型
服务质量评估
语音
文本