一种基于图表示学习的锂离子电池健康状态估计方法
公开
摘要
本发明公开了一种基于图表示学习的锂离子电池健康状态估计方法。所述方法包括以下步骤：首先收集锂离子电池每次充放电循环中恒流充电阶段、恒压充电阶段或恒流放电阶段的完整曲线；对每次充放电循环中恒流充电阶段、恒压充电阶段或恒流放电阶段的完整曲线进行截取，形成每次充放电循环中恒流充电阶段、恒压充电阶段或恒流放电阶段的新片段；针对新片段，采用极限学习机进行插值预测，建立图表示学习所需的数据库；进行图表示并进行图学习。由于针对锂离子电池健康状态的研究大多侧重于特征工程，健康状态估计的效果，取决于特征选择和处理，而本发明的方法则避免了特征工程的繁重，具有较好的实践意义；另外，本发明亦可较好地指导采样的过程。
基本信息
专利标题 ：
一种基于图表示学习的锂离子电池健康状态估计方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114563710A
申请号 ：
CN202210178594.X
公开（公告）日 ：
2022-05-31
申请日 ：
2022-02-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
杨宁余涛
申请人 ：
华南理工大学
申请人地址 ：
广东省广州市天河区五山路381号
代理机构 ：
广州粤高专利商标代理有限公司
代理人 ：
江裕强
优先权 ：
CN202210178594.X
主分类号 ：
G01R31/367
IPC分类号 ：
G01R31/367 G01R31/378 G01R31/392
IPC结构图谱
G
G部——物理
G01
测量；测试
G01R
测量电变量；测量磁变量
G01R31/367
••其软件，例如 使用建模或查找表进行电池测试
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
