公开(公告)号：CN119150131A

公开(公告)日：2024-12-17

申请号：CN202411165798.5

申请日：2024-08-23

Applicant: 南京工程学院

Inventor： 韩哲哲 ,  姜浩然 ,  钱泽文 ,  汤佳琪 ,  朱昊 ,  童莹 ,  许传龙

IPC: G06F18/2415 ,  G01R31/367 ,  G01R31/36 ,  G01R31/385 ,  G01R31/389 ,  G06F18/211 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/094 ,  G06F123/02

Abstract: 本发明公开了一种基于集成深度学习的锂离子电池荷电状态预测方法、存储介质、设备及计算机程序产品，包括：收集锂离子电池在不同运行工况下的锂离子电池可测变量数据，将其进行预处理，并采用安时积分法计算锂离子电池的荷电状态；基于锂离子电池的电压、电流与荷电状态之间的互信息计算锂离子电池的平均电压和平均电流，从而构建锂离子电池可测变量五元组，并为每个锂离子电池可测变量五元组添加荷电状态标签；建立深度学习网络，即卷积对抗自编码网络，并通过卷积对抗自编码网络提取锂离子电池可测变量五元组的空间特征；构建集成学习网络，将提取的空间特征作为集成学习网络的输入，预测出锂离子电池荷电状态，实现了锂离子电池荷电状态的高精度预测。

公开(公告)号：CN118938024A

公开(公告)日：2024-11-12

申请号：CN202411298092.6

申请日：2024-09-14

Applicant: 南京工程学院

Inventor： 韩哲哲 ,  钱泽文 ,  姜浩然 ,  汤佳琪 ,  梁瑞宇 ,  包永强

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明提出了一种基于稀疏对抗自编码的锂离子电池荷电状态预测方法、介质及设备，包括：收集不同运行工况下锂离子电池可测变量，并采用安时积分法计算荷电状态；采用自注意力机制捕捉锂离子电池可测变量与SOC之间的全局相关性，并根据相关性分析动态优化滑动窗口尺寸；将滑动窗口内的电池可测变量转换为二维矩阵，建立稀疏对抗自编码提取其深层特征；构建特征熵以估计深层特征复杂度，并根据复杂度数值将深层特征送至极限学习机、最小二乘支持向量机和双向长短期记忆网络等不同的特征分析模型，以实现锂离子电池的荷电状态高精度预测。本发明显著提高了模型的训练效率，降低了计算复杂度，有效提升了荷电状态预测的精度和稳定性。