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。