一种计及温度特征的储能电站用锂电池SOH评估方法

    公开(公告)号:CN114879072B

    公开(公告)日:2024-06-25

    申请号:CN202210611884.9

    申请日:2022-05-31

    IPC分类号: G01R31/392 G01R31/367

    摘要: 本发明一种计及温度特征的储能电站用锂电池SOH评估方法,包括:利用采集到的锂电池原始温度数据,每15分钟进行一次筛选和计算,利用离群算法对数据进行筛选,排除异常的数据;根据筛选后的原始数据,计算环境温差,电池模块温升,和基于标准差的不一致性系数表示的舱内温度不一致性,将经过计算的数据在本地数据库进行备份,并上传云端;以时间为标签,将经过计算的结果作为温度特征向量,与储能电池基础运行数据重构成为样本,电池SOH为样本标签;选取80%的样本作为训练集,20%的样本作为测试集,采用卷积神经网络进行深度学习,形成用于判断和预测电池SOH的神经网络;在神经网络成型后,导入新的样本进行计算,实现对储能电站内电池的短期SOH预测。

    一种计及温度特征的储能电站用锂电池SOH评估方法

    公开(公告)号:CN114879072A

    公开(公告)日:2022-08-09

    申请号:CN202210611884.9

    申请日:2022-05-31

    IPC分类号: G01R31/392 G01R31/367

    摘要: 本发明一种计及温度特征的储能电站用锂电池SOH评估方法,包括:利用采集到的锂电池原始温度数据,每15分钟进行一次筛选和计算,利用离群算法对数据进行筛选,排除异常的数据;根据筛选后的原始数据,计算环境温差,电池模块温升,和基于标准差的不一致性系数表示的舱内温度不一致性,将经过计算的数据在本地数据库进行备份,并上传云端;以时间为标签,将经过计算的结果作为温度特征向量,与储能电池基础运行数据重构成为样本,电池SOH为样本标签;选取80%的样本作为训练集,20%的样本作为测试集,采用卷积神经网络进行深度学习,形成用于判断和预测电池SOH的神经网络;在神经网络成型后,导入新的样本进行计算,实现对储能电站内电池的短期SOH预测。