公开(公告)号：CN118483614B

公开(公告)日：2024-11-15

申请号：CN202410586687.5

申请日：2024-05-13

Applicant: 安徽大学

Inventor： 陈媛 ,  黄小贺 ,  穆朝絮 ,  陈宇飞 ,  徐淙

IPC: G01R31/392 ,  G01R31/367 ,  G01R31/396 ,  G06F18/10 ,  G06F18/23213 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/096 ,  G06N3/045 ,  G06N3/0499

Abstract: 本发明涉及电池SOH估计及应用技术领域，解决了由于电池实际工况和实验室测试工况差异较大，导致计算的SOH值误差较大的技术问题，尤其涉及一种新能源汽车的动力电池SOH估计方法、系统、应用方法及电子设备，包括：对电池数据进行数据清洗得到电池运行数据；提取电池运行时的健康指标并进行聚合以及关联度分析得到多维度关键特征；将多维度关键特征输入至CNN‑Transformer模型中，通过迁移学习建立SOH数字孪生模型。本发明能够准确有效的实时估计电池单体及电池组的SOH，可以解决深度学习算法模型及机理模型实时性差的问题，实现实车SOH的精准估计，对电池管理系统安全可靠运行具有重要意义。

公开(公告)号：CN118483614A

公开(公告)日：2024-08-13

申请号：CN202410586687.5

申请日：2024-05-13

Applicant: 安徽大学

Inventor： 陈媛 ,  黄小贺 ,  穆朝絮 ,  陈宇飞 ,  徐淙

IPC: G01R31/392 ,  G01R31/367 ,  G01R31/396 ,  G06F18/10 ,  G06F18/23213 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/096 ,  G06N3/045 ,  G06N3/0499

Abstract: 本发明涉及电池SOH估计及应用技术领域，解决了由于电池实际工况和实验室测试工况差异较大，导致计算的SOH值误差较大的技术问题，尤其涉及一种新能源汽车的动力电池SOH估计方法、系统、应用方法及电子设备，包括：对电池数据进行数据清洗得到电池运行数据；提取电池运行时的健康指标并进行聚合以及关联度分析得到多维度关键特征；将多维度关键特征输入至CNN‑Transformer模型中，通过迁移学习建立SOH数字孪生模型。本发明能够准确有效的实时估计电池单体及电池组的SOH，可以解决深度学习算法模型及机理模型实时性差的问题，实现实车SOH的精准估计，对电池管理系统安全可靠运行具有重要意义。