简介:
本发明一种基于云端协同的锂电池健康状态监测方法及装置,包括:A、锂电池充电过程中,采集锂电池的电压、电流和温度数据,并上传至云端;B、在云端,根据上述电压、电流和温度数据获取锂电池的端电压曲线、电池容量增量曲线和温度差分曲线,针对这些曲线提取若干几何特征和统计特征,并计算各几何特征和统计特征与SoH估计值之间的相关性系数;C、基于步骤B所述的相关性系数及多目标优化算法获取最优的特征组合,该特征组合具有最少特征及最大相关性的特性;D、利用步骤C中获取的最优的特征组合对云端的深度学习模型进行训练,得到SoH估计模型。本发明利用云端的计算资源实现锂电池SoH的在线估计,且估计精度高,具有较强适用性和实用性。
本发明一种基于云端协同的
锂电池健康状态监测方法及装置,包括:A、锂电池充电过程中,采集锂电池的电压、电流和温度数据,并上传至云端;B、在云端,根据上述电压、电流和温度数据获取锂电池的端电压曲线、电池容量增量曲线和温度差分曲线,针对这些曲线提取若干几何特征和统计特征,并计算各几何特征和统计特征与SoH估计值之间的相关性系数;C、基于步骤B所述的相关性系数及多目标优化算法获取最优的特征组合,该特征组合具有最少特征及最大相关性的特性;D、利用步骤C中获取的最优的特征组合对云端的深度学习模型进行训练,得到SoH估计模型。本发明利用云端的计算资源实现锂电池SoH的在线估计,且估计精度高,具有较强适用性和实用性。