简介:
本发明公开了一种基于图表示学习的锂离子电池健康状态估计方法。所述方法包括以下步骤:首先收集锂离子电池每次充放电循环中恒流充电阶段、恒压充电阶段或恒流放电阶段的完整曲线;对每次充放电循环中恒流充电阶段、恒压充电阶段或恒流放电阶段的完整曲线进行截取,形成每次充放电循环中恒流充电阶段、恒压充电阶段或恒流放电阶段的新片段;针对新片段,采用极限学习机进行插值预测,建立图表示学习所需的数据库;进行图表示并进行图学习。由于针对锂离子电池健康状态的研究大多侧重于特征工程,健康状态估计的效果,取决于特征选择和处理,而本发明的方法则避免了特征工程的繁重,具有较好的实践意义;另外,本发明亦可较好地指导采样的过程。
本发明公开了一种基于图表示学习的
锂离子电池健康状态估计方法。所述方法包括以下步骤:首先收集锂离子电池每次充放电循环中恒流充电阶段、恒压充电阶段或恒流放电阶段的完整曲线;对每次充放电循环中恒流充电阶段、恒压充电阶段或恒流放电阶段的完整曲线进行截取,形成每次充放电循环中恒流充电阶段、恒压充电阶段或恒流放电阶段的新片段;针对新片段,采用极限学习机进行插值预测,建立图表示学习所需的数据库;进行图表示并进行图学习。由于针对锂离子电池健康状态的研究大多侧重于特征工程,健康状态估计的效果,取决于特征选择和处理,而本发明的方法则避免了特征工程的繁重,具有较好的实践意义;另外,本发明亦可较好地指导采样的过程。