Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南通大学李俊红获国家专利权

南通大学李俊红获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南通大学申请的专利一种基于融合神经网络的锂离子电池SOC估计方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114487845B

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210038879.3,技术领域涉及:G01R31/367;该发明授权一种基于融合神经网络的锂离子电池SOC估计方法是由李俊红;蒋泽宇;李磊;褚云琨;宗天成;袁银龙;李政;芮佳丽;严俊;张泓睿设计研发完成,并于2022-01-13向国家知识产权局提交的专利申请。

一种基于融合神经网络的锂离子电池SOC估计方法在说明书摘要公布了:本发明提供了一种基于融合神经网络的锂离子电池SOC估计方法,属于锂离子电池技术领域。解决了目前电池容量的SOC估计难估计的技术问题。其技术方案为:步骤1将全新锂电池充满电,测取SOC从1到0的锂离子电池的端电压、电流、温度;步骤2对测取的数据进行预处理;步骤3使用2DCNN卷积神经网络对新的数据集进行训练和测试,实现SOC实时估计。本发明的有益效果为:本发明在数据集中加入估计的电池容量数据,能够拥有更高的估计精度,相比较LSTM,不会将误差一直记忆;并且,短的历史数据长度也能拥有更快的估计速度;相较使用3DCNN来估计SOC,能够减少运算量并且减少不必要的误差输入,从而拥有更高的精度。

本发明授权一种基于融合神经网络的锂离子电池SOC估计方法在权利要求书中公布了:1.一种基于融合神经网络的锂离子电池SOC估计方法,其特征在于,包括以下步骤: 步骤1在变化的温度下,将全新锂电池充满电,然后通过恒流放电实验、DST工况放电实验、FUDS工况放电实验和US06工况放电实验,反复测取SOC从1到0的锂离子电池的端电压、电流、温度; 步骤2对测取的数据进行预处理,构建用于估计电池容量的3DCNN训练数据集和测试数据集,并利用3DCNN卷积神经网络估计出的电池容量构建新的数据集; 所述步骤2具体包括如下步骤: 步骤2-1对测取的数据进行归一化处理,各种工况实验的电池对象相同,电压电流变化范围不同,先对各种工况的数据单独进行预处理,采用如下公式对输入数据进行归一化处理: 其中,aij为第i个输入的第j个数据点,amin是第i个输入数据的最小值,amax是第i个输入数据的最大值,xinij是aij进行归一化处理后的数据; 输出为锂电池的SOC,SOC的范围在0到1之间,不需要进行归一化处理; 步骤2-2数据归一化处理后,发掘一个放电周期中各个输入数据间的联系和相邻放电周期之间的联系,使用如下的方法构建数据集,首先将一个放电周期中的测量值截取成若干个长度为n的数据,如下所示: 其中,xij表示输入数据集中第i个输入的第j帧数据,3DCNN卷积神经网同时输入一个时间戳上的多帧数据,通过选取同一放电时间段上的连续j个放电周期的电压电流数据作为3DCNN的一个输入,数据集中,T表示电池工作时的温度,U表示电池两端的电压,I表示电池通过的电流,t表示放电的时间,则xij对应的输出yi为tn时刻第3帧的电池容量值; 步骤2-3对于一个总循环充放电次数N、单放电周期t=m的工况放电实验,为了发掘每一个放电周期内前后输入数据间的联系和相邻放电周期之间输入数据的联系,使用padding方法对边缘数据进行扩充,总共生成N×m组大小为3×4×10的输入数据,对应的N×m个SOC值为输出数据,不同工况的输入输出数据合并成为总数据集; 步骤2-4选用一个放电工况前80%的数据作为训练数据集,后20%的数据作为测试数据集,用作3DCNN的训练和测试数据; 步骤2-5针对锂离子电池容量估计开发的3DCNN卷积神经网络架构包括:一个输入层Input、三个卷积层C、两个全连接层F和一个输出层Output; 步骤2-6卷积层和全连接层全部使用relu函数进行激活,输出层使用tanh函数进行激活,并进行映射; 步骤2-7加入电池容量的估计,构建新输入数据集,新的数据集大小为5×10,输出数据集为tn时刻对应的SOC值; 步骤3使用2DCNN卷积神经网络对新的数据集进行训练和测试,实现最终的SOC实时估计; 所述步骤3具体包含如下步骤: 步骤3-1针对锂离子电池SOC估计开发的2DCNN卷积神经网络架构包括:一个输入层、三个卷积层、两个全连接层和一个输出层; 步骤3-2卷积层和全连接层全部使用relu函数进行激活,输出层使用tanh函数进行激活,并进行映射。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南通大学,其通讯地址为:226019 江苏省南通市崇川区啬园路9号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。