基于前馈神经网络的蓄电池健康状态预测方法

发明专利有效专利

申请号：
CN202211137882.7
IPC分类号：G01R31/392;G01R31/367;G06N3/04;G06N3/08
申请日期：
2022-09-19
申请人：
南方电网科学研究院有限责任公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于前馈神经网络的蓄电池健康状态预测方法
申请号	CN202211137882.7	申请日期	2022-09-19
法律状态	公开	申报国家	中国
公开/公告日	2022-11-22	公开/公告号	CN115372852A
优先权	暂无	优先权号	暂无
主分类号	G01R31/392	IPC分类号	G;0;1;R;3;1;/;3;9;2;;;G;0;1;R;3;1;/;3;6;7;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	南方电网科学研究院有限责任公司	申请人地址	广东省广州市萝岗区科学城科翔路11号J1栋3、4、5楼及J3栋3楼变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南方电网科学研究院有限责任公司	当前权利人	南方电网科学研究院有限责任公司
发明人	刘芹;甘国晓;王颂;莫熙喆;丁泽俊;罗日平;张巍;邹林
代理机构	北京集佳知识产权代理有限公司	代理人	许庆胜

摘要

本发明公开了基于前馈神经网络的蓄电池健康状态预测方法，包括在蓄电池组连接负载的情况下，获取蓄电池组中各蓄电池的老化特性参数，根据老化特性参数构建各蓄电池的特性参数向量；其中，老化特性参数至少包括开路电压、环境温度、第一谷点电压和第二谷点电压，第二谷点电压大于第一谷点电压，并根据老化特性参数计算得到第一电压差和第二电压差，根据第一电压差和第二电压差得到各蓄电池的压差向量；将特性参数向量和压差向量作为输入数据，输入到训练好的前馈神经网络模型中，输出各蓄电池的健康状态估计值；根据各蓄电池的健康状态估计值预测各蓄电池的健康状态。本发明能够在不断开电池负载的情况下，提升蓄电池健康状态检测的准确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供