您所在的位置: 成果库 基于半监督学习和k均值聚类算法的动力电池SOH估计方法

基于半监督学习和k均值聚类算法的动力电池SOH估计方法

发布时间: 2023-11-22

来源: 科技服务团

基本信息

合作方式: 技术许可
成果类型: 发明专利,新技术
行业领域:
新材料技术
成果介绍
本发明涉及一种基于半监督学习和k均值聚类算法的动力电池SOH估计方法,属于动力电池技术领域。
成果亮点
该方法包括:S1:使用安时积分变体公式,利用基于实车运行的云平台数据计算电池组的标签容量并与线下测试容量对比;S2:根据IC曲线,选取一定电压区间的特征值,利用Pearson相关性分析,选取Pearson相关系数在***以上的特征值作为容量估计模型的输入;S3:利用k均值聚类方法对数据集进行分类,利用高斯过程回归,建立容量估计模型,对每一类具有标签容量的数据进行训练,并为其余数据贴上伪标签,之后将数据集合并,重新训练一个容量估计模型。本发明能提高实际运行中动力电池的SOH估计精度。
团队介绍
重庆大学(ChongqingUniversity,CQU),简称“重大”,是中华人民共和国教育部直属,由教育部、重庆市、国家国防科技工业局共建的全国重点大学,位列国家“双一流”、“211工程”、“985工程”,入选“珠峰计划”、“强基计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”、“卓越工程师教育培养计划”、“卓越法律人才教育培养计划”、国家建设高水平大学公派研究生项目、中国政府奖学金来华留学生接收院校、教育部来华留学示范基地,为卓越大学联盟、中波大学联盟、一带一路高校联盟、“长江—伏尔加河”高校联盟、CDIO工程教育联盟、中国高等戏剧教育联盟成员单位、“国优计划”首批试点高校。
成果资料