[发明专利]一种锂电池健康状况的梯度提升树建模与预测方法有效
| 申请号： | 201810445799.3 | 申请日： | 2018-05-11 |
| 公开（公告）号： | CN108896914B | 公开（公告）日： | 2020-08-04 |
| 发明（设计）人： | 刘毅;许婷婷;杨超;徐东伟;杨建国;宣琦 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G01R31/367 | 分类号： | G01R31/367;G01R31/392 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种锂电池健康状况的梯度提升树建模与预测方法，包括以下步骤：1)监测锂电池充电和放电过程并提取特征：在锂电池的充电和放电过程中，通过传感器监测并记录电池的参数数据，并从数据中提取特征；2)对提取到的特征进行选择：采用GBT模型进行预训练，得到特征在建立模型过程中的特征重要性，根据特征重要性对特征进行排序并选择排名靠前的特征；3)建立梯度提升树模型进行训练并评估：利用经过选择的特征建立梯度提升树模型并进行训练，采用五折交叉验证和网格搜索方法对模型的超参数进行选择和调优，最后对模型的预测性能进行评估。本发明从锂电池充电与放电过程中提取相关特征，实现对SoH的准确预测。 | ||
| 搜索关键词： | 一种 锂电池 健康状况 梯度 提升 建模 预测 方法 | ||
【主权项】：
1.一种锂电池健康状况的梯度提升树建模与预测方法，其特征在于，所述方法包括以下步骤：1)监测锂电池充电和放电过程并提取特征在锂电池的充电和放电过程中，通过传感器监测并记录电池的参数数据，并从数据中提取特征；2)对提取到的特征进行选择采用GBT模型进行预训练，得到特征在建立模型过程中的特征重要性，根据特征重要性对特征进行排序并选择排名靠前的特征；3)建立梯度提升树模型进行训练并评估利用经过选择的特征建立梯度提升树模型并进行训练，采用五折交叉验证和网格搜索方法对模型的超参数进行选择和调优，最后对模型的预测性能进行评估。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810445799.3/，转载请声明来源钻瓜专利网。
