本公开提供一种基于数字孪生的电池检测和维护方法及装置,所述方法包括获取在线检测单元获取的目标电池的实时运行数据；根据所述实时运行数据,通过预先训练好的单体电池数字孪生模型以及电池运行状态分析预测模型,确定所述目标电池的维护参数；根据所述目标电池的维护参数对所述目标电池进行维护。本公开的基于数字孪生的电池检测和维护方法能够用以实时在线监测蓄电池组的工作状态,对电压相对落后的单体电池进行在线充电维护,对电压相对超前的单体电池进行在线放电维护,从而保证蓄电池组各单体电池之间具有较好的一致性。

本发明公开了一种燃料电池的剩余寿命预测方法及装置,其中,燃料电池由多个单体组成,燃料电池的剩余寿命预测方法包括：获取燃料电池在运行工况期间的参数数据；参数数据至少包括电压、电流、单体电压、空气进气流量、空气进气压力和冷却水入口温度；根据参数数据获取融合健康指标；并根据融合健康指标获取燃料电池的健康状态值；获取燃料电池在运行工况期间内的行为；行为至少包括启动、停止、变载和故障急停；根据时间、健康状态值和行为训练长短期记忆神经网络模型；并根据长短期记忆神经网络模型预测燃料电池的剩余寿命。本发明提供的技术方案,可实现在行车工况下对燃料电池的剩余寿命的精准预测。

本发明公开基于深度神经网络的锂电池SOH在线估算方法,步骤为：1)建立基于深度神经网络的锂电池SOH估算模型；2)对所述基于深度神经网络的锂电池SOH估算模型进行训练,得到锂电池SOH估算优化模型；3)获取待评估锂电池的近全充电过程的锂电池充电片段数据,并输入到锂电池SOH估算优化模型中,完成锂电池SOH估算。本发明提出了基于深度神经网络的SOH在线估算方法,通过随机抽样、标准化等数据预处理方式对输入输出数据进行处理,并通过训练得到最终的SOH估算模型,代入验证集输入,即可得到所对应的SOH值,实现锂电池SOH在线估算,且其估算精度较基于模型的方法提高约10％,满足车企实际应用所需达到的估算精度。

本发明提供了一种基于机器学习的缺陷电池筛选方法、设备及介质,包括获取待测电池在高温下的开路电压、交流内阻和自放电率；高温自放电异常初筛和复筛；待测电池容量异常筛选；获取待测电池常温下的开路电压、交流内阻和自放电率；常温自放电异常初筛和复筛；待测电池内阻异常筛选；待测电池异常中筛选。本发明基于机器学习算法采用滑动筛选机制对待测的电池进行数据采集、分析、筛选,同时设置复筛机制和终筛机制,避免了漏筛和过筛,提高电池检测的准确率。

本申请实施例提供了一种电池电量计量方法、装置及车锁,包括：获取车锁中全部耗电设备在当前时刻的总耗电量；根据所述车锁的电池在第一时刻的第一剩余电量和所述总耗电量,获得所述电池在当前时刻的初始剩余电量；通过使用预设校准算法校准所述初始剩余电量,获得所述电池在当前时刻的目标剩余电量。该方法可以在不增加硬件成本的前提下,精准的获得电池的剩余电量。

本发明公开了一种动力锂电池的剩余电量估计方法。本发明采用具有强大学习能力的加权最小二乘支持向量机实现对动力锂电池的SOC估计模型的建模和在线估计,在加权最小二乘支持向量机的核参数模型的选取过程可以通过CKF进行在线自适应完成。还建立动态WLSSVM过程,利用最新的工况数据来建立SOC估计模型,从而更好的反应数据特征。本发明为电池管理系统以及用户提供准确的SOC估计结果,增加电池管理的可靠性,为用户合理使用电池提供准确的信息。

本发明提供了一种基于优化的TCN的锂电池SOC实时估算方法、装置、电子设备及存储介质,其包括：获取锂离子电池数据,包括第一数据集和第二数据集；构建第一初始锂电池SOC估算模型,第一初始锂电池SOC估算模型包括初始时间卷积网络参数；基于遗传算法和第一数据集获得第一过渡锂电池SOC估算模型,第一过渡锂电池SOC估算模型包括目标时间卷积网络参数；构建第二初始锂电池SOC估算模型,将目标时间卷积网络参数转移至第二初始锂电池SOC估算模型,获得预训练锂电池SOC估算模型；通过第二数据集对预训练锂电池SOC估算模型进行训练,获得目标锂电池SOC估算模型,并通过目标锂电池SOC估算模型对锂电池SOC进行估算。本发明提高了锂电池SOC估算的准确性和训练速度。

本申请公开了一种汽车电池充电时长的预估方法、系统、装置及介质。该方法通过获取初始化的充电电流关系图、汽车当前的电池电量和当前温度；充电电流关系图用于表征在各个温度级别和各个荷电状态下的第一充电电流值；获取汽车的充电参数记录,建立充电温升模型；根据当前温度和充电温升模型,确定汽车在充电过程中不同荷电状态下对应的电池温度；根据荷电状态和荷电状态下对应的电池温度,确定汽车充电过程中各个荷电状态下的第二充电电流值；根据电池电量和第二充电电流值,确定汽车的总充电时长。该方法可以适应环境温度变化、充电过程中电池变化引起充电工况波动的现象,提高充电剩余时间的预估精度。本申请可广泛应用于汽车技术领域内。

本发明实施例提供了一种电池等效电路模型的参数辨识方法及系统,该方法包括建立N阶RC等效电路模型和N-1阶PNGV模型,并获取待估算的N阶RC等效电路模型的第一模型参数和N-1阶PNGV模型的第二模型参数；根据第一模型参数联立N阶RC等效电路模型的第一状态方程,根据第二模型参数联立N-1阶PNGV模型的第二状态方程；将第一状态方程和第二状态方程转化成差分方程；基于差分方程,通过参数估计算法估算第一模型参数和第二模型参数。本发明实施例提供的技术方案能够实现同时辨识N阶RC等效电路模型和N-1阶PNGV模型两种模型参数的效果。

本发明公开了一种基于模型迁移的电池容量预测方法、系统、装置及介质,其中所述方法包括：首先获取电池的工业数据库,并根据电池参数中对电池老化特征的老化敏感项,从工业数据库中确定第一敏感信息；将第一敏感信息输入训练好的基模型,完成第一敏感信息到电池的第一中间容量的映射；将第一中间容量输入训练好的迁移模型,完成第一中间容量到预测容量的映射。本申请通过基模型和迁移模型将工业数据库中残缺不全的数据利用起来,生成大量预测容量,省去实验室进行大量电池老化实验的时间。而生成的电池的预测容量数据,有利于提高基于数据驱动的电池健康管理系统对电池容量估计的精度、可靠性和泛化能力。