专利交易市场

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。

本发明公开锂电池状态估计方法，根据电容的阻抗特性在实际电路中往往具有分数的特性，结合二阶电路的基尔霍夫定律，推导出分数阶电池模型的状态空间方程并建立了分数阶的锂电池电气模型；在分数阶电气模型的基础上，针对传统遗传算法进行改进，提出了分数阶双层自适应遗传算法，提升了算法的全局搜索能力和搜索效率，对分数阶模型参数进行辨识，并将辨识结果实时反馈到分数阶电气模型；采用一种基于施密特正交变换的无迹卡尔曼粒子滤波算法，对分数阶电气模型进行状态估计，减少了计算量并提高了状态估计精度。本发明提高了电池模型的精度，具有很好的鲁棒性，所提出的状态估计策略精度相比于常规控制策略具有更高的精度。

本发明公开了用于电池状态估计的鲁棒Savitzky‑Golay滤波方法，包括以下步骤：步骤1、通过电池管理系统采集锂离子电池的含有未知分布噪声的实时运行数据c；步骤2、对步骤1采集到的实时运行数据c的序列长度进行判断，确定的滤波窗口长度和拟合多项式阶数；步骤3、使用鲁棒的拟合准则MGC，结合步骤2确定的滤波窗口长度和拟合多项式阶数，生成MGCSG滤波算法；步骤4、利用步骤3得到的MGCSG滤波算法对步骤1采集的实时运行数据c进行平滑滤波。本发明的滤波方法，解决了现有技术中存在的BMS采集数据中未知分布噪声对滤波算法的滤波效果影响较大的问题。