CN119959781B 一种用于电池组健康预测的方法及系统 （深圳市金麒麟电源技术有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119959781B(45)授权公告日2025.07.04

(21)申请号202510443302.4

(22)申请日2025.04.10

(65)同一申请的已公布的文献号申请公布号CN119959781A

(43)申请公布日2025.05.09

(73)专利权人深圳市金麒麟电源技术有限公司地址518000广东省深圳市龙岗区宝龙街

道宝龙社区宝龙二路3号京能科技工业园楼201

(72)发明人杨飞孙章贵

(74)专利代理机构深圳市联江知识产权代理事务所(特殊普通合伙)44939

专利代理师旷江华

(51)Int.CI.

G01R31/367(2019.01)

G01R31/392(2019.01)

G01R31/396(2019.01)

(56)对比文件

CN118549823

CN119312203

CN112526351

审查员李竹曼

A,2024.08.27

A,2025.01.14

A,2021.03.19

权利要求书4页说明书17页附图3页

(54)发明名称

一种用于电池组健康预测的方法及系统

(57)摘要

CN119959781B本发明涉及电性能检测技术领域，尤其涉及一种用于电池组健康预测的方法及系统。该方法包括以下步骤：对电池组进行多模态传感数据采集，得到包括电压数据、电流数据、温度数据及声学振动数据，以作为原始监测数据集；对原始监测数据集进行预处理及时频域特征提取，并构建电池组运行特征矩阵；获取电池组历史运行数据；利用电池组历史运行数据及电池组运行特征矩阵构建电池组健康态势智能诊断模型。本发明通过多模态数据采集、智能诊断模型及时序分解，精确监测电池组健康状态、区分老化趋势与

CN119959781B

S1

S1

对电池组进行多模态传感数据采集，得到包括电压数据、电流数据、温度

数据及声学振动数据，以作为原始监测数据集

对原始监测数据集进行预处理及时频域特征提取，并构建电池组运行特征

矩阵

S3

获取电池组历史运行数据；利用电池组历史运行数据及电池组运行特征矩阵构建电池组健康态势智能诊断模型，其中构建电池组健康态势智能诊断模型包括训练生成对抗网络进行及训练多输入深度神经网络

S4

基于电池组健康态势智能诊断模型对电池组进行状态评估，得到电池组健

康状态评估数据

S5

对电池组健康状态评估数据进行时序分解，分离出老化趋势及短期波动，得到电池组寿命演化特征；对电池组健康状态评估数据进行异常等级评估,得到电池组异常状态等级

S6

基于电池组寿命演化特征及电池组异常状态等级进行健康预警及预维护方案设计，得到电池组健康预测结果

CN119959781B权利要求书1/4页

2

1.一种用于电池组健康预测的方法，其特征在于，包括以下步骤：

步骤S1:对电池组进行多模态传感数据采集，得到包括电压数据、电流数据、温度数据及声学振动数据，以作为原始监测数据集；

步骤S2:对原始监测数据集进行预处理及时频域特征提取，并构建电池组运行特征矩阵；

步骤S3:获取电池组历史运行数据；利用电池组历史运行数据及电池组运行特征矩阵构建电池组健康态势智能诊断模型，其中构建电池组健康态势智能诊断模型包括训练生成对抗网络及训练多输入深度神经网络，具体为：利用历史数据对预设生成对抗网络进行训练，得到判别器模型；将电池组运行特征矩阵作为输入，对预设多输入深度神经网络模型进行训练，得到电池组状态识别模型；

步骤S4:基于电池组健康态势智能诊断模型对电池组进行状态评估，得到电池组健康

状态评估数据，步骤S4包括以下步骤：

步骤S41:将电池组运行特征矩阵输入到判别器模型中，计算与正常电池组行为模式的偏差程度，得到初步异常度量指标；

步骤S42:将电池组运行特征矩阵输入到电池组状态识别模型中，获取电池组各参数的预测值及实际值之间的误差向量，得到参数性能衰减指标；

步骤S43:融合初步异常度量指标及参数性能衰减指标，构建电池组健康指标，其中电池组健康指标的范围为0-100,其中100表示全新状态，0表示完全失效；

步骤S44:基于参数性能衰减指标计算电池组各部分组件的异常概率分布图谱；

步骤S45:对电池组健康指标及异常概率分布图谱进行数据整合，生成电池组健康状态评估报告，其中电池组健康状态评估报告包括健康得分、异