[發明專利]一種基于充放電的兩階段電池性能預測方法

有效

• 申請號: 201910844890.7
• 申請日: 2019-09-07
• 公開（公告）號: CN110515001B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 張發恩;黃澤;劉俊龍;胡太祥
• 申請（專利權）人: 創新奇智（廣州）科技有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/3842;G01R31/385;G01R31/388
• 代理公司: 北京中南長風知識產權代理事務所(普通合伙) 11674
• 代理人: 鄭海

1.一種基于充放電的兩階段電池性能預測方法，其特征在于：包括以下具體步驟：

S1：根據電池充放電過程初始條件x，通過電壓預測電流模型給出初始推薦電流A1，判斷電流預測電壓模型得到的預期截止電壓是否滿足閥值，若滿足閥值直接用于實際電芯測試，若不滿足閥值執行步驟S2；

S2：進行實際測試，得到推薦電流A1在充放電之后的實際電壓，通過電壓預測電流模型給出推薦電流A2，若通過電流預測電壓模型得到的預期截止電壓滿足閥值，用于實際電芯測試，

其中，所述電流預測電壓模型和電壓預測電流模型的訓練方法具體步驟如下：

S100：數據提?。簭臍v史充放電數據中，選取到達完整充放電時長的數據記錄；

S200：數據補充：對于一次長時間的充放電測試，放電過程會記錄每一秒的電壓變化；

S300：將數據提取和數據補充獲得的數據和電池信息進行關聯，且清洗一些明顯的異常，將數據集進行訓練集和測試集的劃分；

S400：使用回歸算法進行回歸預測，分別訓練電流預測電壓模型和電壓預測電流模型，生成的兩個回歸模型為：

V1＝f1(x，A1)和A1＝g1(x，V1)，

其中，f1為從電流預測電壓V1的模型，g1為從電壓預測電流A1的模型；

S500：數據集做差：對于同一個電池電芯的所有充放電記錄，兩兩進行正反兩項比對，比較兩條預設電流的差值DeltaA，兩個截止電壓的差值DeltaV，電流或者電壓變化的百分比％，重新進行數據劃分；

S600：分別訓練兩個模型，生成的兩個回歸模型為：

V2＝f2(x，A1，V1，A2，DeltaA，電流變化百分比％)

和A2＝g2(x，V1，A1，V2，DeltaV，電壓變化百分比％)，

其中，f2為從上一輪電流、電壓和當前輪電流預測電壓V2的模型，g2為從上一輪電壓、電流和當前輪電壓預測電流A2的模型，

在所述推薦電流A1增加進一步的篩選和確認，具體方法如下：

S401：當指定目標截止電壓，利用模型g1計算初始電流a1；

S402：輸入a1，使用f1模型給出一個預測電壓v1；

S403：檢查v1是否滿足閾值差異且重復驗證次數到達上限，是的話，進入步驟S405；否則，進入步驟S404；

S404：方式一：輸入a1，v1，使用g2模型獲得一個新的電流a2；輸入a1，a2使用f2模型，預測一個電壓；

方式二：使用f1模型，但以a1為初始值，以一定的學習速率，前后電流的絕對差值作為變化量進行搜索，增加迭代次數后進入步驟S403；

S405：將上述預測結果整理為，以預測電壓和目標電壓的差值為key，電流和預測電壓對為value的字典；

S406：將電流和電壓對列表展開，使用動態規劃方法找出最長的電流電壓滿足同步增長或減小的序列；

S407：對上面的序列，挑選出預測電壓和目標電壓差值最小的key，對應的電流用于第一次推薦。

2.根據權利要求1所述的一種基于充放電的兩階段電池性能預測方法，其特征在于：所述初始條件x包括剩余電量、溫度、初始內阻、初始電壓、初始重量、充放電時長、電池容量、充電電流和截止電壓參數。

3.根據權利要求1所述的一種基于充放電的兩階段電池性能預測方法，其特征在于：所述步驟S200中，還包括把放電過程中在步驟S100中出現過的放電時長，補充到數據集。

4.根據權利要求1所述的一種基于充放電的兩階段電池性能預測方法，其特征在于：所述步驟S 400中，回歸算法為RF、GBDT、LR或深度神經網絡回歸算法其中的一種。