[發明專利]一種基于數據驅動與電池特性相結合的電池壽命預測方法

有效

• 申請號: 201911071304.6
• 申請日: 2019-11-05
• 公開（公告）號: CN110873841B
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 車曉剛;趙彬;董海書;陳麗貝;張津偉;由勇;李玉軍;李曉峰
• 申請（專利權）人: 藍谷智慧（北京）能源科技有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G01R31/3842;G01R31/388
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于數據驅動與電池特性相結合的電池壽命預測方法，包括電池老化與剩余壽命因子測試分析及權值對比，電池與用戶畫像算法建立，數據清洗提取分析，SOH算法設計等步驟；本發明的優點在于：不僅能夠應用于具有歷史使用數據的車輛或電池產品的估算預測，也能夠應用于無歷史運行或測試數據而只有電池畫像與用戶畫像的電池SOH的估算，應用范圍廣，且算法設計具有自學習性，可隨著數據量的增大不斷提升估算的準確性。

技術領域

本發明涉及一種電池壽命預測(RUL)方法，具體地說是一種基于數據驅動與電池特性相結合的電池壽命預測方法，屬于電池壽命預測(RUL)方法領域。

背景技術

隨著鋰電池應用領域的越來越廣泛，其設計容量逐漸加大，而電池單體的不一致以及運行工況的不同，使得電池的使用壽命差異較大，電池性能衰減的因素較多，電池內部化學反應機理較為復雜，使得電池壽命預測較難實現。

電動汽車采用汽車電池作為供電源，并通過BMS(BatteryManagementSystem，電池管理系統)集中管控汽車電池的運作。為了保證BMS正常的系統運轉，需要高頻次地采集汽車電池的電流、電壓、溫度、電池故障信號等的電池數據，并由電池數據服務器針對電池數據進行汽車電池壽命預測。

現有的電池壽命預測模型通常基于兩種建模方法，一是經驗模型。經驗模型通常需要進行大量的測試，得到測試數據，通過獲取參數值，取得容量衰減的經驗數據，其需要的時間較長，要投入大量的資源進行測試以獲取數據。二是物理或基于數據驅動模型。由于鋰電池的失效機理較為復雜、物理模型難以建立，因此現有的大部分研究集中于建立數據驅動模型的方法，如自回歸(AR)模型、卡爾曼濾波、神經網絡等，但由于缺乏實驗數據，導致電池運行后期誤差較大。

發明內容

為了解決上述問題，本發明設計了一種基于數據驅動與電池特性相結合的電池壽命預測方法，不僅能夠應用于具有歷史使用數據的車輛或電池產品的估算預測，也能夠應用于無歷史運行或測試數據而只有電池畫像與用戶畫像的電池SOH的估算，應用范圍廣，且算法設計具有自學習性，可隨著數據量的增大不斷提升估算的準確性。

本發明的技術方案為：

一種基于數據驅動與電池特性相結合的電池壽命預測方法，具體包括以下步驟：

步驟1：電池性能測試與影響因子研究，測試電池在不同環境條件下電池的老化規律，分析電池各參數對電池老化的影響程度；

步驟2：數據選取，下載不同款電池搭載車型的運行數據，包含不同里程、不同用戶、 不同區域數據；

步驟3： 因子提取，提取車輛的電池與用戶行為的相關數據信息；

步驟4：SOH計算，計算車輛在不同狀態下的SOH;

步驟5：根據提取數據，結合電池壽命衰減因子設計建立電池與用戶畫像算法模型；

步驟6：分析數據，建立電池與用戶畫像中標簽與SOH的關系算法模型；

步驟7：待評電池估算，根據已有算法，輸入已知標簽，輸出評估結果。

作為優選，步驟1中的不同環境條件是指：不同的溫度條件、不同的充放電倍率、不同的電池充放電起始SOC值、不同的充電方式。

作為優選，步驟2中的不同款電池包括：國內銷量較好的車型排名及搭載車型較多的電芯排名對應的車輛數據。

作為優選，步驟3中的電池相關信息包括：電池材料、電芯廠家、電池串并聯、額定容量、能量回收、加熱方式、冷卻方式、充電方式、動力電池標稱電壓、動力電池標稱容量、最大允許工作電流、最大允許充電電壓。