[發(fā)明專利]一種基于動態(tài)時變權(quán)重的鋰電池容量集成預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202010114694.7
• 申請日: 2020-02-25
• 公開（公告）號: CN111337833B
• 公開（公告）日: 2020-12-25
• 發(fā)明（設(shè)計(jì)）人: 程玉杰;呂琛;宋登巍
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G01R31/367
• 分類號: G01R31/367
• 代理公司: 北京京萬通知識產(chǎn)權(quán)代理有限公司 11440
• 代理人: 萬學(xué)堂

一種基于動態(tài)時變權(quán)重的鋰電池容量集成預(yù)測方法，包括如下步驟：將鋰電池退化數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集、測試數(shù)據(jù)集三部分；選取幾個基元算法，利用訓(xùn)練數(shù)據(jù)集訓(xùn)練各個基元算法；基于訓(xùn)練好的各基元算法預(yù)測模型，在驗(yàn)證區(qū)間進(jìn)行預(yù)測，并計(jì)算預(yù)測相對誤差；依據(jù)驗(yàn)證區(qū)間的預(yù)測相對誤差計(jì)算各基元預(yù)測算法權(quán)重；在測試區(qū)間對預(yù)測相對誤差進(jìn)行互補(bǔ)預(yù)測；計(jì)算預(yù)測相對誤差在測試區(qū)間的預(yù)測平均值作為時變權(quán)重誘導(dǎo)因子；利用訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集訓(xùn)練各基元預(yù)測算法；訓(xùn)練好的基元算法，在測試區(qū)間進(jìn)行預(yù)測；基于V?IOWA實(shí)現(xiàn)實(shí)時的權(quán)重分配；將每個基元算法的預(yù)測結(jié)果與每個時刻的相應(yīng)權(quán)重進(jìn)行乘積并求和，得到最終的集成預(yù)測結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及鋰電池容量預(yù)測技術(shù)領(lǐng)域，具體涉及一種基于動態(tài)時變權(quán)重的鋰電池容 量集成預(yù)測方法。

背景技術(shù)

鋰電池容量，即鋰電池在當(dāng)前性能狀態(tài)下能夠存儲的最大電量，被認(rèn)為是表征鋰電 池性能的一個重要指標(biāo)。受環(huán)境溫度、老化和使用方式等多種內(nèi)外機(jī)制的影響，電池容量隨著鋰電池不斷的循環(huán)使用而逐漸衰退。因此，對鋰電池容量進(jìn)行準(zhǔn)確的預(yù)測，對于 制定合理的鋰電池使用策略，提高鋰電池使用壽命至關(guān)重要。

現(xiàn)有的鋰電池容量預(yù)測方法可分為基于模型的方法和基于數(shù)據(jù)驅(qū)動的方法。基于模 型的方法包括電化學(xué)模型、等效電路模型和解析模型。這些模型主要基于考慮電池動態(tài)特性的復(fù)雜物理和化學(xué)過程，對電池的充放電性能進(jìn)行建模，其容量預(yù)測精度高度依賴 于模型精度。特別是在無法獲取完整的電池電化學(xué)參數(shù)、退化機(jī)理和屬性時，此類模型 往往很難建立起來?；跀?shù)據(jù)驅(qū)動的模型通常采用智能的數(shù)據(jù)分析手段，從鋰電池性能 退化數(shù)據(jù)中挖掘性能退化規(guī)律，實(shí)現(xiàn)鋰電池容量預(yù)測。典型的基于數(shù)據(jù)驅(qū)動的方法包括 基于相關(guān)支持向量機(jī)的方法、基于隨機(jī)森林回歸模型的方法、基于貝葉斯網(wǎng)絡(luò)的方法等 等?；跀?shù)據(jù)驅(qū)動的方法不需要建立精確的鋰電池電化學(xué)模型，然而，其容量預(yù)測精度 依賴于鋰電池性能監(jiān)測數(shù)據(jù)的數(shù)量及質(zhì)量。

盡管目前上述方法已應(yīng)用于鋰電池容量預(yù)測，然而，由于每種方法均有其使用條件 及限制，我們無法知道哪種預(yù)測方法在給定的條件下能夠取得最高的預(yù)測精度。此外，考慮到電池監(jiān)測數(shù)據(jù)的數(shù)量及質(zhì)量、環(huán)境及運(yùn)行工況的不確定性、電池工藝及材料的差 異等因素，單一的預(yù)測方法無法適用于所有的應(yīng)用場景。

目前已知，IOWA算子的基本思想是：

首先給出有序加權(quán)平均(OWA)算子的定義如下：令f_w:R^m→R為一個權(quán)重向量為w 的m元映射函數(shù)，滿足w＝(ω₁,ω₂,…,ω_m)^T且在計(jì)算時，如果其中b_i是將{a_i}中的對象從大到小進(jìn)行排列后選取的第i個位置 對應(yīng)的參數(shù)，則稱f_w是一個m維OWA算子。從定義中可以看出，OWA算子的輸出結(jié)果 并不是單個模型權(quán)重ω_i和對應(yīng)預(yù)測值a_i的直接加權(quán)求和，而是與(a₁,a₂,…a_m)由高到低的 排列順序有關(guān)，從而確保每次預(yù)測時都能對最好的預(yù)測結(jié)果賦予最大的權(quán)系數(shù)。在此基 礎(chǔ)上，為了確定{a_i}的排序規(guī)則，通常需要引入一個誘導(dǎo)因子，以實(shí)現(xiàn)基于誘導(dǎo)有序信 息集結(jié)(IOWA)算子的預(yù)測過程。

將f_w擴(kuò)展為二維數(shù)組的形式可得：

在公式(1)中，下標(biāo)λ_index(i)表示將{λ_i}序列中的元素由大到小排列后第i個大的數(shù)所對應(yīng)的位置，也就是說，權(quán)系數(shù)ω_i和單項(xiàng)預(yù)測結(jié)果a_i的集成形式是按照對應(yīng)λ_i的 取值來確定的，λ_i的量值越大，a_i賦予的權(quán)系數(shù)越大。因此，λ_i也被稱之為IOWA算子 的誘導(dǎo)因子。