[發明專利]一種基于卷積神經網絡的鋰電池容量在線估計方法

有效

• 申請號: 202010433218.1
• 申請日: 2020-05-21
• 公開（公告）號: CN111579993B
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 錢誠;徐炳輝;任羿;孫博;馮強;楊德真;王自力
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/378;G01R31/387
• 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卷積神經網絡的鋰電池容量在線估計方法，首先利用參考電池的充放電循環實驗數據，處理得到包含若干個樣本及對應容量標簽的源數據集，其中每個樣本由一段充電電壓、充電電壓一階微分、充電電流數據組成。進一步地，建立用于估計鋰電池容量的卷積神經網絡，并利用尋優算法優化神經網絡的超參數。取被測電池最近一次充電過程中與源數據集樣本具有相同充電容量區間長度的充電電壓、充電電流數據，獲得充電電壓、充電電壓一階微分和充電電流數據輸入至已完成優化訓練的卷積神經網絡，卷積神經網絡輸出值即為被測電池的容量估計值。本發明可適用于實際使用條件下的鋰電池容量在線估計，滿足區間長度要求的任意一段充電電壓、電流數據均可作為輸入數據，對數據要求低，計算資源消耗少，估計精度高，具有很高的實際應用價值。

所屬技術領域

本發明提出一種基于卷積神經網絡的鋰電池容量在線估計方法，屬于故障預測與健康管理(PHM)技術領域。

背景技術

鋰電池由于其優異特性(如高能量密度、長壽命等)已經被越來越廣泛地應用到電動汽車、手機等多個領域。在鋰電池的使用過程中，對其容量的估計是至關重要的。而事實上，在實際使用過程中，鋰電池并不會按照標準放電電流從100％荷電狀態放電到0％，且其容量無法直接測量，因此需要通過其他方法對電池的容量進行估計。

常用的電池容量估計方法主要包括基于模型和數據驅動兩大類。具體地，基于模型的電池容量估計方法又包括基于電化學模型、基于經驗模型等方法。基于電化學模型的估計方法由于狀態方程復雜且繁多，計算量大，需要明確的參數多，不適用于在線估計；而基于經驗模型的方法的估計準確率又受限于模型的選擇和對模型參數的估計能力，實際應用中誤報率較高。數據驅動的估計方法則將電池視作黑箱，直接分析在電池充放電過程中檢測到的電流、電壓等外部數據來對其容量進行估計。當前，數據驅動類的鋰電池狀態估計方法主要包括增量容量分析法、差分電壓分析法等。然而，此類方法多要求電池在充電或放電過程中的荷電狀態(SOC)變化范圍足夠大以經過某些特定的荷電狀態點，這在實際使用中是很難實現的。事實上，電池在實際使用過程中，其充電或放電過程的起始荷電狀態和最終荷電狀態都具有不確定性，甚至在放電過程中，放電電流的大小以及所處環境的溫度等等都是不確定和動態變化的，因此，以上提到的模型在鋰電池實際工作狀態下的狀態監測與故障診斷應用中均具有一定的局限性。

發明內容

為解決現有鋰電池容量在線估計技術存在的不足，本發明提供一種基于卷積神經網絡的鋰電池容量在線估計方法，適用于在實際充放電條件下對鋰電池容量的在線估計。該方法僅依賴電池充電過程中采集得到的電壓、電流數據片段，對數據要求低，計算資源消耗少，估計精度高，具有很大的實際應用價值。

一種基于卷積神經網絡的鋰電池容量在線估計方法，具體包括以下步驟：

第一步：對同系列參考電池進行充放電循環實驗，采集記錄實驗過程中的電池容量、充電電壓、充電電流隨時間變化數據；

第二步：對參考電池每個充電循環的充電電壓、充電電流數據按固定充電容量間距d_q進行插值，并根據充電電壓隨充電容量的變化計算得到充電電壓一階微分數據，其中充電電壓一階微分的計算滿足以下公式：

其中，為充電容量q_i對應的充電電壓。從經插值計算得到的充電電壓、充電電壓一階微分、充電電流隨充電容量變化數據中選取對應充電容量區間長度為q_l的數據段組成訓練樣本，其中樣本X_k由一段充電電壓、充電電壓一階微分、充電電流數據V_k,dV_k,I_k組成：

最終獲得包含若干個樣本及對應容量標簽的參考電池實驗數據集，