[發(fā)明專利]一種基于流數(shù)據(jù)的鋰離子電池壽命預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202010797577.5
• 申請日: 2020-08-10
• 公開（公告）號: CN112100902A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計）人: 陳欣;鄒晨曄;張亞東
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N20/00;G06F119/04
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 房鑫

本發(fā)明公開了一種基于流數(shù)據(jù)的鋰離子電池壽命預(yù)測方法，包括以下步驟：獲取電池特征的流數(shù)據(jù)，同時構(gòu)建若干隨機森林模型，然后利用電池特征的流數(shù)據(jù)對隨機森林模型進行訓(xùn)練；獲取待預(yù)測電池特征的若干時間序列數(shù)據(jù)，其中一個時間序列數(shù)據(jù)對應(yīng)一個隨機森林模型，然后將各時間序列數(shù)據(jù)輸入到對應(yīng)的隨機森林模型中進行壽命預(yù)測，再將各隨機森林模型輸出的壽命預(yù)測結(jié)果進行求平均，最后將求平均的結(jié)果作為最終的電池壽命預(yù)測結(jié)果，該方法能夠降低預(yù)測的復(fù)雜度，同時提高預(yù)測的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種鋰離子電池壽命預(yù)測方法，具體涉及一種基于流數(shù)據(jù)的鋰離子電池壽命預(yù)測方法。

背景技術(shù)

從鋰離子電池的生產(chǎn)到使用，電池剩余使用壽命(RUL)一直是一個貫穿始終的問題。在鋰離子電池生產(chǎn)完畢后，需要篩選出預(yù)期壽命過低的不合格電池，對于符合標(biāo)準(zhǔn)的電池也可根據(jù)預(yù)期壽命長短來劃分品級。因此，鋰離子電池壽命的早期分類預(yù)測RUL預(yù)測的一大重點。

目前，已有許多有關(guān)鋰離子電池壽命預(yù)測的研究。有些研究側(cè)重于數(shù)據(jù)變換的方法。如Zhang Yongzhi等人在“Lithiumion battery remaining useful life predictionwith box–cox transformation and monte carlo simulation.IEEE Transactions onIndustrial Electronics,66(2):1585–1597,2018.”一文中使用Box-cox變換和蒙特卡洛模擬來預(yù)測RUL。有些研究則通過構(gòu)建鋰離子電池的模型來預(yù)測。Dong Guangzhong等人在“Battery health prognosis using brownian motion modeling and particlefiltering.IEEE Transactions on Industrial Electronics,65(11):8646–8655,2018.”一文中則使用布朗運動模型和粒子濾波器來在線預(yù)測SOH和RUL。Guha Arijit和PatraAmit在“State of health estimation of lithium-ion batteries using capacityfade and internal resistance growth models.IEEE Transactions onTransportation Electrification,4(1):135–146,2017.”一文中利用電池容量衰減和內(nèi)阻的特征來改善了粒子濾波器的表現(xiàn)。Ma Yan等人在“Yan Ma,Yang Chen,Xiuwen Zhou,and Hong Chen.Remaining useful life prediction of lithium-ion battery basedon gauss–hermite particle filter.IEEE Transactions on Control SystemsTechnology,27(4):1788–1795,2018.”一文中利用擴展卡爾曼濾波來構(gòu)建預(yù)測模型，并用Gauss-Hermite粒子濾波器來更新卡爾曼濾波的參數(shù)。另外的一些研究使用了機器學(xué)習(xí)的方法。Wei Jingwen等人在“Remaining useful life prediction and state of healthdiagnosis for lithium-ion batteries using particle filter and support vectorregression.IEEE Transactions on Industrial Electronics,65(7):5634–5643,2017.”一文中使用支持向量機和粒子濾波器來預(yù)測電池壽命。Khumprom Phattara和Yodo Nita在“Adata-driven predictive prognostic model for lithium-ion batteries based ona deep learning algorithm.Energies,12(4):660,2019.”中使用了深度神經(jīng)網(wǎng)絡(luò)來預(yù)測電池壽命。Severson等人在“Data-driven prediction of battery cycle life beforecapacity degradation.Nature Energy,4(5):383–391,2019.”一文中則利用特征工程和一個線性的神經(jīng)網(wǎng)絡(luò)來解決該問題。