[發明專利]一種考慮老化情況下的鋰離子電池電量預測方法

有效

• 申請號: 202010848730.2
• 申請日: 2020-08-21
• 公開（公告）號: CN112098874B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 何志偉;郭天滋;劉圓圓;董哲康;林輝品;高明煜
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G01R31/392
• 分類號: G01R31/392;G01R31/389;G01R31/396;G01R31/367
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.一種考慮老化情況下的鋰離子電池電量預測方法，其特征在于，包括以下步驟：

1)采集數據：對電池進行充放電實驗，使用傳感器獲得電池的電壓、電流、溫度，以及評價老化指標的數據參數內阻并記錄歷史充放電循環次數，使用安時積分法計算電池的每時刻電量，作為目標值，建立數據集；

2)使用經驗小波分解對電池數據進行分解，將電池在放電過程中的容量再生部分與整體退化分割開，電池電量整體下降的部分是低頻的，局部再生的部分是高頻的；

3)使用步驟2)獲得的分解數據訓練CNN-GRU-ATTENTION網絡，CNN捕捉輸入數據之間的空間關系，GRU提取輸入數據之間的時間關系，完成數據的特征捕捉；注意力機制完成權重分配，將更多注意力權重分配給關鍵特征并減少干擾；

4)將測試集數據按照步驟2)分解并輸入到訓練好的網絡得到高頻和低頻的預測結果；

5)將預測的結果進行組合重構，得到最終的預測結果。

2.根據權利要求1所述的一種考慮老化情況下的鋰離子電池電量預測方法，其特征在于：所述步驟2)中，對數據進行經驗小波分解包含以下步驟：

2.1)構造經驗小波函數ψi(ω)和經驗尺度函數

其中w表示頻率，w_i為相鄰極大值點的均值，γ為常數，β(x)為輔助函數，需滿足如下條件：

2.2)將序列分為j層，通過分解方程得到不同比例的低頻信號A和高頻信號D；

其中j是分解尺度，k和m是轉換變量，h是低通濾波器，g是高通濾波器。

3.根據權利要求1所述的一種考慮老化情況下的鋰離子電池電量預測方法，其特征在于：步驟3)中網絡對高頻和低頻的數據分別進行訓練；網絡的第一層由CNN組成；CNN層接收與電量有關的各種參數，并建模提取特征；網絡使用一維卷積提取數據的特征，通過選擇卷積核的權重和窗口的寬度，提取不同的數據特征；將卷積運算應用于輸入的多元時間序列，并將結果傳遞到下一層GRU層；從輸入層前向傳播到卷積層輸出的向量h_cnn表示為：

h_cnn＝σ(X_k*W_cnn+b_cnn)

X_k是輸入向量，W_cnn是權重的權重內核，b_cnn是偏重，σ是激活函數；

GRU是CNN層的下層，存儲有關通過CNN層提取的電量預測所需特征的時間信息；CNN層的輸出值將傳遞到門單元；GRU兩個門單元分別是更新門和重置門；GRU的存儲單元會隨著每個門單元的激活而更新其狀態，每個門單元的激活被控制為介于0和1之間的連續值；GRU存儲單元的隱藏狀態h_t每t步更新一次；更新門r用于控制前一時刻的狀態信息保留到當前狀態中的程度，更新門的值越大說明前一時刻的狀態信息保留的越多；重置門z控制前一時刻的狀態信息有多少被寫入到當前的候選狀態上，重置門越小，前一狀態的信息保留的越少；前向傳播公式為：

r_t＝σ(W_r·[h_t-1,x_t])

z_t＝σ(W_z·[h_t-1,x_t])

其中W_r表示更新門的權重矩陣，W_z表示重置門的權重矩陣，W_h^表示狀態更新時的權重矩陣；h_t表示t時刻隱藏狀態，表示t時刻的候選狀態；

注意力層完成權重分配，先將上層輸入進行轉置，再對每一維進行softmax，得到每一維的注意力權重，最后合并成單獨特征的注意力權重；最后全連接層進一步進行數據的縮放轉換，提高模型的處理非線性數據的能力。

4.根據權利要求1所述的一種考慮老化情況下的鋰離子電池電量預測方法，其特征在于：步驟5)中將預測的結果進行組合重構，使其恢復到原始的空間尺度；重建方程描述為：

其中，其中j是分解尺度，k和m是轉換變量，h*和g*分別是低通濾波器和高通濾波器的反函數。