[發明專利]基于神經網絡的鋰動力電池的安全度估算方法

有效

• 申請號: 202010857315.3
• 申請日: 2020-08-24
• 公開（公告）號: CN111983468B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 周永勤;黃建鑫;李然;朱博
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 楊紅娟

本發明公開了基于神經網絡的鋰動力電池的安全度估算方法，屬于電池安全度估算技術領域。本發明為了解決電池安全度估算精度低的問題。本發明包括：樣本獲取，所述樣本包括電池參數和電池安全度S的數值，所述電池安全度S根據下式獲取：式中，X_i代表第i個電池參數的安全系數，ω_i代表第i個電池參數的權重系數，所述樣本劃分成訓練集和測試集；將所述電池的參數作為神經網絡中的輸入，電池安全度S的數值為輸出，利用訓練集進行網絡訓練；將電池的實時參數輸入訓練好的循環神經網絡中，得到當前電池參數情況下的電池安全度S的數值。本發明實現了電池安全度的實時高精度估算。

技術領域

本發明涉及電池安全度估算領域，特別是涉及基于神經網絡的鋰動力電池的安全度估算方法。

背景技術

電動汽車在中國正處于快速發展新階段，電動汽車的發展帶動了動力電池產業的發展。然而，近幾年電池自燃、爆炸等事故頻發，人們越來越關注新能源汽車電池系統的安全性。一旦電池達到了某種臨界條件，例如過電壓，過溫度，低壽命，如不及時采取相應的安全防范措施，電池熱失控勢必導致安全性事故。

由此可見，電池的安全性問題成為了新能源行業迫不及待解決的問題。安全性事故來自熱失控，而導致熱失控的誘因主要有兩種，一是機械電氣誘因(針刺、碰撞等事故導致)，二是電化學誘因(過充、快充、自發性短路等)，電池單體熱失控之后傳遞給相鄰單體，隨后大面積蔓延，最終導致安全事故的發生。而熱失控的發展也存在一定的階段性，據相關的資料顯示，SEI膜分解的初始溫度大概是100攝氏度-130攝氏度，也把這個溫度視為一連串熱失控溫度的起點，而溫度達到300攝氏度時，電池的溫度將會出現劇烈的提升，如果不采取相應的安全措施，毫無疑問，電池在達到溫度頂峰時，會對使用者造成不可挽回的損失。

人工神經網絡可以通過并行結構與自身較強的學習能力，能夠在外部激勵存在時給出相應的輸出響應，具有良好的非線性映射能力，但現有技術沒有關于利用神經網絡實現鋰電池安全度的估算。

發明內容

為了解決上述問題，本發明提供了基于神經網絡的鋰動力電池的安全度估算方法，實現鋰電池安全度的高精度估算。

本發明一方面提供了一種基于BP神經網絡的鋰動力電池的安全度估算方法，包括如下步驟：

樣本獲取，所述樣本包括電池參數和電池安全度S的數值，所述電池安全度S根據下式獲取：式中，X_i代表第i個電池參數的安全系數，ω_i代表第i個電池參數的權重系數，所述樣本劃分成訓練集和測試集；

將所述電池的參數作為BP神經網絡中的輸入，電池安全度S的數值為輸出，建立基于BP神經網絡的電池安全度測量模型，利用訓練集進行網絡訓練，訓練完成的BP神經網絡通過測試集進行測試；

將電池的實時參數輸入訓練好的BP神經網絡中，得到當前電池參數情況下的電池安全度S的數值。

本發明第二方面提供了基于ELMAN神經網絡的鋰動力電池的安全度估算方法，包括如下步驟：

樣本獲取，所述樣本包括電池參數和電池安全度S的數值，所述電池安全度S根據下式獲取：式中，X_i代表第i個電池參數的安全系數，ω_i代表第i個電池參數的權重系數，所述樣本劃分成訓練集和測試集；

將所述電池的參數作為ELMAN神經網絡中的輸入，電池安全度S的數值為輸出，建立基于ELMAN神經網絡的電池安全度測量模型，利用訓練集進行網絡訓練，訓練完成的ELMAN神經網絡通過測試集進行測試；

將電池的實時參數輸入訓練好的ELMAN神經網絡中，得到當前電池參數情況下的電池安全度S的數值。

本發明第三方面提供了基于RBF神經網絡的鋰動力電池的安全度估算方法，包括如下步驟：