[發明專利]基于多通道技術的動力電池健康狀態的估計方法及系統

在審

• 申請號: 202010873343.4
• 申請日: 2020-08-26
• 公開（公告）號: CN112051511A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 李頂根;吳寬
• 申請（專利權）人: 華中科技大學
• 主分類號: G01R31/392
• 分類號: G01R31/392;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 孔娜;李智

1.一種基于多通道技術的動力電池健康狀態的估計方法，其特征在于，所述方法包括：

S1，采集電池樣本中每一電池在不同充放電循環次數下電流、電壓以及溫度隨時間的變化的特征值；

S2，根據所述特征值獲取所述電池在每一充放電循環下的電池容量，以獲取每一充放電循環下電流、電壓以及溫度與所述電池容量的對應關系組成的數據集；

S3，構建預測模型，采用所述數據集中的數據對所述預測模型進行訓練和驗證，以獲取訓練完成的預測模型；

S4，將待預測電池的特征值輸入所述訓練完成的預測模型，以獲取所述待預測電池的電池容量，進而結合所述待預測電池的額定容量獲取所述待預測電池的健康狀態。

2.根據權利要求1所述的估計方法，其特征在于，步驟S1還包括對每一電池在每一充放電循環下分別將所述電流、電壓以及溫度隨時間的變化的特征值分成N份，對每一份中的特征值取均值，進而獲得3N份特征值數據。

3.根據權利要求1所述的估計方法，其特征在于，步驟S3中，所述采用所述數據集中的數據對所述預測模型進行訓練和驗證具體為：

將所述數據集中部分數據作為訓練數據對所述預測模型進行訓練，并將所述數據集中的另一部分數據作為測試數據對所述預測模型進行驗證，以獲取訓練完成的預測模型。

4.根據權利要求1或3所述的估計方法，其特征在于，所述采用所述數據集中的數據對所述預測模型進行訓練和驗證的過程包括：將所述數據集中的電流、電壓以及溫度隨時間變化的特征值作為所述預測模型的輸入，將所述數據集中所述特征值對應的電池容量作為所述預測模型的輸出。

5.根據權利要求4所述的估計方法，其特征在于，所述采用所述數據集中的數據對所述預測模型進行訓練和驗證的過程還包括：

將所述預測模型輸出的電池容量與所述特征值對應的電池容量值進行比較，若小于預設誤差則所述預測模型完成訓練，若大于預設誤差則對所述預測模型中的參數進行調整，直至小于所述預設誤差。

6.根據權利要求5所述的估計方法，其特征在于，所述預設誤差包括平均絕對誤差和決定系數，其中，所述平均絕對誤差mse的計算公式為：

其中，C_i為第i組特征值對應的平均電池容量，為將第i組特征值輸入預測模型獲得的電池容量；

所述決定系數R²的計算公式為：

其中，為N組特征值對應的平均電池容量。

7.根據權利要求1所述的估計方法，其特征在于，采用所述數據集對所述預測模型進行訓練和測試之前還包括對所述數據集進行歸一化處理和標準化處理。

8.根據權利要求1所述的估計方法，其特征在于，所述預測模型基于長短時記憶神經網絡構建。

9.根據權利要求1所述的估計方法，其特征在于，根據所述電池放電過程中的放電電流獲取所述電池的電池容量，所述電池容量的計算公式為：

其中，t為時間，I_d為放電電流，C_d為電池容量；

所述電池的健康狀態的計算公式為：

其中，SOH為所述電池的健康狀態，C₀為所述電池的額定電壓。

10.一種基于多通道技術的動力電池健康狀態的估計系統，其特征在于，所述系統包括：

采集模塊，用于采集所述電池樣本中每一電池在不同充放電循環次數下電流、電壓以及溫度隨時間的變化的特征值；

第一獲取模塊，用于根據所述特征值獲取所述電池在每一充放電循環下的電池容量，以獲取每一充放電循環下電流、電壓以及溫度與所述電池容量的對應關系組成的數據集；

構建模塊，用于構建預測模型，采用所述數據集中的數據對所述預測模型進行訓練和測試，以獲取訓練完成的預測模型；

第二獲取模塊，用于將待預測電池的特征值輸入所述訓練完成的預測模型，以獲取所述待預測電池的電池容量，進而結合所述待預測電池的額定容量獲取所述待預測電池的健康狀態。