[發(fā)明專利]一種基于麻雀搜索和最小二乘支持向量機的電池健康狀態(tài)估計與剩余壽命預測方法

在審

• 申請?zhí)枺?/td>: 202011262204.4
• 申請日: 2020-11-12
• 公開（公告）號: CN112485692A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設計）人: 李忠;陳媛;何怡剛
• 申請（專利權）人: 李忠
• 主分類號: G01R31/392
• 分類號: G01R31/392;G01R31/367;G06N20/10
• 代理公司: 北京盛凡智榮知識產(chǎn)權代理有限公司 11616
• 代理人: 李燦

基于麻雀搜索和最小二乘支持向量機的電池健康狀態(tài)估計與剩余壽命預測方法,涉及一種麻雀搜索算法(SSA)對最小二乘支持向量機(LSSVR)模型進行參數(shù)化，并利用其對電池的健康狀態(tài)(SOH)與剩余壽命(RUL)進行預測的方法。包括以下步驟：首先，建立電池的LSSVR模型，采用SSA對其參數(shù)化，得到相關參數(shù)。在進行SOH估計和RUL預測時，采用前3個數(shù)據(jù)預測后一個數(shù)據(jù)的方法。本發(fā)明在SOH估計和RUL預測時具有更高的精度，可以解決PSO、ABC優(yōu)化的缺點。

技術領域

本發(fā)明涉及電池管理系統(tǒng)領域的健康狀態(tài)估計，具體來說，涉及麻雀搜索算法對最小二乘支持向量機(LSSVR)進行參數(shù)優(yōu)化，并利用該LSSVR模型進行電池容量的訓練與測試，以得到電池的SOH估計與RUL預測結果。

背景技術

電池健康狀態(tài)(SOH)被用來描述電池的健康狀況，最直觀的表現(xiàn)是隨著電池的使用電池容量衰減，電阻增大。剩余使用壽命(RUL) 為從當前周期到壽命終止(EOL)所經(jīng)過的充放電周期數(shù)。SOH估計值體現(xiàn)了電池短期預測的剩余壽命，為鋰離子電池的優(yōu)化及檢修等可預知性管理提供參考，RUL預測體現(xiàn)了電池長期預測的剩余壽命，可以對鋰離子電池全壽命周期內(nèi)的安全和穩(wěn)定性進行估算，判斷電池能否滿足汽車駕駛年限和行駛里程的要求。

SOH估計和RUL預測方法可以分為基于模型的預測方法和基于數(shù)據(jù)驅(qū)動的預測方法，支持向量機是基于數(shù)據(jù)驅(qū)動預測方法的一種。支持向量機(SVM)是最流行的機器學習算法之一，主要用于模式識別和分類。當前的SOH估計算法主要使用SVM作為回歸工具，實現(xiàn)了該算法的一種變體，稱為支持向量回歸(SVR)。采用SVR方法對容量數(shù)據(jù)進行訓練和測試，可以實現(xiàn)電池的SOH估計和RUL預測。

麻雀搜索算法(SSA)是受麻雀覓食行為和反捕食行為的啟發(fā)而得到的一種新型的群體智能優(yōu)化算法。SSA的具體實現(xiàn)和ABC算法接近，基本結構幾乎一致，只是搜索算子有一定的差異，可以說SSA是 ABC的改進算法。SSA算法是一種原理簡單、參數(shù)少、精度高、收斂速度快、適應度高、搜索效率高的優(yōu)化算法，可以解決多種實際問題，得到更精確的參數(shù)。

發(fā)明內(nèi)容

本發(fā)明的目的是在于提供一種基于麻雀搜索和最小二乘支持向量機的電池健康狀態(tài)估計與剩余壽命預測方法，旨在提高電池健康狀態(tài)估計與剩余壽命預測的精度。

本發(fā)明解決其技術問題采取的技術方案是：

一種基于麻雀搜索和最小二乘支持向量機的電池健康狀態(tài)估計與剩余壽命預測方法，包括以下步驟：

步驟一，對進行算法驗證的兩組電池數(shù)據(jù)集進行數(shù)據(jù)處理；

步驟二，建立最小二乘支持向量回歸模型；

步驟三，應用麻雀搜索算法得到最小二乘支持向量機模型的最優(yōu)參數(shù)；

步驟四，將處理后的數(shù)據(jù)代入進行LSSVR模型訓練和測試，得到電池的SOH估計和RUL預測。

進一步，所述步驟一包括以下步驟：

進行數(shù)據(jù)處理，需要注意的是對同一個電池來說，其額定容量是不變的，當前容量值和SOH具有相同的變化趨勢，電池的SOH估算問題可以轉(zhuǎn)化為容量的估算問題。B0005、B0007預測起始點設置在鋰離子電池退化的中期T_y＝84，CS35、CS37預測起始點為T_y＝323。根據(jù)預測起點劃分訓練集與測試集，并對數(shù)據(jù)進行歸一化處理。采用前三天的數(shù)據(jù)預測后一天的方法：

其中，為預測的第n個循環(huán)對應的容量，C_n-1為n-1個循環(huán)對應的實際容量。

進一步，所述步驟二包括以下步驟：

最小二乘支持向量回歸的優(yōu)化問題可以表示為下式所示。