[發明專利]基于神經網絡的動力電池全周期剩余壽命估算方法

有效

• 申請號: 202011271609.4
• 申請日: 2020-11-13
• 公開（公告）號: CN112327170B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 黃登高;王旭;金鵬;朱仲文;李丞;王躍輝;趙敬;許永紅
• 申請（專利權）人: 中汽研（天津）汽車工程研究院有限公司;中國汽車技術研究中心有限公司;中汽研揚州汽車工程研究院有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/385;G01R31/392
• 代理公司: 天津企興智財知識產權代理有限公司 12226
• 代理人: 李彥彥

本發明提供了一種基于神經網絡的動力電池全周期剩余壽命估算方法，結合人工神經網絡模型一，建立實驗工況下動力電池剩余壽命函數關系：結合人工神經網絡模型二，建立實車工況下動力電池剩余壽命函數關系：通過人工神經網絡模型三建立動力電池全周期剩余壽命函數關系。本發明所述的基于神經網絡的動力電池全周期剩余壽命估算方法采用人工神經網絡對實驗工況下和實車工況下動力電池的函數關系進行修正，從而建立動力電池全周期剩余壽命函數關系。

技術領域

本發明屬于動力電池壽命估算技術領域，尤其是涉及一種基于神經網絡的動力電池全周期剩余壽命估算方法。

背景技術

截止到2020年7月，我國新能源汽車保有量417萬輛，與去年年底相比增加36萬輛，增長9.45％。從新能源汽車的成本構成看，電池驅動系統占據了新能源汽車成本的30-45％，而動力電池又占據電池驅動系統約75-85％的成本構成。電動汽車電池性能隨著循環使用而衰減，當動力電池功率或者容量性能達不到電動汽車使用標準時，電動汽車需要退役當前動力電池，更換新的動力電池。新能源汽車動力蓄電池將進入規模化退役，動力電池從電動汽車上退役后仍有高達80％的剩余容量，可應用于對電池性能要求較低的場合，即進入電池儲能梯級利用階段，目前缺少專門針對動力電池剩余壽命進行準確估算的方法，不能準確判斷動力電池是否具有再利用的價值。

發明內容

有鑒于此，本發明旨在提出一種基于神經網絡的動力電池全周期剩余壽命估算方法，以解決目前缺少專門針對動力電池剩余壽命進行準確估算的方法的問題。

為達到上述目的，本發明的技術方案是這樣實現的：

一種基于神經網絡的動力電池全周期剩余壽命估算方法，包括：

搭建實驗工況下動力電池測試系統，進行不同條件下的充放電試驗，獲取實驗工況下表征動力電池剩余壽命的特征參數數據，結合人工神經網絡模型一，建立實驗工況下動力電池剩余壽命函數關系：

搭建實車工況下動力電池測試系統，通過模擬實車在條件下的駕駛，獲取實車工況下表征動力電池剩余壽命的特征參數數據，結合人工神經網絡模型二，建立實車工況下動力電池剩余壽命函數關系：

通過人工神經網絡模型三對實驗工況下動力電池剩余壽命函數關系和實車工況下電池的剩余壽命函數關系進行訓練和修正，并確定實驗工況下動力電池剩余壽命函數關系和實車工況下電池的剩余壽命函數關系之間的權值，建立動力電池全周期剩余壽命函數關系。

進一步的，所述實驗工況下動力電池測試系統包括：

用于調節動力電池環境溫度的高低溫箱；

用于實現動力電池充放電的充放電儀；

用于采集動力電池、高低溫箱、充放電儀相關數據的數據采集儀，數據采集儀連接上位機。

進一步的，利用實驗工況下動力電池測試系統實現動力電池在不同溫度區間、不同充放電倍率、不同SOC區間和不同動態工況下進行充放電試驗，獲取實驗工況下表征動力電池剩余壽命的特征參數數據。

進一步的，所述實驗工況下表征動力電池剩余壽命的特征參數數據包括剩余容量一、電池內阻一、電池電壓限一和電池的自放電率一數據，利用人工神經網絡模型一對動力電池在不同溫度區間、不同充放電倍率、不同SOC區間、不同動態工況下電池剩余容量一、電池內阻一、電池電壓限一、電池的自放電率一的部分隨機數據進行訓練、校驗和預測，得到動力電池在實驗工況下剩余壽命與溫度、充放電倍率、電池SOC區間、工況之間的函數關系，并且得到溫度、充放電倍率、電池SOC區間、工況對動力電池剩余壽命影響的權值，從而建立實驗工況動力電池剩余壽命函數關系。