[發明專利]一種動力電池剩余壽命預測方法

在審

• 申請號: 202011281565.3
• 申請日: 2020-11-16
• 公開（公告）號: CN112379274A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 高建平;梁丹陽
• 申請（專利權）人: 河南科技大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G06N3/04;G06N3/08
• 代理公司: 鄭州睿信知識產權代理有限公司 41119
• 代理人: 吳敏

本發明涉及一種動力電池剩余壽命預測方法。方法包括：獲取待預測動力電池的當前容量序列；將當前容量序列進行小波分解，得到若干個小波系數及對應的分量；判斷若干個小波系數的大小，若某個小波系數大于等于設定閾值，則保留該小波系數對應的分量并修正小波系數；若某個小波系數小于設定閾值，則剔除該小波系數對應的分量；將保留的分量根據修正后的小波系數進行重構，得到優化后的當前容量序列；將優化后的當前容量序列輸入訓練好的長短期記憶循環神經網絡預測模型進行迭代預測，得到待預測動力電池的剩余壽命。本發明通過對獲取到的容量序列進行小波變化，得到優化后的容量序列，進而完成壽命的預測，保證了壽命預測的準確性。

技術領域

本發明涉及一種動力電池剩余壽命預測方法，屬于動力電池性能退化預測與健康狀態管理技術領域。

背景技術

動力電池作為電動汽車的動力來源，其性能的優劣直接關系著電動汽車行車過程中的動力性、經濟性及安全可靠性。準確預測出動力電池的剩余壽命，能夠對動力電池的維護、故障檢測和及時更換提供指導作用，保障電動汽車的高效，安全運行。

動力電池的剩余壽命是指在一定條件下，電池容量從當前實際容量衰減到規定的失效閾值(一般為初始容量的80％)所進行的充放電循環次數。目前，動力電池剩余壽命預測主要分為兩大類：基于模型預測和基于數據驅動預測。

基于模型預測的方法，由于難以對動力電池內部材料屬性、失效機理及電化學反應進行深入學習，無法對其建立精確的壽命退化模型?；跀祿寗拥念A測方法，無需研究動力電池內部復雜的結構及反應機理，利用數據挖掘技術，通過對海量歷史數據進行篩選、處理，挖掘出能夠表征動力電池性能衰退的參數，利用機器學習算法分析動力電池壽命衰退的內在規律，對動力電池未來剩余壽命進行預測。

基于數據驅動的動力電池剩余壽命預測方法包括三大類型，經驗預測法、濾波預測法及時序預測法。經驗預測法，基于數據擬合的思想，將動力電池的充放電循環次數與容量進行擬合得到電池壽命經驗模型，進行動力電池剩余壽命預測；濾波預測法，基于狀態估計的思想，利用觀測數據實時的對電池壽命經驗模型進行更新校正，預測動力電池的剩余壽命；時序預測法從時間序列的角度出發，將動力電池的剩余壽命預測視為時間序列預測問題，利用動力電池歷史容量衰退的規律遞推預測未來的壽命衰退軌跡。時序預測法只需根據動力電池歷史容量序列即可準確預測出動力電池的剩余壽命，因此成為現在預測的主要方法。

上述時序預測法中電池容量序列是通過采集的動力電池的狀態數據中提取出的，在采集動力電池的狀態數據的過程中，經常會因為干擾而導致采集的動力電池的狀態數據不準確，進而導致電池容量序列的不準確，降低動力電池壽命預測的準確度。

發明內容

本申請的目的在于提供一種動力電池剩余壽命預測方法，用以解決現有技術壽命預測不準確的問題。

為實現上述目的，本申請提出了一種動力電池剩余壽命預測方法的技術方案，包括以下步驟：

1)獲取待預測動力電池的當前容量序列，當前容量序列包括待預測動力電池的當前充放電循環序列號以及對應的動力電池容量；

2)將所述當前容量序列中的動力電池容量進行小波分解，得到若干個小波系數及對應的分量；

3)判斷若干個小波系數的大小，若某個小波系數大于等于設定閾值，則保留該小波系數對應的分量并修正小波系數；若某個小波系數小于設定閾值，則剔除該小波系數對應的分量；

4)將保留的分量根據修正后的小波系數進行重構，得到優化后的當前容量序列；

5)將優化后的當前容量序列輸入訓練好的長短期記憶循環神經網絡預測模型進行迭代預測，得到待預測動力電池的剩余壽命；所述長短期記憶循環神經網絡預測模型根據與待預測動力電池型號相同的若干動力電池的歷史容量序列訓練得到。