[發明專利]一種基于充電過程特征注意力的電池壽命預測方法

有效

• 申請號: 202011394228.5
• 申請日: 2020-12-02
• 公開（公告）號: CN112666480B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 楊熠欣
• 申請（專利權）人: 西安交通大學
• 主分類號: G01R31/392
• 分類號: G01R31/392;G01R31/367
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 張海平

1.一種基于充電過程特征注意力的電池壽命預測方法，其特征在于，包括以下步驟：

1)采集a個鋰離子電池全壽命充放電循環中的充電過程的溫度、電流及端電壓數據；

2)進行按容量對齊的循環溫度、電流及端電壓數據處理；

3)將步驟2)的數據處理結果輸入到三維-二維混合卷積模型中，對不同充電循環溫度、電流及端電壓進行先三維后二維的混合卷積特征提?。?/p>

4)將三維-二維混合卷積模型輸出的特征圖輸入到充電特征注意力模型中，按特征空間分布自動學習不同特征對電池壽命的相關性及顯著性，然后對其輸入特征進行加權后輸出特征注意力加權融合特征圖；

5)將輸出的特征注意力加權融合特征圖輸入到二維卷積層中進行特征提取，再將提取的特征經感知層處理，得最終預測的電池壽命；

步驟4)的具體操作為：

41)獲取所有輸入特征圖同一位置的元素，并以此組成新的特征向量，假設輸入特征圖數量為K，尺寸為M×N，則特征向量表示為：

F_ij＝[F_ij¹,F_ij²,……,F_ij^K]

其中，F_ij^m為第m個特征圖F^m中第(i,j)個元素，F_ij∈R^K×1；

42)使用全連接層，輸出F_ij的注意力權重A_ij，A_ij為：

A_ij＝f(δg(ωF+b)+c)

其中，f(x)和g(x)分別為：

ω∈R^u×K,δ∈R^1×u分別為兩層的權重矩陣，b∈R^u×1，c∈R^1×1為偏置，A_ij為注意力權重矩陣A的第(i,j)個元素；

43)將A和輸入特征圖進行點乘，以輸出的融合特征注意力的特征矩陣為：

G^m＝A⊙F^m

其中，G^m為第m個輸出特征圖。

2.根據權利要求1所述的基于充電過程特征注意力的電池壽命預測方法，其特征在于，步驟2)的具體操作為：

21)將溫度、電流及端電壓數據分別輸出成溫度矩陣、電流矩陣及端電壓矩陣的形式，其中，溫度矩陣、電流矩陣及端電壓矩陣中每一列的第一行為電池編號，第二行為電池RUL，其余行為該電池在該循環內溫度、電流及端電壓在對應容量下的值；

22)對溫度、電流、端電壓及RUL分別進行歸一化；

23)取溫度矩陣、電流矩陣及端電壓矩陣中每個電池前m列和后n列的第三行至最后一行的數據，再將其轉化為三維卷積層的輸入格式后分別拼接成新的溫度矩陣、電流矩陣及端電壓矩陣；

24)將新的溫度矩陣、電流矩陣及端電壓矩陣在深度維度上進行拼接。

3.根據權利要求2所述的基于充電過程特征注意力的電池壽命預測方法，其特征在于，步驟22)中歸一化的公式為：

Z為被歸一化的矩陣，Z_i,j為Z中第(i,j)個元素，mean為Z中所有元素的平均值，σ為Z中所有元素的標準差。

4.根據權利要求2所述的基于充電過程特征注意力的電池壽命預測方法，其特征在于，步驟3)的具體操作為：

31)將步驟2)的拼接結果輸入到三維卷積層中,對輸入的溫度矩陣、電流矩陣及端電壓矩陣進行三維卷積運算，實現對溫度、電流及端電壓融合特征的自動提??；

32)將三維卷積層的輸出轉化為二維卷積的輸入格式，并輸入到二維卷積層中，對提取出的溫度、電流及端電壓融合特征進行特征融合及提取。

5.根據權利要求4所述的基于充電過程特征注意力的電池壽命預測方法，其特征在于，步驟31)中的三維卷積層包含R個3×l×w的卷積核，其中，卷積核的深度為3，輸出深度為1，以便將三維卷積層輸出轉化為二維卷積層的輸入格式。

6.根據權利要求4所述的基于充電過程特征注意力的電池壽命預測方法，其特征在于，步驟32)中去掉三維卷積層輸出中的深度維，將三維卷積層輸出結果轉化為二維卷積層的輸入格式。