[發(fā)明專利]一種基于卷積時間記憶神經(jīng)網(wǎng)絡的鋰電池容量估計方法

在審

• 申請?zhí)枺?/td>: 202110434835.8
• 申請日: 2021-04-22
• 公開（公告）號: CN112986830A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設計）人: 全睿;劉品;劉智政;全書浪;李忠鑫;李楊欣;樂有生;李濤;常雨芳;黃文聰;譚保華
• 申請（專利權(quán)）人: 湖北工業(yè)大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/387
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務所(特殊普通合伙) 42222
• 代理人: 彭艷君

1.一種基于卷積時間記憶神經(jīng)網(wǎng)絡的鋰電池容量估計方法，其特征在于：包括以下步驟：

步驟1：采集電池容量數(shù)據(jù)；對同系列參考電池進行充放電循環(huán)實驗，采集并記錄充放電實驗過程中隨時間變化的電池容量數(shù)據(jù)；包括電池組容量、單電池充電電壓、單電池充電電流，單電池放電電壓、單電池放電電流、單電池內(nèi)阻，以及單電池表面溫度數(shù)據(jù)；

步驟2：獲取參考電池實驗數(shù)據(jù)集；從在不同充放電倍率下充放電的電池組容量、單電池充電電壓、單電池充電電流、單電池放電電壓、單電池放電電流、單電池溫度和單電池內(nèi)阻數(shù)據(jù)中選取對應充電容量區(qū)間長度為ql的數(shù)據(jù)段組成訓練樣本，獲得包含訓練組和測試組及對應容量標簽的參考電池實驗數(shù)據(jù)集；

步驟3：對實驗數(shù)據(jù)集進行增強處理；隨機裁剪，選取不同的裁剪范圍，對步驟2產(chǎn)生的實驗數(shù)據(jù)集進行剪切再拼接，利用步驟2中完整的電池組容量數(shù)據(jù)生成部分電池容量數(shù)據(jù)，使整個數(shù)據(jù)集變大；

步驟4：構(gòu)建卷積時間記憶神經(jīng)網(wǎng)絡模型；以步驟3中數(shù)據(jù)增強處理后的數(shù)據(jù)集為源數(shù)據(jù)集，利用尋優(yōu)算法，基于源數(shù)據(jù)集對神經(jīng)網(wǎng)絡超參數(shù)進行尋優(yōu)，確定神經(jīng)網(wǎng)絡超參數(shù)，再基于源數(shù)據(jù)集對神經(jīng)網(wǎng)絡進行訓練，確定神經(jīng)網(wǎng)絡參數(shù)；

步驟5：訓練卷積時間記憶神經(jīng)網(wǎng)絡模型；將步驟2劃分的測試組數(shù)據(jù)中不同充放電倍率下充放電的電池組容量為卷積時間記憶神經(jīng)網(wǎng)絡的輸出，以單電池充電電壓、單電池充電電流、單電池放電電壓、單電池放電電流、單電池溫度和單電池內(nèi)阻數(shù)據(jù)作為卷積時間記憶神經(jīng)網(wǎng)絡的輸入，將訓練初始學習率定為0.001，并規(guī)定當訓練過程中迭代次數(shù)達到1000次時，按0.1的倍率減小學習率；根據(jù)訓練迭代次數(shù)是否達到設定值或者訓練誤差是否下降至初始設定的值來判定是否可以結(jié)束訓練；

步驟6：得到待測電池組容量估計值；取待測電池組最近一次充電過程中任意一段單電池充電電壓、單電池充電電流、單電池放電電壓、單電池放電電流、單電池表面溫度以及單電池內(nèi)阻的數(shù)據(jù)，按步驟2的方法得到單電池充電電壓、單電池充電電流、電池放電電壓、單電池放電電流、單電池內(nèi)阻和單電池表面溫度輸入到步驟5訓練好的卷積時間記憶神經(jīng)網(wǎng)絡中，其輸出作為待測電池組剩余容量的估計值。

2.根據(jù)權(quán)利要求1所述基于卷積時間記憶神經(jīng)網(wǎng)絡的鋰電池容量估計方法，其特征在于：步驟3的實現(xiàn)方法為：選取不同的裁剪范圍，對數(shù)據(jù)集進行剪切再拼接，首先確認電池總數(shù)分別進行編號記為Bn，最后一個電池編號為Bmax，其中n＝0,1，……，max，然后構(gòu)建數(shù)組low＝[low0，low1，……lowmax]和數(shù)組high＝[high0，high1，……h(huán)ighmax]，數(shù)組中[lown,highn]分別用于增強區(qū)間的上下限，其中l(wèi)ow0＝high0＝0，在區(qū)間[lown，highn]通過隨機函數(shù)選取一個值randn，復制當前Bn下電池數(shù)據(jù)并粘貼到總數(shù)據(jù)尾部；重復上述步驟轉(zhuǎn)向下一個編號Bn+1，最后達到Bmax。

3.根據(jù)權(quán)利要求1所述基于卷積時間記憶神經(jīng)網(wǎng)絡的鋰電池容量估計方法，其特征在于：步驟4所構(gòu)建卷積時間記憶神經(jīng)網(wǎng)絡模型，為具有多層結(jié)構(gòu)的卷積時間記憶神經(jīng)網(wǎng)絡，包括2層卷積層，相應的伴有池化層，LSTM網(wǎng)絡層為2層，相互之間通過全連接層進行連接；采用反向傳導算法沿著誤差減小的方向從輸出層逐層調(diào)整網(wǎng)絡的連接權(quán)值。