[發明專利]一種基于貝葉斯神經網絡的鋰電池溫度估計方法及系統

有效

• 申請號: 202110684729.5
• 申請日: 2021-06-21
• 公開（公告）號: CN113447828B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 譚曉軍;歐陽孔雷;范玉千;彭衛文;呂鵬翔
• 申請（專利權）人: 中山大學
• 主分類號: G01R31/374
• 分類號: G01R31/374
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 高冰

1.一種基于貝葉斯神經網絡的鋰電池溫度估計方法，其特征在于，包括以下步驟：

離線采集電池電化學阻抗譜數據和對應的溫度標簽；

將電池電化學阻抗譜數據作為參數輸入ARD算法；

建模確定輸入參數的零均值高斯先驗的寬度；

根據高斯先驗的寬度優化輸入參數，得到與溫度相關性最顯著的阻抗虛部特征和與溫度相關性最顯著的交流阻抗頻率點；

基于溫度相關特征和溫度標簽訓練貝葉斯神經網絡模型，得到溫度估計模型；

在線采集溫度相關阻抗頻率點下的阻抗數據，得到實際阻抗數據；

將實際阻抗數據中的阻抗虛部數據輸入溫度估計模型并執行計算，得到當前時刻電池內部估計溫度及置信區間。

2.根據權利要求1所述一種基于貝葉斯神經網絡的鋰電池溫度估計方法，其特征在于，所述離線采集電池電化學阻抗譜數據和對應的溫度標簽這一步驟，其具體包括：

對同型號多個電池進行老化循環測試直至電池衰減到初始容量80%以下；

在固定的循環間隔測量電池在不同溫度、不同荷電狀態和不同健康狀態下的電化學阻抗譜數據；

獲取測試過程中的電池平均內部溫度，作為溫度標簽。

3.根據權利要求2所述一種基于貝葉斯神經網絡的鋰電池溫度估計方法，其特征在于，所述基于溫度相關特征和溫度標簽訓練貝葉斯神經網絡模型，得到溫度估計模型這一步驟，其具體包括：

構建多輸入單輸出貝葉斯神經網絡模型，所述貝葉斯神經網絡模型包括兩層隱藏層；

基于溫度相關特征和溫度標簽訓練貝葉斯神經網絡模型；

通過貝葉斯神經網絡模型對預測分布進行學習，得到溫度估計模型。

4.根據權利要求3所述一種基于貝葉斯神經網絡的鋰電池溫度估計方法，其特征在于，所述通過貝葉斯神經網絡模型對預測分布進行學習，公式表示如下：

上式中，W表示網絡參數， 表示參數的先驗分布， 表示后驗分布，給定觀測數據，X表示輸入數據，Y表示標簽數據。

5.根據權利要求4所述一種基于貝葉斯神經網絡的鋰電池溫度估計方法，其特征在于，所述在線采集溫度相關阻抗頻率點下的阻抗數據具體為通過信號發生器產生所需的激勵頻率并采集此頻率點下的阻抗數據。

6.一種基于貝葉斯神經網絡的鋰電池溫度估計系統，其特征在于，包括：

離線數據采集模塊，用于離線采集電池電化學阻抗譜數據和對應的溫度標簽；

溫度相關數據確定模塊，將電池電化學阻抗譜數據作為參數輸入ARD算法；建模確定輸入參數的零均值高斯先驗的寬度；根據高斯先驗的寬度優化輸入參數，得到與溫度相關性最顯著的阻抗虛部特征和與溫度相關性最顯著的交流阻抗頻率點；

模型訓練模塊，基于溫度相關特征和溫度標簽訓練貝葉斯神經網絡模型，得到溫度估計模型；

在線數據采集模塊，用于在線采集溫度相關阻抗頻率點下的阻抗數據，得到實際阻抗數據；

溫度估計模塊，用于將實際阻抗數據中的阻抗虛部數據輸入溫度估計模型并執行計算，得到當前時刻電池內部估計溫度及置信區間。