[發明專利]基于片段充電時間和GRU的鋰離子電池健康狀態預測方法

在審

• 申請號: 202111191557.4
• 申請日: 2021-10-13
• 公開（公告）號: CN113917336A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 范元亮;方略斌;吳涵;連慶文;黃興華;李澤文;陳偉銘;陳擴松;柯春凱;陳思哲;鄭宇
• 申請（專利權）人: 國網福建省電力有限公司;國網福建省電力有限公司電力科學研究院
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳鼎桂;蔡學俊

1.一種基于片段充電時間和GRU的鋰離子電池健康狀態預測方法,其特征在于，包括以下步驟：

步驟S1:獲取鋰離子電池循環老化過程中的充電電壓數據及對應的時間數據、最大放電容量數據,并提取充電電壓數據及對應的時間數據，構建時間差數組；

步驟S2:根據最大放電容量數據計算相應的電池健康狀態數據，與時間差數組構成鋰離子電池健康狀態預測數據集，并劃分成訓練集和測試集；

步驟S3:構建門控循環單元神經網絡模型；

步驟S4:根據訓練集對門控循環單元神經網絡模型進行訓練，并使用測試集對訓練后的門控循環單元神經網絡模型進行測試；

步驟S5:將測試通過的門控循環單元神經網絡模型用于在線預測，根據片段充電時間內的充電電壓數據及對應的時間數據實時預測鋰離子電池健康狀態。

2.根據權利要求1所述的基于片段充電時間和GRU的鋰離子電池健康狀態預測方法，其特征在于，所述步驟S1具體為：

步驟S11:在鋰離子電池放電截止電壓與充電截止電壓范圍內，選取電壓值V₁作為片段充電時間對應的起始電壓，將充電截止電壓V_N+1作為片段充電時間對應的結束電壓，將該電壓區間均勻分為N段，產生電壓等差數列[V₁,V₂,…,V_N+1]，電壓等差數列中相鄰元素之間的電壓差ΔV為

步驟S12：在每次鋰離子電池充放電循環過程中，當鋰離子電池端電壓從初始電壓V₀上升至片段充電時間起始電壓V₁時，將該電壓對應時間記錄為T₁；然后，每當電壓上升ΔV達到電壓等差數列[V₁,V₂,…,V_N+1]中下一個電壓值V_i時，將該電壓對應時間記錄為T_i(i＝2,3,…,N+1)；直至端電壓達到充電截止電壓V_N+1時停止記錄，并將整個過程記錄的所有時間形成時間數組T＝[T₁,T₂,…,T_N+1]；

步驟S13：根據時間數據集中的數據，計算時間差數據集，具體計算方法為：

根據計算結果，形成單次充放電循環的時間差數組ΔT＝[ΔT₁,ΔT₂,…,ΔT_N]。

3.根據權利要求1所述的基于片段充電時間和GRU的鋰離子電池健康狀態預測方法，其特征在于，所述步驟S2具體為：

步驟S21:根據每次充放電循環的最大放電容量與電池標稱容量，計算每次循環的鋰離子電池健康狀態如下：

其中C₁表示鋰離子電池標稱容量，C_n表示當前循環的最大放電容量；

步驟S22:對于單次充放電循環，將本次循環的鋰離子電池健康狀態SOH與時間差數組ΔT組合，形成單次充放電循環的鋰離子電池健康狀態預測數組[SOH,ΔT₁,ΔT₂,…,ΔT_N]；

步驟S23：對于所有k次充放電循環，循環執行步驟301，可以構建鋰離子電池健康狀態預測數據集D：

步驟S24：將預測數據集D的前60％的數據作為訓練集D₁，后40％的數據作為測試集D₂：

其中，i＝k×60％。

4.根據權利要求1所述的基于片段充電時間和GRU的鋰離子電池健康狀態預測方法，其特征在于，所述步驟S3具體為：構建門控循環單元神經網絡模型，設置神經網絡模型的輸入為時間差數組，設置所述神經網絡模型的輸出為鋰離子電池健康狀態數據，并設置神經網絡模型參數，其中輸入節點個數為N，輸出節點個數為1，優化算法為Adam。