[發明專利]一種鋰電池溫度預測方法、裝置、設備及存儲介質

在審

• 申請號: 202210179666.2
• 申請日: 2022-02-25
• 公開（公告）號: CN114638156A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 呂洲;姚科
• 申請（專利權）人: 香港科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F119/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黎揚鵬

1.一種鋰電池溫度預測方法，其特征在于，包括：

獲取鋰電池的測量數據；所述測量數據包括電路參數以及所述電路參數下獲取的第一時空數據，所述第一時空數據包括溫度值、所述溫度值對應的時間以及所述溫度值對應的鋰電池部位；

將所述第一時空數據輸入ML-ELM模型進行模型降階處理，得到降維的第二時空數據；

將所述電路參數以及所述第二時空數據輸入至第一ELM模型，得到低維時間系數；

將所述低維時間系數輸入至K-ELM模型進行重構處理，得到升維的第三時空數據；

根據所述電路參數、所述第一時空數據、所述第三時空數據進行補償誤差處理，得到鋰電池的溫度預測值。

2.根據權利要求1所述鋰電池溫度預測方法，其特征在于：所述ML-ELM模型包括輸入層以及隱含層模塊，所述輸入層包括輸入節點，所述隱含層模塊包括若干隱含層，每一所述隱含層包括隱含節點；所述將所述第一時空數據輸入ML-ELM模型進行模型降階處理，得到降維的第二時空數據，包括：

獲取所述ML-ELM模型的所述輸入節點與所述隱含節點之間的正交隨機權重、所述隱含節點的正交隨機偏差以及隱含層的激活函數；

根據所述正交隨機權重、所述正交隨機偏差、所述激活函數以及所述第一時空數據，計算每一所述隱含層的輸出矩陣；最后一層隱含層的輸出矩陣為所述第二時空數據。

3.根據權利要求2所述鋰電池溫度預測方法，其特征在于：所述根據所述正交隨機權重、所述正交隨機偏差、所述激活函數以及所述第一時空數據，計算每一所述隱含層的輸出矩陣，包括：

根據所述正交隨機權重、所述正交隨機偏差、所述激活函數以及所述第一時空數據，計算第一層隱含層的輸出矩陣；

獲取單位矩陣以及所述ML-ELM模型的第一嶺參數，根據所述單位矩陣、第一層隱含層的輸出矩陣、所述第一嶺參數以及所述第一時空數據計算第一層隱含層的輸出權重；

根據第一層隱含層的輸出矩陣以及第一層隱含層的輸出權重，計算每一所述隱含層的輸出矩陣；其中每一層隱含層的輸出矩陣根據前一層隱含層的輸出權重以及前一層隱含層的輸出矩陣確定。

4.根據權利要求3所述鋰電池溫度預測方法，其特征在于：所述第一嶺參數通過以下步驟確定：

獲取訓練集；所述訓練集包括若干個樣本；

通過所述訓練集確定原始模型；

從所述訓練中確定待刪除樣本，并根據所述待刪除樣本以及所述原始模型確定新模型；

根據所述新模型以及所述新模型確定算法誤差；

根據所述算法誤差以及優化算法，計算得到第一嶺參數。

5.根據權利要求1所述鋰電池溫度預測方法，其特征在于：所述將所述低維時間系數輸入至K-ELM模型進行重構處理，得到升維的第三時空數據，包括：

獲取所述K-ELM模型的核函數、第二嶺參數以及單位矩陣；

根據所述核函數以及所述低維時間系數，計算得到核矩陣；

根據所述核矩陣、所述第二嶺參數、所述單位矩陣以及所述第一時空數據進行非線性重構，得到所述第三時空數據。

6.根據權利要求1-5任一項所述鋰電池溫度預測方法，其特征在于：所述根據所述電路參數、所述第一時空數據、所述第三時空數據進行補償誤差處理，得到鋰電池的溫度預測值，包括：

計算所述第一時空數據與所述第三時空數據的重構時空誤差；

對所述重構時空誤差進行時空分離處理，得到空間基函數集以及分離時間系數；

將所述分離時間系數以及所述電路參數輸入第二ELM模型進行估計，得到估計時間系數；

根據所述空間基函數集、所述估計時間系數以及所述第三時空數據，得到鋰電池的溫度預測值。

7.根據權利要求6所述鋰電池溫度預測方法，其特征在于：所述根據所述空間基函數集、所述估計時間系數以及所述第三時空數據，得到鋰電池的溫度預測值，包括：

根據所述空間基函數集、所述估計時間系數以及所述第二ELM模型的階數進行求和，得到誤差預測值；

將所述誤差預測值與所述第三時空數據進行相加，得到鋰電池的溫度預測值。