[發明專利]基于相似性的鋰離子電池SOH預測和SOC估計方法

在審

• 申請號: 202210193402.2
• 申請日: 2022-02-28
• 公開（公告）號: CN114563711A
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 楊寧;余濤
• 申請（專利權）人: 華南理工大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/378;G01R31/382;G01R31/392
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 江裕強

1.基于相似性的鋰離子電池SOH預測和SOC估計方法，其特征在于，包括以下步驟：

S1、獲取同類型同工況下的鋰離子電池的歷史健康狀態SOH序列，并進行預處理；

S2、根據預處理后的歷史健康狀態SOH序列訓練第一模型；

S3、獲取待預測數據鋰離子電池在充放電半循環中的數據，按充放電半循環劃分為訓練數據和待預測數據；

S4、將訓練數據按照時間發生順序按照比例分成多份訓練數據樣本；

S5、根據訓練數據樣本，訓練第二模型；

S6、采用訓練完成的第一模型對待預測的鋰離子電池本次充放電半循環中的健康狀態SOH值進行預測；

S7、對于鋰離子電池在本次充放電半循環中的待預測數據，按照同樣比例劃分為多份待預測數據樣本，并結合訓練數據樣本將每份待預測數據樣本進行整體上下移動，獲得平移后的待預測數據樣本，輸入訓練好的第二模型，預測得到待預測的鋰離子電池本次充放電半循環中實時的基于額定容量定義下的荷電狀態SOC_N的預測值，并根據步驟S6中本次充放電半循環中的健康狀態SOH的預測值得到實時的基于最大可用容量定義下的荷電狀態SOC_H的預測值；

S8、對本次充放電半循環中實時的基于額定容量定義下的荷電狀態SOC_N、基于最大可用容量定義下的荷電狀態SOC_H和健康狀態SOH進行更新，分別得到對應的真實值；

S9、更新待預測數據，返回步驟S3。

2.根據權利要求1所述的基于相似性的鋰離子電池SOH預測和SOC估計方法，其特征在于，步驟S1中，鋰離子電池先后完成一次充電過程和一次放電過程為一次完整的充放電循環，單獨完成一次充電過程或一次放電過程稱之為充放電半循環；

充電過程包括恒流充電階段或恒壓充電階段，放電過程包括恒流放電階段；

健康狀態SOH序列由鋰離子電池先后完成的多個充放電半循環的健康狀態SOH按照時序排列而成；

對歷史健康狀態SOH序列進行預處理，具體如下：

將歷史健康狀態SOH序列按充放電半循環劃分為多個充放電半循環中的健康狀態SOH。

3.根據權利要求2所述的基于相似性的鋰離子電池SOH預測和SOC估計方法，其特征在于，步驟S2中，給定窗口大小windows size，對歷史健康狀態SOH序列進行滑窗，每次取windows size個充放電半循環中的健康狀態SOH值作為輸入，將窗口后的1個充放電半循環中的健康狀態SOH值作為輸出，從而建立有監督學習的輸入和輸出，采用相關向量機或集成學習算法，訓練得到第一模型；

所述集成學習算法包括隨機森林、極端隨機樹、裝袋算法、梯度提升機或決策樹。

4.根據權利要求3所述的基于相似性的鋰離子電池SOH預測和SOC估計方法，其特征在于，步驟S3中，給定初值p，pwindows size；

獲取待預測的鋰離子電池先后完成的前p+1個充放電半循環中的健康狀態SOH的真實值；

獲取待預測的鋰離子電池先后完成的第p個充放電半循環的數據，作為訓練數據，獲取待預測的鋰離子電池第p+2個充放電半循環的數據，作為待預測數據；

訓練數據包括鋰離子電池在恒流充電階段、恒壓充電階段或恒流放電階段中的電壓、電流、溫度和基于額定容量定義下的荷電狀態SOC_N對于時間的曲線；

待預測數據包括鋰離子電池在恒流充電階段、恒壓充電階段或恒流放電階段中的電壓、電流和溫度對于時間的曲線。

5.根據權利要求4所述的基于相似性的鋰離子電池SOH預測和SOC估計方法，其特征在于，步驟S4中，將訓練數據的數據曲線按照時間發生順序按照比例分成多份訓練數據樣本；

每份訓練數據樣本中的物理量包括電壓、電流或溫度；

記錄每份訓練數據樣本對應的物理量的初始值，即每份訓練數據樣本中的數據曲線起始端對應的鋰離子電池的物理量的值。