[發(fā)明專利]基于BP神經(jīng)網(wǎng)絡(luò)的儲能鋰電池組老化模式自動識別方法

在審

• 申請?zhí)枺?/td>: 202210306796.8
• 申請日: 2022-03-25
• 公開（公告）號: CN114720879A
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計）人: 吳卓彥;尹立坤;賈俊;肖偉;趙霽;鐘衛(wèi)東;熊然;李立理;高浪
• 申請（專利權(quán)）人: 中國長江三峽集團(tuán)有限公司;清華四川能源互聯(lián)網(wǎng)研究院
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G01R31/396;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 馮潔

本發(fā)明提供一種基于BP神經(jīng)網(wǎng)絡(luò)的儲能鋰電池組老化模式自動識別方法，涉及鋰電池技術(shù)領(lǐng)域。方法包括：采集鋰電池集合的運(yùn)行數(shù)據(jù)，對運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理，獲得滿足后續(xù)計算需求的電壓、電流、溫度數(shù)據(jù)；對不同循環(huán)次數(shù)的鋰離子電池組建立對應(yīng)的IC曲線，并提取IC曲線的特征參數(shù)，比較鋰離子電池組不同老化狀態(tài)的特征參數(shù)變化，將特征參數(shù)變化的集合作為輸入，老化模式類型作為輸出，進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；訓(xùn)練完成后，通過預(yù)處理后的運(yùn)行數(shù)據(jù)提取IC曲線的特征量，基于訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)老化模式的自動分類識別。該方法能夠?qū)崿F(xiàn)適用于工程數(shù)據(jù)的老化模式類型判斷，便于對不同老化狀態(tài)的磷酸鐵鋰電池集進(jìn)行健康管理。

技術(shù)領(lǐng)域

本發(fā)明涉及鋰電池技術(shù)領(lǐng)域，具體而言，涉及一種基于BP神經(jīng)網(wǎng)絡(luò)的儲能鋰電池組老化模式自動識別方法。

背景技術(shù)

鋰離子電池具備能量密度高、零排放、性價比高、無記憶效應(yīng)、重量輕和攜帶方便等突出優(yōu)點(diǎn)。目前，磷酸鐵鋰電池被廣泛應(yīng)用在電網(wǎng)儲能領(lǐng)域，自動識別鋰電池內(nèi)部老化模式是鋰電池使用過程中的重點(diǎn)和難度技術(shù)，這關(guān)系著電池的健康安全、使用效率與產(chǎn)品更迭。

磷酸鐵鋰電池的老化模式主要有六類：活性鋰離子損失(Loss of LithiumInventory，簡稱：LLI)、負(fù)極活性材料損失-脫鋰(Loss of Active material–delithiation in Negative electrode，簡稱：LAM_deNE)、負(fù)極活性材料損失-鋰化(Lossof Active material–lithiation in Negative electrode，簡稱：LAM_liNE)、正極活性材料損失-脫鋰(Loss of Active material–delithiation in Positive electrode，簡稱：LAM_dePE)、正極活性材料損失-鋰化(Loss of Active material–lithiation inPositive electrode，簡稱：LAM_liPE)以及歐姆內(nèi)阻增加(Ohmic Resistance Increase，簡稱：ORI)。

現(xiàn)有識別老化模式的方法包括基于擴(kuò)散應(yīng)力分布理論的可循環(huán)LLI-LAM復(fù)合容量損失模型、基于EIS等效電路模型的量化模型以及基于容量增量-微分電壓(IncreaseCapacity-Differential Voltage，簡稱：IC-DV)曲線的量化模型。第一種模型的建立十分復(fù)雜且計算量龐大，難以在工程上進(jìn)行運(yùn)用；第二種模型的建立需要選擇合適的電路模型擬合阻抗曲線，該模型是否合適直接影響擬合結(jié)果，且該模型對于設(shè)備采樣和測量精度要求也比較高，易受外部噪聲的干擾。第三種模型的建立比較簡單但量化結(jié)果誤差較大，且不能自動識別老化模型。

發(fā)明內(nèi)容

本發(fā)明的目的包括提供一種基于BP神經(jīng)網(wǎng)絡(luò)的儲能鋰電池組老化模式自動識別方法，其能夠?qū)崿F(xiàn)適用于工程數(shù)據(jù)的老化模式類型判斷，便于對不同老化狀態(tài)的磷酸鐵鋰電池集進(jìn)行合理的健康管理。

本發(fā)明的實(shí)施例可以這樣實(shí)現(xiàn)：

本發(fā)明提供一種基于BP神經(jīng)網(wǎng)絡(luò)的儲能鋰電池組老化模式自動識別方法，方法包括：

S1：采集鋰電池集合的運(yùn)行數(shù)據(jù)，對運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理，獲得滿足后續(xù)計算需求的電壓、電流、溫度數(shù)據(jù)；

S2：對不同循環(huán)次數(shù)的鋰離子電池組建立對應(yīng)的IC曲線；

S3：提取鋰離子電池不同老化狀態(tài)的IC曲線的特征參數(shù)，比較鋰離子電池組不同老化狀態(tài)的特征參數(shù)變化，將特征參數(shù)變化的集合作為輸入，老化模式類型作為輸出，進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；

S4：在BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成后，通過預(yù)處理后的運(yùn)行數(shù)據(jù)提取IC曲線的特征量，基于訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)老化模式的自動分類識別。

在可選的實(shí)施方式中，S1包括：