[發明專利]一種電池健康狀態的預測方法

在審

• 申請號: 202210608180.6
• 申請日: 2022-05-31
• 公開（公告）號: CN114924194A
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 柯鵬;錢磊;朱卓敏
• 申請（專利權）人: 上海電享信息科技有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 吳芳

1.一種電池健康狀態的預測方法，其特征在于，所述預測方法包括：

獲取電池的全生命周期數據并將其拆分成多個循環過程，從而得到每個循環發生的時間和應力影響因子，以形成集合T，所述集合T包括每個循環發生的時間；

對所述集合T中的數據進行排序，并計算相鄰數據的時間間隔，從而得到多個時間差以組成集合T_diff；

將所述集合T和所述集合T_diff輸入至時序模型進行訓練以得到模型model₁，并且，將部分的所述應力影響因子和所述集合T輸入至時序模型進行訓練以得到模型model_temp、model_soc、model_dod、model_pass；

利用所述模型model₁、model_temp、model_soc、model_dod、model_pass計算不同時刻的預測值，從而組成集合Temp_p、并根據集合的應力值計算電池的SOH。

2.根據權利要求1所述的電池健康狀態的預測方法，其特征在于，所述拆分成多個循環過程的方法包括：先按照電池的時間對所述全生命周期數據進行排序，再根據電池的SOC對所述全生命周期數據進行拆分。

3.根據權利要求1所述的電池健康狀態的預測方法，其特征在于，所述應力影響因子包括平均溫度因子、平均SOC因子、放電深度因子、經歷時間因子，其中，所述平均溫度因子為循環過程中所有溫度探針檢測到的溫度的平均值，所述平均SOC因子為循環過程中不同時刻下SOC的平均值，所述放電深度因子為循環過程中的放電過程中的放電開始SOC與放電結束SOC的差值，所述經歷時間因子為循環過程經歷的時間。

4.根據權利要求3所述的電池健康狀態的預測方法，其特征在于，所述預測方法還包括：將所述平均溫度因子組成的集合Temp和所述集合T輸入至時序模型進行訓練以得到模型model_temp。

5.根據權利要求3所述的電池健康狀態的預測方法，其特征在于，所述預測方法還包括：將所述平均SOC因子組成的集合SOC_mean和所述集合T輸入至時序模型進行訓練以得到模型model_soc。

6.根據權利要求3所述的電池健康狀態的預測方法，其特征在于，所述預測方法還包括：將所述放電深度因子組成的集合DOD_j和所述集合T輸入至時序模型進行訓練以得到模型model_dod。

7.根據權利要求3所述的電池健康狀態的預測方法，其特征在于，所述預測方法還包括：將所述經歷時間因子組成的集合time_pass和所述集合T輸入至時序模型進行訓練以得到模型model_pass。

8.根據權利要求1所述的電池健康狀態的預測方法，其特征在于，所述預測方法還包括：在組成所述集合T_diff之后，計算所述集合T_diff中數據的平均值，并將該平均值添加至所述集合T_diff中作為第一項，從而將所述集合T和所述集合T_diff輸入至時序模型進行訓練以得到模型model₁。

9.根據權利要求1所述的電池健康狀態的預測方法，其特征在于，所述計算不同時刻的預測值的方法包括：利用model₁進行預測以得到序列分別使用模型model_temp、model_soc、model_dod、model_pass計算時刻的預測值，從而得到相應的Temp_p、所述tn為開始預測的時間。

10.根據權利要求1所述的電池健康狀態的預測方法，其特征在于，所述計算電池的SOH值的方法包括：根據循環充放電衰減實驗的實驗數據擬合電池的衰減曲線，并利用所述集合Temp_p、的應力值對所述衰減曲線進行修正，從而利用修正后的衰減曲線計算電池的SOH值。