[發(fā)明專利]一種基于數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)評估方法

在審

• 申請?zhí)枺?/td>: 202310459819.3
• 申請日: 2023-04-26
• 公開（公告）號: CN116224085A
• 公開（公告）日: 2023-06-06
• 發(fā)明（設(shè)計）人: 茍斌;徐燕璋;楊順風(fēng);張博釗;王青元;宋文勝
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392
• 代理公司: 成都正德明志知識產(chǎn)權(quán)代理有限公司 51360
• 代理人: 周蕓嬋

1.一種基于數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)評估方法，其特征在于，包括如下步驟：

S1、從電池老化數(shù)據(jù)集中獲取電池實(shí)際SOH以及恒流充電條件下的充電電壓曲線，選取等充電電壓區(qū)間的持續(xù)時間作為特征；

S2、通過不同大小的滑動窗口將充電電壓曲線中完整的充電電壓區(qū)間劃分為若干個子電壓區(qū)間，計算不同子電壓區(qū)間中電池每次循環(huán)的充電持續(xù)時間，得到每個子電壓區(qū)間的特征數(shù)據(jù)，經(jīng)過預(yù)處理后，得到典型特征提取區(qū)間；

S3、將典型特征提取區(qū)間且歸一化處理后的特征數(shù)據(jù)與電池實(shí)際SOH結(jié)合，得到各個典型特征提取區(qū)間的數(shù)據(jù)集，將典型特征提取區(qū)間的數(shù)據(jù)集以非線性自回歸結(jié)構(gòu)NARX排列，得到各個典型特征提取區(qū)間的非線性自回歸結(jié)構(gòu)的數(shù)據(jù)集；

S4、對不同電池重復(fù)上述步驟S2-S3并劃分出訓(xùn)練電池和測試電池，對訓(xùn)練電池不同典型特征提取區(qū)間的數(shù)據(jù)集訓(xùn)練并優(yōu)化，得到訓(xùn)練好的模型；

S5、利用S4得到的訓(xùn)練好的模型對鋰電池健康狀態(tài)進(jìn)行評估。

2.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)評估方法，其特征在于，所述S1中特征表示為：

其中，T^F為特征，是充電到電壓區(qū)間下限V_min時的時刻，是充電到電壓區(qū)間上限V_max時的時刻。

3.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)評估方法，其特征在于，所述S2具體包括如下步驟：

S21、通過不同大小的滑動窗口將3.7V-4.2V充電電壓區(qū)間劃分為多個子電壓區(qū)間，計算不同子電壓區(qū)間中電池每次循環(huán)的充電持續(xù)時間，得到每個子電壓區(qū)間的特征數(shù)據(jù)；

S22、對每個子電壓區(qū)間的特征數(shù)據(jù)均除以其最大值，將其歸一化至[0，1]區(qū)間內(nèi)；

S23、計算不同子電壓區(qū)間的特征數(shù)據(jù)與電池實(shí)際SOH之間的Pearson系數(shù)，將Pearson系數(shù)最大絕對值所對應(yīng)的子電壓區(qū)間以及同屬一個滑動窗口的其他子電壓區(qū)間固定為典型特征提取區(qū)間。

4.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)評估方法，其特征在于，所述步驟S3包括以下步驟：

S31、分別將從典型特征提取區(qū)間中提取且歸一化后的特征數(shù)據(jù)與電池SOH結(jié)合，得到各個典型特征提取區(qū)間的數(shù)據(jù)集D；

S32、以某典型特征提取區(qū)間的數(shù)據(jù)樣本為例，通過下式，將該區(qū)間的數(shù)據(jù)集D以非線性自回歸結(jié)構(gòu)NARX排列，使當(dāng)前特征數(shù)據(jù)和歷史數(shù)據(jù)作為特征向量，當(dāng)前電池SOH作為目標(biāo)向量，得到該區(qū)間的非線性自回歸結(jié)構(gòu)NARX的數(shù)據(jù)集D^N。

5.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)評估方法，其特征在于，所述S32中當(dāng)前電池SOH的目標(biāo)向量表示為：

SOH^*(t)＝f(T^F(t)，T^F(t-1)，…，T^F(t-z)，SOH′(t-1)，…，SOH′(t-z))

其中，SOH^*(t)為目標(biāo)向量，表示第t次循環(huán)電池SOH評估模型的輸出，f表示目標(biāo)向量與特征向量之間的非線性映射關(guān)系，T^F(t)表示第t次循環(huán)BMS采集到的特征數(shù)據(jù)，z表示特征向量的延時步長，SOH′(t-z)表示第t-z次循環(huán)電池的健康狀態(tài)。

6.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)評估方法，其特征在于，所述步驟S4包括以下步驟：

S41、將以上特征數(shù)據(jù)提取方法以及步驟S3應(yīng)用在不同電池上，并劃分出訓(xùn)練電池和測試電池；

S42、對訓(xùn)練電池不同典型特征提取區(qū)間的數(shù)據(jù)集D^N，分別使用edRVFL算法，得到不同典型特征提取區(qū)間的電池SOH評估模型；

S43、使用測試電池對不同典型特征提取區(qū)間的電池SOH評估模型進(jìn)行測試，不斷優(yōu)化每個模型的隱藏層層數(shù)L、隱藏層神經(jīng)元個數(shù)N和隱藏層神經(jīng)元的激活函數(shù)g，使均方根誤差在測試電池上滿足要求，優(yōu)化結(jié)束則得到不同典型特征提取區(qū)間最終的電池SOH評估模型。

7.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)評估方法，其特征在于，所述S43中均方根誤差的計算公式可表示為：

其中，SOH_test表示電池SOH評估模型在測試電池上的估計結(jié)果，SOH_real表示測試電池的實(shí)際SOH，n為電池老化實(shí)驗(yàn)總的循環(huán)次數(shù)，i為電池老化實(shí)驗(yàn)的第i次循環(huán)。