基于多特征的锂电池健康状态预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115840156A(43)申请公布日2023.03.24(21)申请号202211361876.X(22)申请日2022.11.02(71)申请人河北工业大学地址300401天津市北辰区西平道5340号(72)发明人黄凯李森茂郭永芳孙恺王子鹏(74)专利代理机构天津翰林知识产权代理事务所(普通合伙)12210专利代理师蔡运红(51)Int.Cl.G01R31/392(2019.01)G01R31/367(2019.01)G01R31/378(2019.01)权利要求书1页说明书5页附图1页(54)发明名称基于多特征的锂电池健康状态预测方法(57)摘要本发明为基于多特征的锂电池健康状态预测方法，首先在恒流条件下进行锂电池充放电实验，直至锂电池达到寿命终止条件，并获取锂电池老化数据；进行包括填补缺失数据、异常点处理和统一数据长在内的数据预处理；然后，从放电前期的电压数据中提取包括前期电压曲线曲率峰值、前期电压变化率均值、前期电压降落、前期放电电压平均值、前期电压差平方和前期放电IC曲线尾值和前期放电功率均值在内的七个特征，用于表征锂电池健康状态；最后，构建锂电池容量预测模型，利用遗传算法优化模型，优化后的锂电池容量预测模型用于预测锂电池的最大可用容量，用于表征健康状态。该方法从放电前期的电压数据提取多个特征，并建立了特征与SOH之间的映射关系，利用多个特征共同预测锂电池健康状态。CN115840156ACN115840156A权利要求书1/1页1.一种基于多特征的锂电池健康状态预测方法，其特征在于，该方法包括以下步骤：步骤一、在恒流条件下进行锂电池充放电实验，直至锂电池达到寿命终止条件；获取锂电池老化数据；步骤二、数据预处理，包括填补缺失数据、异常点处理和统一数据长度；当缺失数据为离散点时，根据前一次循环相同位置的数据呈现的规律对缺失数据进行填补；当缺失数据为片段时，在前一次循环获得的放电电压曲线中找到与之对应的位置，根据前一次循环的放电电压数据计算该位置中每个时刻的电压变化率，根据每个时刻的电压变化率对缺失数据片段进行填补；利用前一时刻电压值与后一时刻电压值的平均值对异常点进行替换；将每次循环的采样点统一为100个；步骤三、从放电初期的电压数据中提取包括前期电压曲线曲率峰值、前期电压变化率均值、前期电压降落、前期放电电压平均值、前期电压差平方和前期放电IC曲线尾值和前期放电功率均值在内的七个特征，用于表征锂电池健康状态；步骤四、基于BP神经网络构建锂电池容量预测模型，模型的输入为步骤三提取的七个特征，输出为锂电池的最大可用容量；利用遗传算法优化模型的初始权重和阈值；将优化后的锂电池容量预测模型用于预测锂电池的最大可用容量，用于表征健康状态。2CN115840156A说明书1/5页基于多特征的锂电池健康状态预测方法技术领域[0001]本发明涉及电池健康状态监测技术领域，尤其涉及一种基于多特征的锂电池健康状态预测方法。背景技术[0002]锂离子电池具有能量密度高、自放电率低、低温性能好、寿命长等突出的综合性能，已成为清洁能源的重要组成部分。锂离子电池作为各种系统中能源供应的核心部件，已广泛应用于航天国防工业、储能系统、交通运输、移动通信、消费电子等领域。[0003]然而，在锂离子电池的应用中存在着许多安全问题，电池故障可能会导致电气设备或系统的性能下降或故障，甚至是灾难性的后果。例如，电动汽车锂离子电池的不当操作可能会导致火灾或爆炸。为了保证电池的可靠安全运行，电池管理系统(BatteryManagementSystem,BMS)需要对电池的状态进行监测，其中健康状态(StateofHealth,SOH)就是一个重要指标，当最大可用容量下降到80％时，电池即达到报废条件，此时需要及时更换电池以避免灾难的发生。因此为电池提供高精度的SOH估计结果，对于制定安全使用和维护策略以及避免电池潜在故障的发生具有重要意义。发明内容[0004]针对现有技术的不足，本发明拟解决的技术问题是，提供一种基于多特征的锂电池健康状态预测方法。[0005]本发明解决所述技术问题采用的技术方案如下：[0006]一种基于多特征的锂电池健康状态预测方法，其特征在于，该方法包括以下步骤：[0007]步骤一、在恒流条件下进行锂电池充放电实验，直至锂电池达到寿命终止条件；获取锂电池老化数据；[0008]步骤二、数据预处理，包括填补缺失数据、异常点处理和统一数据长度；[0009]当缺失数据为离散点时，根据前一次循环相同位置的数据呈现的规律对缺失数据进行填补；当缺失数据为片段时，在前一次循环获得的放电电压曲线中找到与之对应的位置，根据前一次循环的放电电压数据计算该位置中每个时刻的电压变化率，根据每个时刻的电压