本發(fā)明涉及鋰離子電池，尤其涉及一種鋰離子電池rul預(yù)測(cè)方法及裝置。

背景技術(shù)：

1、鋰電池具有能量、功率密度高、效率高、工作溫度范圍寬、自放電率低、使用壽命長(zhǎng)、環(huán)境友好等顯著優(yōu)勢(shì)，因此已成為電動(dòng)汽車的首選能源。鋰離子電池的需求量日益提高，然而鋰電池在長(zhǎng)期的使用過(guò)程中，伴隨著充放電循環(huán)次數(shù)的增多，電池內(nèi)部發(fā)生了一些不可逆的化學(xué)反應(yīng)，導(dǎo)致內(nèi)阻增大，性能衰退，甚至?xí)斐梢恍┦鹿?。因此，如何?zhǔn)確預(yù)測(cè)鋰電池的剩余使用壽命對(duì)于鋰電池是否能安全使用尤為重要，已經(jīng)成為國(guó)內(nèi)外研究的熱點(diǎn)。

2、目前對(duì)于鋰電池rul(remaininguseful?life，剩余使用壽命)預(yù)測(cè)方法可分為直接法和間接法。直接法采用庫(kù)倫計(jì)數(shù)或阻抗譜來(lái)預(yù)測(cè)剩余壽命，存在累積誤差和預(yù)測(cè)時(shí)間長(zhǎng)等局限性，電池阻抗需要使用專業(yè)儀器測(cè)量，很難在線應(yīng)用。間接法主要是模型驅(qū)動(dòng)方法和數(shù)據(jù)驅(qū)動(dòng)方法，基于模型的方法主要包括電化學(xué)模型和等效電路模型；基于數(shù)據(jù)驅(qū)動(dòng)的方法主要包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和多種方法融合進(jìn)行預(yù)測(cè)，需要大量?jī)?yōu)質(zhì)數(shù)據(jù)，且模型參數(shù)尋優(yōu)仍具有很大挑戰(zhàn)。傳統(tǒng)的方法提取健康因子較少，大都使用容量單一特征進(jìn)行估計(jì)，存在特征不足，魯棒性差等問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為了解決現(xiàn)有技術(shù)所存在的不足之處，提出一種鋰離子電池rul預(yù)測(cè)方法及裝置，考慮鋰電池充放電過(guò)程中多個(gè)健康因子對(duì)因電池剩余使用壽命的影響，并使用優(yōu)化算法對(duì)神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，提高神經(jīng)網(wǎng)絡(luò)性能以及預(yù)測(cè)精度，從而提高動(dòng)力電池相關(guān)應(yīng)用的安全性、可靠性，提升能源的利用率。

2、本發(fā)明提供一種鋰離子電池rul預(yù)測(cè)方法，包括：

3、獲取樣本鋰離子電池在每次充放電過(guò)程中的電壓曲線、電流曲線、溫度曲線和容量數(shù)據(jù)，從所述電壓曲線、電流曲線和溫度曲線中分別提取與所述容量數(shù)據(jù)退化相關(guān)的特征數(shù)據(jù)；

4、確定每種特征數(shù)據(jù)與所述容量數(shù)據(jù)之間的相關(guān)性，將所述容量數(shù)據(jù)和大于預(yù)設(shè)閾值的所述相關(guān)性對(duì)應(yīng)的特征數(shù)據(jù)作為健康因子輸入神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練；

5、確定目標(biāo)鋰離子電池的所述健康因子，將所述目標(biāo)鋰離子電池的健康因子輸入訓(xùn)練后的所述神經(jīng)網(wǎng)絡(luò)中，得到所述目標(biāo)鋰離子電池的rul預(yù)測(cè)值。

6、根據(jù)本發(fā)明提供的一種鋰離子電池rul預(yù)測(cè)方法，所述特征數(shù)據(jù)包括恒壓充電時(shí)間、恒流充電時(shí)間、恒流放電時(shí)間、所述恒流放電時(shí)間對(duì)應(yīng)的溫度變化、充電溫度達(dá)到峰值的時(shí)間和放電溫度達(dá)到峰值的時(shí)間中的一種或多種；

7、所述恒壓充電時(shí)間為以恒定電壓對(duì)所述樣本鋰離子電池進(jìn)行充電，直到所述樣本鋰離子電池的電流下降至預(yù)設(shè)充電電流的充電時(shí)間；

8、所述恒流充電時(shí)間為以恒定電流對(duì)所述樣本鋰離子電池進(jìn)行充電，直到所述樣本鋰離子電池的電壓達(dá)到預(yù)設(shè)充電電壓的充電時(shí)間；

9、所述恒流放電時(shí)間為以恒定電流對(duì)所述樣本鋰離子電池進(jìn)行放電，直到所述樣本鋰離子電池的電壓下降至預(yù)設(shè)放電電壓的放電時(shí)間；

10、所述恒流放電時(shí)間對(duì)應(yīng)的溫度變化為所述恒流放電時(shí)間的起始時(shí)刻的溫度和結(jié)束時(shí)刻的溫度之間的差值。

11、根據(jù)本發(fā)明提供的一種鋰離子電池rul預(yù)測(cè)方法，所述確定每種特征數(shù)據(jù)與所述容量數(shù)據(jù)之間的相關(guān)性，包括：

12、使用皮爾遜相關(guān)系數(shù)確定多次充放電過(guò)程中每種特征數(shù)據(jù)與所述容量數(shù)據(jù)之間的相關(guān)性。

13、根據(jù)本發(fā)明提供的一種鋰離子電池rul預(yù)測(cè)方法，在將所述容量數(shù)據(jù)和大于預(yù)設(shè)閾值的所述相關(guān)性對(duì)應(yīng)的特征數(shù)據(jù)作為健康因子輸入神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練之前，還包括：

14、使用沙貓優(yōu)化算法對(duì)所述神經(jīng)網(wǎng)絡(luò)的超參數(shù)進(jìn)行優(yōu)化。

15、根據(jù)本發(fā)明提供的一種鋰離子電池rul預(yù)測(cè)方法，所述使用沙貓優(yōu)化算法對(duì)所述神經(jīng)網(wǎng)絡(luò)的超參數(shù)進(jìn)行優(yōu)化，包括：

16、根據(jù)沙貓的預(yù)設(shè)種群個(gè)數(shù)、問(wèn)題維度，以及搜索空間的上限和下限，確定沙貓初始的多個(gè)種群位置，所述問(wèn)題維度為所述超參數(shù)的個(gè)數(shù)，所述搜索空間的上限和下限為每個(gè)超參數(shù)的上限和下限，不同種群位置包含的所述超參數(shù)的值不完全相同；

17、確定沙貓的每個(gè)當(dāng)前種群位置的適應(yīng)度，根據(jù)所述適應(yīng)度最高的當(dāng)前種群位置更新沙貓種群的全局最佳位置；

18、根據(jù)沙貓的靈敏度范圍，確定沙貓的引導(dǎo)參數(shù)；

19、在所述引導(dǎo)參數(shù)大于1時(shí)，根據(jù)沙貓當(dāng)前時(shí)刻的最佳位置、每個(gè)當(dāng)前種群位置和所述靈敏度范圍，更新每個(gè)當(dāng)前種群位置；

20、在所述引導(dǎo)參數(shù)小于等于1時(shí)，根據(jù)沙貓種群的全局最佳位置和每個(gè)當(dāng)前種群位置生產(chǎn)隨機(jī)位置，根據(jù)沙貓種群的全局最佳位置、隨機(jī)位置和所述靈敏度范圍，更新每個(gè)當(dāng)前種群位置；

21、當(dāng)沙貓的當(dāng)前種群位置更新的次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)，將沙貓種群的全局最佳位置作為所述超參數(shù)的最優(yōu)值。

22、根據(jù)本發(fā)明提供的一種鋰離子電池rul預(yù)測(cè)方法，所述確定沙貓的每個(gè)當(dāng)前種群位置的適應(yīng)度，包括：

23、將每個(gè)當(dāng)前種群位置作為所述神經(jīng)網(wǎng)絡(luò)的超參數(shù)，將所述健康因子輸入所述神經(jīng)網(wǎng)絡(luò)中得到所述樣本鋰離子電池的rul預(yù)測(cè)值；

24、根據(jù)所述樣本鋰離子電池的rul預(yù)測(cè)值和rul實(shí)際值，確定每個(gè)當(dāng)前種群位置的適應(yīng)度。

25、根據(jù)本發(fā)明提供的一種鋰離子電池rul預(yù)測(cè)方法，將所述容量數(shù)據(jù)和大于預(yù)設(shè)閾值的所述相關(guān)性對(duì)應(yīng)的特征數(shù)據(jù)作為健康因子輸入神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，包括：

26、將所述樣本鋰離子電池對(duì)應(yīng)的健康因子輸入所述神經(jīng)網(wǎng)絡(luò)中的cnn，得到所述cnn提取的特征數(shù)據(jù)；

27、將所述cnn提取的特征數(shù)據(jù)輸入所述神經(jīng)網(wǎng)絡(luò)中的bigru，得到所述bigru輸出的所述樣本鋰離子電池的rul預(yù)測(cè)值；

28、根據(jù)所述樣本鋰離子電池的rul預(yù)測(cè)值和rul實(shí)際值，對(duì)所述神經(jīng)網(wǎng)絡(luò)中的權(quán)重參數(shù)進(jìn)行調(diào)整。

29、根據(jù)本發(fā)明提供的一種鋰離子電池rul預(yù)測(cè)方法，所述神經(jīng)網(wǎng)絡(luò)的超參數(shù)包括所述cnn的層數(shù)、所述bigru的層數(shù)，以及所述神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率和訓(xùn)練次數(shù)。

30、本發(fā)明還提供一種鋰離子電池rul預(yù)測(cè)裝置，包括：

31、提取模塊，用于獲取樣本鋰離子電池在每次充放電過(guò)程中的電壓曲線、電流曲線、溫度曲線和容量數(shù)據(jù)，從所述電壓曲線、電流曲線和溫度曲線中分別提取與所述容量數(shù)據(jù)退化相關(guān)的特征數(shù)據(jù)；

32、訓(xùn)練模塊，用于確定每種特征數(shù)據(jù)與所述容量數(shù)據(jù)之間的相關(guān)性，將所述容量數(shù)據(jù)和大于預(yù)設(shè)閾值的所述相關(guān)性對(duì)應(yīng)的特征數(shù)據(jù)作為健康因子輸入神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練；

33、預(yù)測(cè)模塊，用于確定目標(biāo)鋰離子電池的所述健康因子，將所述目標(biāo)鋰離子電池的健康因子輸入訓(xùn)練后的所述神經(jīng)網(wǎng)絡(luò)中，得到所述目標(biāo)鋰離子電池的rul預(yù)測(cè)值。

34、本發(fā)明還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述任一種所述鋰離子電池rul預(yù)測(cè)方法。

35、本發(fā)明還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述鋰離子電池rul預(yù)測(cè)方法。

36、本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述鋰離子電池rul預(yù)測(cè)方法。

37、本發(fā)明提供的鋰離子電池rul預(yù)測(cè)方法及裝置，通過(guò)從樣本鋰離子電池的充放電過(guò)程中提取多種特征數(shù)據(jù)，使用皮爾遜相關(guān)系數(shù)分析特征數(shù)據(jù)與容量退化的相關(guān)度，提取相關(guān)度較高的健康因子作為數(shù)據(jù)集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，提升神經(jīng)網(wǎng)絡(luò)的性能，從而提高鋰離子電池rul預(yù)測(cè)的準(zhǔn)確性，具有更高的魯棒性。