本發(fā)明涉及鋰電池，尤其是一種鋰電池健康狀態(tài)估計(jì)方法、系統(tǒng)、裝置及存儲介質(zhì)。

背景技術(shù)：

1、鋰電池作為一種清潔能源，因其具有高能量密度、低自放電率、充電速度快以及使用壽命長等優(yōu)點(diǎn),被應(yīng)用于許多領(lǐng)域，如便攜式處理終端、電動(dòng)汽車、航空航天等。在實(shí)際應(yīng)用場景中，如何確保鋰電池的安全性和可靠性是一個(gè)重要且復(fù)雜的問題。隨著鋰電池的不斷使用，即充放電次數(shù)的增加，鋰電池會(huì)發(fā)生不可逆的性能退化，這會(huì)使得鋰電池在運(yùn)行過程中可能發(fā)生故障，因此存在安全隱患。電池的健康狀態(tài)(state?of?health，soh)是反映電池當(dāng)前老化狀態(tài)的一個(gè)重要參數(shù)。電池老化是一個(gè)漸進(jìn)的過程，受到多種復(fù)雜的內(nèi)部和外部因素的影響，如電池內(nèi)部的化學(xué)降解、環(huán)境溫度以及使用條件等。電池老化嚴(yán)重影響著電源系統(tǒng)的正常以及安全使用，對電池的soh進(jìn)行預(yù)測能夠評估電池老化情況，以便及時(shí)更換電池，防止出現(xiàn)安全問題。

2、為了避免由電池健康問題引起的一系列問題，近年來出現(xiàn)了許多關(guān)于電池soh預(yù)測的研究。溫度與鋰電池老化之間有著緊密的關(guān)系，如高溫會(huì)加快電池內(nèi)部起作用的化學(xué)反應(yīng)也會(huì)促進(jìn)一些不利的不可逆的化學(xué)反應(yīng)的發(fā)生。在這些研究中，只有較少的研究對溫度與鋰電池老化之間的關(guān)系進(jìn)行了深入分析，以此挖掘溫度與soh之間的關(guān)系，而大部分研究沒有使用溫度或只是簡單地使用表層溫度作為特征來進(jìn)行soh預(yù)測，導(dǎo)致鋰電池健康狀態(tài)估計(jì)的準(zhǔn)確性不足。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于至少一定程度上解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一。

2、為此，本發(fā)明實(shí)施例的一個(gè)目的在于提供一種鋰電池健康狀態(tài)估計(jì)方法，該方法提高了鋰電池健康狀態(tài)估計(jì)的準(zhǔn)確性，從而提高了鋰電池運(yùn)行的安全性和可靠性。

3、本發(fā)明實(shí)施例的另一個(gè)目的在于提供一種鋰電池健康狀態(tài)估計(jì)系統(tǒng)。

4、為了達(dá)到上述技術(shù)目的，本發(fā)明實(shí)施例所采取的技術(shù)方案包括：

5、一方面，本發(fā)明實(shí)施例提供了一種鋰電池健康狀態(tài)估計(jì)方法，包括以下步驟：

6、獲取預(yù)設(shè)的充放電循環(huán)數(shù)據(jù)集，并對所述充放電循環(huán)數(shù)據(jù)集進(jìn)行分析處理得到預(yù)處理數(shù)據(jù)集；

7、對所述預(yù)處理數(shù)據(jù)集進(jìn)行ic、tiecvd以及dt特征提取，得到健康特征信息集，對所述健康特征信息集進(jìn)行隨機(jī)劃分，并通過對比實(shí)驗(yàn)確定ic、tiecvd以及dt特征提取過程的特征參數(shù)，得到訓(xùn)練集和測試集；

8、基于lstm框架構(gòu)建鋰電池健康狀態(tài)預(yù)測模型，將所述訓(xùn)練集輸入到所述鋰電池健康狀態(tài)預(yù)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的所述鋰電池健康狀態(tài)預(yù)測模型，并通過所述測試集對訓(xùn)練后的所述鋰電池健康狀態(tài)預(yù)測模型進(jìn)行測試驗(yàn)證，得到訓(xùn)練好的所述鋰電池健康狀態(tài)預(yù)測模型；

9、根據(jù)訓(xùn)練好的所述鋰電池健康狀態(tài)預(yù)測模型對待測鋰電池進(jìn)行健康狀態(tài)估計(jì)。

10、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述對所述充放電循環(huán)數(shù)據(jù)集進(jìn)行分析處理得到預(yù)處理數(shù)據(jù)集這一步驟，其具體包括：

11、對所述充放電循環(huán)數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗，得到清洗后的所述充放電循環(huán)數(shù)據(jù)集；

12、對清洗后的所述充放電循環(huán)數(shù)據(jù)集進(jìn)行平滑處理，得到所述預(yù)處理數(shù)據(jù)集。

13、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述獲取音頻樣本數(shù)據(jù)，所述對所述預(yù)處理數(shù)據(jù)集進(jìn)行ic、tiecvd以及dt特征提取，得到健康特征信息集這一步驟，其具體包括：

14、根據(jù)所述預(yù)處理數(shù)據(jù)集中的電流-時(shí)間曲線進(jìn)行計(jì)算，得到電量-時(shí)間曲線；

15、基于所述電量-時(shí)間曲線和所述預(yù)處理數(shù)據(jù)集中的電壓-時(shí)間曲線進(jìn)行計(jì)算，得到ic曲線；

16、對所述ic曲線進(jìn)行masf濾波平滑處理，得到ic曲線特征；

17、根據(jù)所述預(yù)處理數(shù)據(jù)集中的充電時(shí)間與端電壓，得到等電壓范圍充電時(shí)間曲線；

18、對所述等電壓范圍充電時(shí)間曲線進(jìn)行等距采樣，得到tiecvd特征向量；

19、對所述預(yù)處理數(shù)據(jù)集中的dt曲線進(jìn)行s-g濾波平滑處理，得到平滑后的所述dt曲線；

20、對平滑后的所述dt曲線進(jìn)行特征提取，得到dt特征向量；

21、根據(jù)所述ic曲線特征、所述tiecvd特征向量以及所述dt特征向量生成所述健康特征信息集。

22、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述基于lstm框架構(gòu)建鋰電池健康狀態(tài)預(yù)測模型這一步驟，其具體包括：

23、基于sigmoid神經(jīng)網(wǎng)絡(luò)層和乘法運(yùn)算結(jié)構(gòu)構(gòu)建遺忘門；

24、基于sigmoid神經(jīng)網(wǎng)絡(luò)層、tanh神經(jīng)網(wǎng)絡(luò)層、乘法運(yùn)算結(jié)構(gòu)以及加法運(yùn)算結(jié)構(gòu)構(gòu)建輸入門；

25、基于sigmoid神經(jīng)網(wǎng)絡(luò)層、tanh神經(jīng)網(wǎng)絡(luò)層以及加法運(yùn)算結(jié)構(gòu)構(gòu)建輸出門；

26、基于lstm框架，根據(jù)所述遺忘門、所述輸入門以及所述輸出門構(gòu)建所述鋰電池健康狀態(tài)預(yù)測模型。

27、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述鋰電池健康狀態(tài)預(yù)測模型的運(yùn)算公式如下：

28、

29、其中，sigmoid(x)表示對x進(jìn)行sigmoid函數(shù)運(yùn)算，tanh(x)表示對x進(jìn)行tanh函數(shù)運(yùn)算，xt表示當(dāng)前時(shí)刻的輸入，ht-1表示上一個(gè)時(shí)刻的輸出信號，ht表示當(dāng)前時(shí)刻的輸出信號，ct-1表示上一個(gè)時(shí)刻的單元狀態(tài)，表示用于更新單元狀態(tài)的備用信息，ct表示當(dāng)前時(shí)刻的單元狀態(tài)，ft、it、ot分別表示遺忘門、輸入門以及輸出門在當(dāng)前時(shí)刻的輸出，wf、wi、wo分別表示遺忘門、輸入門以及輸出門的權(quán)重參數(shù)，bf、bi以及bo分別表示遺忘門、輸入門以及輸出門的偏差參數(shù)，wc表示用于更新單元狀態(tài)的權(quán)重參數(shù)，bc表示用于更新單元狀態(tài)的偏差參數(shù)。

30、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述將所述訓(xùn)練集輸入到所述鋰電池健康狀態(tài)預(yù)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的所述鋰電池健康狀態(tài)預(yù)測模型這一步驟，其具體包括：

31、將所述訓(xùn)練集輸入到所述鋰電池健康狀態(tài)預(yù)測模型中，得到模型輸出值；

32、利用預(yù)設(shè)的損失函數(shù)對所述模型輸出值和所述訓(xùn)練集的真實(shí)值進(jìn)行計(jì)算，得到損失值；

33、基于所述損失值通過bp算法和梯度下降法對所述鋰電池健康狀態(tài)預(yù)測模型的模型參數(shù)進(jìn)行優(yōu)化，并返回將所述訓(xùn)練集輸入到所述鋰電池健康狀態(tài)預(yù)測模型中這一步驟，直至達(dá)到預(yù)設(shè)的訓(xùn)練次數(shù)，停止訓(xùn)練，得到訓(xùn)練后的所述鋰電池健康狀態(tài)預(yù)測模型。

34、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述根據(jù)訓(xùn)練好的所述鋰電池健康狀態(tài)預(yù)測模型對待測鋰電池進(jìn)行健康狀態(tài)估計(jì)這一步驟，其具體包括：

35、獲取待測鋰電池的實(shí)時(shí)充放電信息；

36、將所述實(shí)時(shí)充放電信息輸入到訓(xùn)練好的所述鋰電池健康狀態(tài)預(yù)測模型，得到所述待測鋰電池的健康狀態(tài)估計(jì)結(jié)果。

37、另一方面，本發(fā)明實(shí)施例提供了一種鋰電池健康狀態(tài)估計(jì)系統(tǒng)，包括：

38、數(shù)據(jù)集獲取模塊，用于獲取預(yù)設(shè)的充放電循環(huán)數(shù)據(jù)集，并對所述充放電循環(huán)數(shù)據(jù)集進(jìn)行分析處理得到預(yù)處理數(shù)據(jù)集；

39、特征提取模塊，用于對所述預(yù)處理數(shù)據(jù)集進(jìn)行ic、tiecvd以及dt特征提取，得到健康特征信息集，對所述健康特征信息集進(jìn)行隨機(jī)劃分，并通過對比實(shí)驗(yàn)確定ic、tiecvd以及dt特征提取過程的特征參數(shù)，得到訓(xùn)練集和測試集；

40、模型訓(xùn)練模塊，用于基于lstm框架構(gòu)建鋰電池健康狀態(tài)預(yù)測模型，將所述訓(xùn)練集輸入到所述鋰電池健康狀態(tài)預(yù)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的所述鋰電池健康狀態(tài)預(yù)測模型，并通過所述測試集對訓(xùn)練后的所述鋰電池健康狀態(tài)預(yù)測模型進(jìn)行測試驗(yàn)證，得到訓(xùn)練好的所述鋰電池健康狀態(tài)預(yù)測模型；

41、健康狀態(tài)估計(jì)模塊，用于根據(jù)訓(xùn)練好的所述鋰電池健康狀態(tài)預(yù)測模型對待測鋰電池進(jìn)行健康狀態(tài)估計(jì)。

42、另一方面，本發(fā)明實(shí)施例提供了一種鋰電池健康狀態(tài)估計(jì)裝置，所述鋰電池健康狀態(tài)估計(jì)裝置包括存儲器、處理器、存儲在所述存儲器上并可在所述處理器上運(yùn)行的程序以及用于實(shí)現(xiàn)所述處理器和所述存儲器之間的連接通信的數(shù)據(jù)總線，所述程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如前面所述的鋰電池健康狀態(tài)估計(jì)方法。

43、另一方面，本發(fā)明實(shí)施例還提供了一種存儲介質(zhì)，所述存儲介質(zhì)為計(jì)算機(jī)可讀存儲介質(zhì)，用于計(jì)算機(jī)可讀存儲，所述存儲介質(zhì)存儲有一個(gè)或者多個(gè)程序，所述一個(gè)或者多個(gè)程序可被一個(gè)或者多個(gè)處理器執(zhí)行，以實(shí)現(xiàn)如前面所述的鋰電池健康狀態(tài)估計(jì)方法。

44、本發(fā)明的優(yōu)點(diǎn)和有益效果將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到：

45、本發(fā)明實(shí)施例獲取預(yù)設(shè)的充放電循環(huán)數(shù)據(jù)集，并對充放電循環(huán)數(shù)據(jù)集進(jìn)行分析處理得到預(yù)處理數(shù)據(jù)集，然后對預(yù)處理數(shù)據(jù)集進(jìn)行ic、tiecvd以及dt特征提取，得到健康特征信息集，對健康特征信息集進(jìn)行隨機(jī)劃分，并通過對比實(shí)驗(yàn)確定ic、tiecvd以及dt特征提取過程的特征參數(shù)，得到訓(xùn)練集和測試集，再基于lstm框架構(gòu)建鋰電池健康狀態(tài)預(yù)測模型，將訓(xùn)練集輸入到鋰電池健康狀態(tài)預(yù)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的鋰電池健康狀態(tài)預(yù)測模型，并通過測試集對訓(xùn)練后的鋰電池健康狀態(tài)預(yù)測模型進(jìn)行測試驗(yàn)證，得到訓(xùn)練好的鋰電池健康狀態(tài)預(yù)測模型，進(jìn)而可以根據(jù)訓(xùn)練好的鋰電池健康狀態(tài)預(yù)測模型對待測鋰電池進(jìn)行健康狀態(tài)估計(jì)。本發(fā)明實(shí)施例獲取充放電循環(huán)數(shù)據(jù)集并進(jìn)行預(yù)分析處理，對ic曲線、等電壓范圍充電時(shí)間曲線以及dt曲線進(jìn)行特征提取得到多維度的健康特征信息，對提取得到的健康特征信息進(jìn)行時(shí)間序列劃分得到具有時(shí)序信息的健康特征信息，將健康特征信息進(jìn)行融合后輸入到基于lstm框架構(gòu)建的鋰電池健康狀態(tài)預(yù)測模型中進(jìn)行模型訓(xùn)練及測試，得到訓(xùn)練好的鋰電池健康狀態(tài)預(yù)測模型，該鋰電池健康狀態(tài)預(yù)測模型基于dt特征提取充分考慮了溫度與鋰電池健康狀態(tài)的關(guān)系，提高了鋰電池健康狀態(tài)估計(jì)的準(zhǔn)確性，從而提高了鋰電池運(yùn)行的安全性和可靠性。