《【CN110188920A】一种锂电池剩余寿命预测方法【专利】.docx》由会员分享，可在线阅读，更多相关《【CN110188920A】一种锂电池剩余寿命预测方法【专利】.docx（4页珍藏版）》请在三一文库上搜索。
1、【CN110188920A】一种锂电池剩余寿命预测方法【专利】(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202110341857.2(22)申请日 2021.04.26(71)申请人 华中科技大学地址 430074 湖北省武汉市洪山区珞喻路1037号(72)发明人 袁烨马贵君程骋张永周倍同(74)专利代理机构 华中科技大学专利中心42201代理人 曹葆青李智(51)Int.Cl.G06Q 10/04(2012.01)G01R 31/367(2021.01)G01R 31/392(2021.01)G06N 3/04(2006.
2、01)G06N 3/08(2006.01)(54)发明名称一种锂电池剩余寿命预测方法(57)摘要本发明公开了一种锂电池剩余寿命预测方法，包括：采集锂电池多个充放电循环的电容量，并进行归一化；对归一化后的多个电容量进行窗口划分，得到训练数据集；将所述训练数据集输入包括卷积神经网络和长短记忆循环神经网络的退化状态模型进行训练；将所述训练数据集最后一个窗口数据输入到训练好的退化状态模型中进行滑动预测，直至预测的电容量达到容量退化阈值点；根据预测的容量值对应的滑动循环次数预测待测锂电池的剩余寿命。本发明融合卷积神经网络的特征提取能力和长短记忆循环神经网络的时间序列预测能力，有效的对锂电池的退化特征进行
3、提取和预测，提高了预测精度。且使用假最邻近法自动对退化指标进行窗口大小的确定，提高了计算效率。权利要求书2页 说明书8页 附图3页CN 110188920 A 2021.08.30C N 110188920A1.一种锂电池剩余寿命预测方法，其特征在于，包括：(1)采集锂电池多个充放电循环的电容量，并对采集的多个电容量进行归一化；(2)对归一化后的多个电容量进行窗口划分，并将每个窗口内的电容量和每个窗口的下一个电容量作为训练数据集；(3)将所述训练数据集输入包括卷积神经网络和长短记忆循环神经网络的退化状态模型进行训练，得到用于预测锂电池寿命的退化状态模型；(4)将所述训练数据集最后一个窗口数据输
4、入到训练好的退化状态模型中进行滑动预测，得到预测的电容量；(5)判断预测的电容量是否达到容量退化阈值点；若是，则直接进入步骤(6)；若否，则返回执行步骤(4)；(6)根据预测的容量值对应的滑动循环次数预测待测锂电池的剩余寿命。2.根据权利要求1所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(1)中所述归一化具体为：采集的所有电容量除以第一个充放电循环的电容量。3.根据权利要求2所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(2)中所述根据采集的多个电容量确定滑动窗口大小，具体包括：(2.1)归一化的k个电容量表示为X train x(1),x(2),.,x(k)，定义一个大小为d的窗口
5、，第i个窗口内向量为：(2.2)遍历寻找与第i个窗口内向量欧几里得距离最小的第p个窗口内向量其欧几里得距离表示为：(2.3)当窗口大小从d增加到d+1时，第i个窗口内向量与第p个窗口内向量欧几里得距离为：(2.4)利用判断准则判断所述第p个窗口内向量是否是所述第i个窗口内向量的假最邻近向量；其中R T 为设定阈值；(2.5)计算所有滑动窗口内假最邻近向量的百分比；(2.6)滑动窗口大小d从1到k -1不断增加，重复步骤(2.3)-(2.5)，将假最邻近向量的百分比最接近0时的d值作为最佳滑动窗口大小。4.根据权利要求3所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(2.4)中所述设定阈值R T 10。5.根据权利要求3所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(2.4)中所述判断准则还包括：权利要求书1/2页2CN 110188920 A