《多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方法.pdf》由會(huì)員分享，可在線閱讀，更多相關(guān)《多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方法.pdf（16頁(yè)完成版）》請(qǐng)?jiān)趯?zhuān)利查詢(xún)網(wǎng)上搜索。

1、(19)中華人民共和國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局 (12)發(fā)明專(zhuān)利申請(qǐng) (10)申請(qǐng)公布號(hào) (43)申請(qǐng)公布日 (21)申請(qǐng)?zhí)?202010800353.5 (22)申請(qǐng)日 2020.08.11 (71)申請(qǐng)人 中北大學(xué) 地址 030051 山西省太原市學(xué)院路3號(hào)中北 大學(xué) (72)發(fā)明人 賈建芳溫杰王科科史元浩 龐曉瓊梁建宇曾建潮 (74)專(zhuān)利代理機(jī)構(gòu) 山西五維專(zhuān)利事務(wù)所(有限 公司) 14105 代理人 茹牡花 (51)Int.Cl. G01R 31/392(2019.01) G01R 31/367(2019.01) G01R 31/396(2019.01) (54)發(fā)明名稱(chēng) 多類(lèi)型鋰離子電池組管理系。

2、統(tǒng)的健康狀態(tài) 和剩余壽命預(yù)測(cè)方法 (57)摘要 本發(fā)明多類(lèi)型鋰離子電池組管理系統(tǒng)的健 康狀態(tài)和剩余壽命預(yù)測(cè)方法。 解決在多類(lèi)型鋰離 子電池混合使用情況下， 傳統(tǒng)電池管理系統(tǒng)無(wú)法 有效管理， 并且傳統(tǒng)預(yù)測(cè)模型預(yù)測(cè)起始點(diǎn)靠后的 問(wèn)題。 對(duì)于同種鋰離子電池采用小波分解， 將容 量退化歷史數(shù)據(jù)分為高頻波動(dòng)部分和低頻趨勢(shì) 兩部分， 分別將兩部分?jǐn)?shù)據(jù)作為輸入數(shù)據(jù)訓(xùn)練其 對(duì)應(yīng)的帶殘差層的小波神經(jīng)網(wǎng)絡(luò)。 將實(shí)時(shí)低頻趨 勢(shì)數(shù)據(jù)帶入殘差小波網(wǎng)絡(luò)和無(wú)跡粒子濾波結(jié)合 的模型， 得到長(zhǎng)期剩余壽命預(yù)測(cè)結(jié)果。 該結(jié)果將 為系統(tǒng)后期更換電池次序提供依據(jù)。 剩余壽命預(yù) 測(cè)結(jié)果與實(shí)時(shí)高頻波動(dòng)部分使用帶殘差層的小 波神經(jīng)網(wǎng)絡(luò)模型得。

3、到的短期預(yù)測(cè)值， 通過(guò)同循環(huán) 次數(shù)疊加得到其實(shí)時(shí)健康狀態(tài)預(yù)測(cè)值， 用于鋰離 子電池健康狀態(tài)均衡管理。 權(quán)利要求書(shū)2頁(yè) 說(shuō)明書(shū)8頁(yè) 附圖5頁(yè) CN 111707956 A 2020.09.25 CN 111707956 A 1.多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方法， 其特征在于， 所述 方法包括以下步驟： 步驟一、 利用獨(dú)立主成分分析法將具有多類(lèi)型鋰離子電池的電池組原始數(shù)據(jù)分解為不 同類(lèi)型電池的退化數(shù)據(jù)， 并根據(jù)分解結(jié)果進(jìn)行分類(lèi)； 步驟二、 將步驟一中退化數(shù)據(jù)與數(shù)據(jù)庫(kù)中容量退化曲線進(jìn)行對(duì)比， 判斷是否前期訓(xùn)練 完成該種單體電池多尺度預(yù)測(cè)模型， 若不存在則建立該類(lèi)預(yù)測(cè)模型； 步驟。

4、三、 通過(guò)步驟二確認(rèn)已訓(xùn)練好該種鋰離子電池多尺度預(yù)測(cè)模型后， 將步驟一中的 單體容量退化數(shù)據(jù)帶入對(duì)應(yīng)多尺度組合模型中， 獲得長(zhǎng)期剩余壽命預(yù)測(cè)值和短期實(shí)時(shí)健康 狀況預(yù)測(cè)值； 步驟四、 將步驟一和步驟三得到的單體鋰離子電池真實(shí)容量數(shù)據(jù)， 預(yù)測(cè)容量數(shù)據(jù)和預(yù) 測(cè)模型參數(shù)存入數(shù)據(jù)庫(kù)。 2.根據(jù)權(quán)利要求1所述多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè) 方法， 其特征在于， 所述步驟一中， 將鋰離子電池組數(shù)據(jù)使用獨(dú)立主成分分析法將退化數(shù)據(jù) 分離， 得到不同類(lèi)型電池容量退化數(shù)據(jù)； 然后將單體電池的容量退化數(shù)據(jù)與各個(gè)類(lèi)型數(shù)據(jù) 進(jìn)行比對(duì)， 從而使各個(gè)單體電池劃分到不同類(lèi)型電池型號(hào)中。 3.根據(jù)權(quán)利要求。

5、1所述多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè) 方法， 其特征在于， 所述步驟二中， 判斷是否存在該類(lèi)型的預(yù)測(cè)模型采用差值判斷， 即將其 帶入數(shù)據(jù)庫(kù)中與各種類(lèi)型鋰離子電池平均退化曲線進(jìn)行減法計(jì)算， 差值過(guò)大時(shí)認(rèn)為不存在 其預(yù)測(cè)模型。 4.根據(jù)權(quán)利要求3所述多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方 法， 其特征在于建立新種類(lèi)鋰離子電池預(yù)測(cè)模型步驟如下： 步驟一、 利用離散小波分解將單體容量退化數(shù)據(jù)分解為高頻波動(dòng)和低頻趨勢(shì)兩部分； 步驟二、 將同類(lèi)型電池經(jīng)過(guò)步驟一得到的高頻波動(dòng)部分及低頻趨勢(shì)部分分別帶入殘差 小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練； 步驟三、 將訓(xùn)練好的低頻趨勢(shì)部分的殘差小。

6、波網(wǎng)絡(luò)與無(wú)跡粒子濾波進(jìn)行結(jié)合， 形成長(zhǎng) 短期剩余壽命預(yù)測(cè)模型； 步驟四、 將訓(xùn)練好的高頻波動(dòng)部分的殘差小波網(wǎng)絡(luò)與短期剩余壽命預(yù)測(cè)模型進(jìn)行結(jié) 合， 形成實(shí)時(shí)健康狀態(tài)預(yù)測(cè)模型。 5.根據(jù)權(quán)利要求4所述多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè) 方法， 其特征在于， 步驟一中， 離散小波變換函數(shù)為： 式中， 連續(xù)變換的尺度參數(shù)A和平移參數(shù)B離散化為：分解后的高 頻波動(dòng)部分為低頻趨勢(shì)部分為n為同類(lèi)型下單體電池編號(hào)， m為單體電池循環(huán) 次數(shù)。 6.根據(jù)權(quán)利要求4所述多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè) 方法， 其特征在于， 鋰離子電池預(yù)測(cè)模型步驟二中， 以?xún)山M同類(lèi)電池?cái)?shù)據(jù)為。

7、例， 低頻趨勢(shì)部 分訓(xùn)練數(shù)據(jù)Ltrain為： 權(quán)利要求書(shū) 1/2 頁(yè) 2 CN 111707956 A 2 高頻波動(dòng)部分訓(xùn)練數(shù)據(jù)Htrain為： 7.根據(jù)權(quán)利要求4所述多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè) 方法， 其特征在于， 鋰離子電池預(yù)測(cè)模型步驟三中， 長(zhǎng)、 短期剩余壽命預(yù)測(cè)模型為： RUL(Lstrain) exp( *k)+ exp( *k)+ 公式4， 式中， , , 和 為固定參數(shù)， k為循環(huán)次數(shù)， 為高斯白噪聲； 將第三組數(shù)據(jù)作為測(cè) 試數(shù)據(jù)Ltest， 將其帶入長(zhǎng)短期剩余壽命預(yù)測(cè)模型， 從而得到短期剩余壽命預(yù)測(cè)值RULstort和 長(zhǎng)期壽命預(yù)測(cè)值RULlong。。

8、 8.根據(jù)權(quán)利要求4所述多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方 法， 其特征在于， 鋰離子電池預(yù)測(cè)模型的步驟四中， 將第三組數(shù)據(jù)作為測(cè)試數(shù)據(jù) Htest， 將其帶入高頻殘差小波網(wǎng)絡(luò)模型， 從而得到預(yù)測(cè)值Hsoh； 實(shí)時(shí)健康狀態(tài)預(yù)測(cè)模型為： SOH(k)RULstort(k)+Hsoh(k) 公式5， 式中， k為循環(huán)次數(shù)。 權(quán)利要求書(shū) 2/2 頁(yè) 3 CN 111707956 A 3 多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè) 方法 技術(shù)領(lǐng)域 0001 本發(fā)明屬于鋰離子電池健康管理技術(shù)領(lǐng)域， 具體涉及多類(lèi)型鋰離子電池組管理系 統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方法。 背景技術(shù) 0。

9、002 鋰離子電池已被廣泛應(yīng)用于工業(yè)生產(chǎn)和日常生活中。 從手機(jī)、 筆記本電腦等電子 產(chǎn)品， 到電動(dòng)汽車(chē)、 人造衛(wèi)星和電網(wǎng)儲(chǔ)能等大型應(yīng)用場(chǎng)景， 鋰離子電池都發(fā)揮著極其重要的 作用。 然而， 隨著鋰離子電池的大規(guī)模生產(chǎn)， 不同生產(chǎn)商所制造出來(lái)的電池存在著巨大差 異。 并且同一生產(chǎn)商的不同批次， 甚至是同一批次生產(chǎn)的鋰離子電池同樣存在著差異。 因 此， 鋰離子電池在多類(lèi)型混用時(shí)的管理已成為限制其發(fā)展的難點(diǎn)之一。 0003 多類(lèi)型鋰離子電池組管理系統(tǒng)的提出是提升各類(lèi)電池使用效能的有效方式， 并且 維修難度遠(yuǎn)遠(yuǎn)小于傳統(tǒng)的串并聯(lián)結(jié)構(gòu)。 區(qū)別于傳統(tǒng)的電池管理系統(tǒng)， 多類(lèi)型鋰離子電池組 管理系統(tǒng)對(duì)于電池的挑選。

10、并不嚴(yán)苛， 即使差異較大的不同類(lèi)型的鋰離子電池也不影響其管 理能力。 健康狀態(tài)和剩余壽命預(yù)測(cè)是電池管理系統(tǒng)的重要功能之一， 同時(shí)也是均衡管理、 損 壞預(yù)警等功能實(shí)現(xiàn)的前提。 但是鋰離子電池是典型動(dòng)態(tài)、 非線性的電化學(xué)系統(tǒng)， 實(shí)際應(yīng)用場(chǎng) 景下無(wú)法測(cè)量其阻抗等內(nèi)部狀態(tài)， 因此根據(jù)電流或電壓曲線計(jì)算得到的容量變化曲線成為 目前電池健康狀態(tài)和剩余壽命預(yù)測(cè)的主要依據(jù)。 0004 不同類(lèi)型的鋰離子電池的容量退化狀態(tài)存在差異難以用同一預(yù)測(cè)模型進(jìn)行預(yù)測(cè)。 并且傳統(tǒng)健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè)的起始點(diǎn)普遍為其壽命后期， 對(duì)于使用前期的均衡 管理或者異常退化難以有效進(jìn)行。 當(dāng)前電池管理系統(tǒng)的剩余壽命預(yù)測(cè)與健康狀態(tài)預(yù)。

11、測(cè)為兩 個(gè)部分， 忽略了兩者之間的聯(lián)系， 產(chǎn)生大量工作重復(fù)和計(jì)算資源浪費(fèi)。 發(fā)明內(nèi)容 0005 本發(fā)明是為了解決多類(lèi)型鋰離子電池混用時(shí)的電池管理系統(tǒng)使用中， 健康狀態(tài)預(yù) 測(cè)和剩余壽命預(yù)測(cè)起始點(diǎn)為使用后期， 在前期預(yù)測(cè)精度差， 難以為電池均衡管理提供依據(jù) 的問(wèn)題。 同時(shí)， 提供了獨(dú)立成分分析法為前期數(shù)據(jù)處理， 以解決多類(lèi)型鋰離子電池混用的難 題。 現(xiàn)提供應(yīng)用于多類(lèi)型鋰離子電池組管理系統(tǒng)中鋰離子電池使用前期開(kāi)始的健康狀態(tài)預(yù) 測(cè)和剩余壽命預(yù)測(cè)方法。 所述方法包括以下步驟： 0006 步驟一、 利用獨(dú)立成分分析法ICA將鋰離子電池組原始數(shù)據(jù)分解為不同類(lèi)型的電 池退化數(shù)據(jù)。 0007 步驟二、 將步驟一。

12、中單體數(shù)據(jù)與數(shù)據(jù)庫(kù)中容量退化曲線進(jìn)行對(duì)比， 判斷是否前期 訓(xùn)練完成該類(lèi)型電池多尺度預(yù)測(cè)模型， 若不存在則建立該類(lèi)預(yù)測(cè)模型； 0008 步驟三、 通過(guò)步驟二確認(rèn)已訓(xùn)練好該種鋰離子電池多尺度預(yù)測(cè)模型后， 將步驟一 中獲得的單體容量退化數(shù)據(jù)帶入對(duì)應(yīng)多尺度組合模型中， 得到長(zhǎng)期剩余壽命預(yù)測(cè)值和短期 實(shí)時(shí)健康狀況預(yù)測(cè)值； 說(shuō)明書(shū) 1/8 頁(yè) 4 CN 111707956 A 4 0009 步驟四、 將步驟一和步驟三得到的單體鋰離子電池真實(shí)容量數(shù)據(jù)， 預(yù)測(cè)數(shù)據(jù)和模 型參數(shù)存入數(shù)據(jù)庫(kù)。 0010 所述步驟一中， 將鋰離子電池組數(shù)據(jù)使用獨(dú)立主成分分析法將退化數(shù)據(jù)分離， 得 到不同類(lèi)型電池容量退化數(shù)據(jù)； 然后將。

13、單體電池的容量退化數(shù)據(jù)與各個(gè)類(lèi)型數(shù)據(jù)進(jìn)行比 對(duì)， 從而使各個(gè)單體電池劃分到不同類(lèi)型電池型號(hào)中。 0011 所述步驟二中， 判斷是否存在該類(lèi)型的預(yù)測(cè)模型采用差值判斷， 即將其帶入數(shù)據(jù) 庫(kù)中與各種類(lèi)型鋰離子電池平均退化曲線進(jìn)行減法計(jì)算， 差值過(guò)大時(shí)認(rèn)為不存在其預(yù)測(cè)模 型。 0012 建立新種類(lèi)鋰離子電池預(yù)測(cè)模型步驟如下： 0013 步驟一、 利用離散小波分解將單體容量退化數(shù)據(jù)分解為高頻波動(dòng)和低頻趨勢(shì)兩部 分； 0014 步驟二、 將同類(lèi)型電池經(jīng)過(guò)步驟一得到的高頻波動(dòng)部分及低頻趨勢(shì)部分分別帶入 殘差小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練； 0015 步驟三、 將訓(xùn)練好的低頻趨勢(shì)部分的殘差小波網(wǎng)絡(luò)與無(wú)跡粒子濾波進(jìn)行結(jié)合。

14、， 完 成長(zhǎng)短期剩余壽命預(yù)測(cè)模型； 0016 步驟四、 將訓(xùn)練好的高頻波動(dòng)部分的殘差小波網(wǎng)絡(luò)與短期剩余壽命預(yù)測(cè)模型進(jìn)行 結(jié)合形成實(shí)時(shí)健康狀態(tài)預(yù)測(cè)模型。 0017 建立新種類(lèi)鋰離子電池預(yù)測(cè)模型的步驟一中， 離散小波變換函數(shù)為： 0018 0019式中， 連續(xù)變換的尺度參數(shù)A和平移參數(shù)B離散化為：分解后 的高頻波動(dòng)部分為低頻趨勢(shì)部分為n為同類(lèi)型下單體電池編號(hào)， m為單體電池 循環(huán)次數(shù)。 0020 建立新種類(lèi)鋰離子電池預(yù)測(cè)模型步驟二中， 以?xún)山M同類(lèi)電池?cái)?shù)據(jù)為例， 低頻趨勢(shì) 部分訓(xùn)練數(shù)據(jù)Ltrain為： 0021 0022 高頻波動(dòng)部分訓(xùn)練數(shù)據(jù)Htrain為： 說(shuō)明書(shū) 2/8 頁(yè) 5 CN 11170。

15、7956 A 5 0023 0024 建立新種類(lèi)鋰離子電池預(yù)測(cè)模型步驟三中， 長(zhǎng)、 短期剩余壽命預(yù)測(cè)模型為： 0025 RUL(Lstrain) exp( *k)+ exp( *k)+ 公式4， 0026式中， , , 和 為固定參數(shù)， k為循環(huán)次數(shù)， 為高斯白噪聲。 將第三組數(shù)據(jù)作 為測(cè)試數(shù)據(jù)Ltest， 將其帶入長(zhǎng)短期剩余壽命預(yù)測(cè)模型， 從而得到短期剩余壽命預(yù)測(cè)值 RULstort和長(zhǎng)期壽命預(yù)測(cè)值RULlong。 0027建立新種類(lèi)鋰離子電池預(yù)測(cè)模型的步驟四中， 將第三組數(shù)據(jù)作為測(cè)試數(shù)據(jù) Htest， 將其帶入高頻殘差小波網(wǎng)絡(luò)模型， 從而得到預(yù)測(cè)值Hsoh； 實(shí)時(shí)健康狀態(tài)預(yù)測(cè)模型為： 00。

16、28 SOH(k)RULstort(k)+Hsoh(k) 公式5， 0029 式中， k為循環(huán)次數(shù)。 附圖說(shuō)明 0030 圖1為多類(lèi)型鋰離子電池組管理系統(tǒng)使用方式示意圖； 0031 圖2為多類(lèi)型鋰離子電池組管理系統(tǒng)模塊圖； 0032 圖3為本發(fā)明鋰離子電池健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè)整體框圖； 0033 圖4為單體電池多尺度組合模型流程圖； 0034 圖5為帶殘差層的殘差小波網(wǎng)絡(luò)模型； 0035 圖6為殘差小波網(wǎng)絡(luò)與無(wú)跡粒子濾波組合模型流程圖； 0036 圖7為鋰離子電池(V5)容量退化曲線圖 0037 圖8為電池V5離散小波分解示意圖； 0038 圖9為電池V5的剩余壽命預(yù)測(cè)曲線圖； 0039。

17、 圖10為電池V5的健康狀態(tài)(SOH)預(yù)測(cè)曲線圖。 具體實(shí)施方式 0040 具體實(shí)施方式一： 圖1為本實(shí)施方式在實(shí)際應(yīng)用場(chǎng)景中多類(lèi)型鋰離子電池組管理 系統(tǒng)結(jié)構(gòu)簡(jiǎn)圖。 該系統(tǒng)由多個(gè)獨(dú)立鋰離子電池管理系統(tǒng)組成， 并且每個(gè)系統(tǒng)可使用不同類(lèi) 型的鋰離子電池。 每個(gè)獨(dú)立系統(tǒng)獨(dú)立負(fù)責(zé)完成各自的均衡管理、 溫度預(yù)警和SOH預(yù)測(cè)等功 能， 這樣的管理結(jié)構(gòu)可以保證當(dāng)某一部分出現(xiàn)故障時(shí)， 不會(huì)影響整體運(yùn)行。 0041 圖2為鋰離子電池管理系統(tǒng)組成示意圖。 每個(gè)管理系統(tǒng)由三個(gè)模塊(不包括電池) 組成， 分別是控制器模塊、 傳感器模塊和存儲(chǔ)器與信息傳輸模塊。 0042 控制器模塊由STM32芯片、 充放電功率控制器以。

18、及散熱風(fēng)扇組成， 以傳感器模塊的 信息作為輸入數(shù)據(jù)， 根據(jù)電流與時(shí)間的乘積在STM32芯片中計(jì)算得到該電池容量數(shù)據(jù)， 并將 其保存在內(nèi)部存儲(chǔ)器中， 并提供充放電管理、 健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè)等功能的控制 說(shuō)明書(shū) 3/8 頁(yè) 6 CN 111707956 A 6 信號(hào)。 0043 傳感器模塊包括電壓傳感器、 電流傳感器和溫度傳感器， 用于實(shí)時(shí)采集鋰電池充 放電過(guò)程的電壓、 電流和溫度信號(hào)， 與控制器模塊中的STM32芯片相連， 將采集信息傳入內(nèi) 部存儲(chǔ)器以及STM32芯片電路。 0044 存儲(chǔ)器與信息傳輸模塊由內(nèi)部存儲(chǔ)器和與傳感器、 控制器連接的數(shù)據(jù)線構(gòu)成， 內(nèi) 部存儲(chǔ)器用于STM32芯片控。

19、制信號(hào)和傳感器模塊采集的數(shù)據(jù)存取， 通過(guò)數(shù)據(jù)線完成各模塊 間的信息傳輸。 0045 圖3具體說(shuō)明本實(shí)施方式健康狀態(tài)和剩余壽命預(yù)測(cè)方法流程。 本實(shí)施方式所述的 多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方法， 所述方法包括以下步驟： 0046 步驟一、 利用獨(dú)立成分分析法將鋰離子電池組數(shù)據(jù)分解為不同類(lèi)型電池容量退化 數(shù)據(jù)； 0047 步驟二、 將步驟一中不同類(lèi)型電池?cái)?shù)據(jù)與數(shù)據(jù)庫(kù)中容量退化數(shù)據(jù)進(jìn)行對(duì)比， 判斷 是否前期訓(xùn)練完成了該類(lèi)型單體電池多尺度預(yù)測(cè)模型， 若不存在則建立該類(lèi)預(yù)測(cè)模型； 0048 步驟三、 通過(guò)步驟二確認(rèn)已訓(xùn)練好該類(lèi)型鋰離子電池多尺度預(yù)測(cè)模型后， 將步驟 一中的單體容量退。

20、化數(shù)據(jù)輸入對(duì)應(yīng)多尺度組合模型中， 獲得長(zhǎng)期剩余壽命預(yù)測(cè)值和短期實(shí) 時(shí)健康狀態(tài)預(yù)測(cè)值； 0049 步驟四、 將步驟一和步驟三得到的單體鋰離子電池真實(shí)容量數(shù)據(jù)及預(yù)測(cè)結(jié)果存入 數(shù)據(jù)庫(kù)。 0050 本實(shí)施方式中， 本發(fā)明首先將原始多類(lèi)型鋰離子電池混合容量信號(hào)進(jìn)行分離， 采 用單類(lèi)型鋰離子電池逐個(gè)對(duì)應(yīng)其多次組合預(yù)測(cè)模型的方式， 解決了實(shí)際應(yīng)用中多類(lèi)型電池 混用的健康狀態(tài)預(yù)測(cè)難題。 通過(guò)離散小波分解實(shí)現(xiàn)低頻趨勢(shì)和高頻波動(dòng)數(shù)據(jù)分解， 建立殘 差小波網(wǎng)絡(luò)與無(wú)跡粒子濾波組合的多尺度組合模型， 利用同類(lèi)型鋰離子電池歷史退化數(shù) 據(jù)， 完成電池使用前期的健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè)。 0051 具體實(shí)施方式二： 本實(shí)施。

21、方式是對(duì)具體實(shí)施方式一所述的基于可重構(gòu)鋰離子電池 管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方法作進(jìn)一步說(shuō)明， 步驟一中所述獨(dú)立主成分分析的 步驟如下： 0052將鋰離子電池組容量退化數(shù)據(jù)記為:(簡(jiǎn)記為C)， 其中n為同類(lèi)型下單體電池 編號(hào)， m為單體電池循環(huán)次數(shù)。 0053步驟一、 將C減去其均值 0054 步驟二、 計(jì)算REDET,其中R是C的協(xié)方差矩陣， E是特征向量的正交矩陣， D是其特 征值的對(duì)角矩陣； 0055 步驟三、 計(jì)算白化數(shù)據(jù)CvED-1/2ETx； 0056 步驟四、 設(shè)置迭代次數(shù)p， 隨機(jī)初始化向量Wp,使得每行之和為1。 然后根據(jù)公式 0057 0058 求出第i時(shí)刻的Wi。 。

22、其中g(shù)(.)為sigmoid函數(shù)。 0059步驟五、 根據(jù)上一步求得的W， 并利用公式解得所有時(shí)刻所 得向量便是獨(dú)立主成分分析后的不同類(lèi)型電池容量退化數(shù)據(jù)。 說(shuō)明書(shū) 4/8 頁(yè) 7 CN 111707956 A 7 0060 步驟六、 將各個(gè)單體電池容量退化數(shù)據(jù)與步驟五中的各個(gè)類(lèi)型電池?cái)?shù)據(jù)進(jìn)行對(duì) 比， 根據(jù)相似程度將各個(gè)單體電池劃分到不同類(lèi)型中。 0061 具體實(shí)施方式三： 本實(shí)施方式是對(duì)具體實(shí)施方式一所述的多類(lèi)型鋰離子電池組管 理系統(tǒng)的健康狀態(tài)預(yù)測(cè)和剩余壽命預(yù)測(cè)方法作進(jìn)一步說(shuō)明。 圖4為本發(fā)明建立單體電池多 尺度組合模型流程圖。 步驟二和步驟三所述的建立多尺度組合模型實(shí)現(xiàn)鋰離子前期健康狀 態(tài)。

23、預(yù)測(cè)和剩余壽命預(yù)測(cè)具體過(guò)程如下： 0062 步驟一、 利用離散小波分解將單體容量退化數(shù)據(jù)分解為高頻波動(dòng)和低頻趨勢(shì)兩部 分； 0063 步驟二、 將同類(lèi)電池(除了測(cè)試數(shù)據(jù)外)經(jīng)過(guò)步驟一得到的高頻波動(dòng)部分及低頻趨 勢(shì)部分分別帶入殘差小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練； 0064 步驟三、 將訓(xùn)練好的低頻趨勢(shì)部分的殘差小波網(wǎng)絡(luò)與無(wú)跡粒子濾波進(jìn)行結(jié)合， 形 成長(zhǎng)短期剩余壽命預(yù)測(cè)模型； 0065 步驟四、 將訓(xùn)練好的高頻波動(dòng)部分的殘差小波網(wǎng)絡(luò)與短期剩余壽命預(yù)測(cè)模型進(jìn)行 結(jié)合形成實(shí)時(shí)健康狀態(tài)預(yù)測(cè)模型； 0066 步驟五、 將測(cè)試數(shù)據(jù)實(shí)時(shí)輸入多尺度組合模型， 得到短期實(shí)時(shí)健康狀態(tài)預(yù)測(cè)結(jié)果 和長(zhǎng)期剩余壽命預(yù)測(cè)結(jié)果。 006。

24、7 實(shí)施例1 0068 三組鋰離子電池的容量退化曲線如圖7所示。 以其中一組數(shù)據(jù)(V5)為測(cè)試集,另外 兩組數(shù)據(jù)(V6和V7)為歷史數(shù)據(jù)， 得到剩余壽命預(yù)測(cè)結(jié)果如圖9所示， 健康狀態(tài)預(yù)測(cè)結(jié)果如圖 10所示。 其具體評(píng)價(jià)指標(biāo)主要有均方根誤差RMSE以及R-square： 0069 0070 0071式中， 為預(yù)測(cè)值， i為真實(shí)值。 0072 長(zhǎng)期剩余壽命預(yù)測(cè)結(jié)果的評(píng)價(jià)指標(biāo)為： 0073 0074 短期(四步)實(shí)時(shí)健康狀態(tài)預(yù)測(cè)結(jié)果的評(píng)價(jià)指標(biāo)為： 0075 說(shuō)明書(shū) 5/8 頁(yè) 8 CN 111707956 A 8 0076 0077 步驟一、 采用NASA公開(kāi)數(shù)據(jù)集中的5#、 6#和7#進(jìn)行測(cè)試， 。

25、抽取其中的1到160次循環(huán) 的容量退化數(shù)據(jù)記作V5、 V6和V7； 0078 步驟二、 將V5、 V6和V7進(jìn)行離散小波分解， 分解結(jié)果如圖8所示； 0079連續(xù)變換的尺度參數(shù)a和平移參數(shù)b離散化為：其中a01， k 為比例系數(shù)。 對(duì)應(yīng)的離散小波變換函數(shù)為： 0080 0081 式中，j,k(t)為隨時(shí)間域變化的的變換結(jié)果。 0082 步驟三、 訓(xùn)練殘差小波網(wǎng)絡(luò)。 其具體構(gòu)成如圖5所示； 0083 將V6和V7容量退化數(shù)據(jù)進(jìn)行重構(gòu)， 得到訓(xùn)練集。 低頻趨勢(shì)部分訓(xùn)練數(shù)據(jù)Ltrain為： 0084 0085 高頻波動(dòng)部分訓(xùn)練數(shù)據(jù)Htrain為： 0086 0087 本發(fā)明中的殘差小波網(wǎng)絡(luò)其小波函數(shù)。

26、選擇： 0088 0089 殘差層計(jì)算公式為： 0090 EiOi-Ii 公式8， 0091 式中， Oi為上一層網(wǎng)絡(luò)輸出值， Ii為上一層網(wǎng)絡(luò)輸入值。 0092 網(wǎng)絡(luò)輸出層計(jì)算公式為： 0093 0094 式中， ik是從隱藏層到輸出層的權(quán)重， H(i)是隱藏層節(jié)點(diǎn)的輸出， l是隱藏層節(jié)點(diǎn) 的個(gè)數(shù)， m是輸出層節(jié)點(diǎn)的個(gè)數(shù)。 0095 殘差小波網(wǎng)絡(luò)訓(xùn)練步驟如下： 0096 步驟1、 隨機(jī)確定初始小波尺度因子a和平移因子b， 并將網(wǎng)絡(luò)學(xué)習(xí)速率設(shè)置為2； 說(shuō)明書(shū) 6/8 頁(yè) 9 CN 111707956 A 9 0097 步驟2、 數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)部分和測(cè)試數(shù)據(jù)部分， i值是根據(jù)網(wǎng)絡(luò)訓(xùn)練情況和樣。

27、 本數(shù)自由確定的； 0098 步驟3、 將訓(xùn)練數(shù)據(jù)輸入網(wǎng)絡(luò)， 計(jì)算小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出與實(shí)際值的誤差e； 0099 步驟4、 根據(jù)給定的誤差條件(e0.001)， 對(duì)小波神經(jīng)網(wǎng)絡(luò)和小波基函數(shù)的參數(shù)進(jìn) 行了修正。 如果滿(mǎn)足錯(cuò)誤條件， 則操作結(jié)束， 否則返回步驟3； 0100 步驟5、 通過(guò)殘差小波網(wǎng)絡(luò)與無(wú)跡粒子濾波結(jié)合， 建立長(zhǎng)期剩余壽命預(yù)測(cè)模型。 殘 差小波網(wǎng)絡(luò)與無(wú)跡粒子濾波結(jié)合的流程圖如圖6所示。 0101 殘差小波網(wǎng)絡(luò)與無(wú)跡粒子濾波的組合模型， 步驟如下： 0102步驟1、 濾波器參數(shù)初始化： 從先驗(yàn)分布p(N0)得到初始化狀態(tài) 0103 步驟2、 重要性采樣階段: 0104首先， 利用U。

28、KF算法得到Sigma點(diǎn)的集合和Sigma點(diǎn)集的預(yù)測(cè)值計(jì)算公式： 0105 0106式中，為均值。 0107 然后， 重新計(jì)算每個(gè)粒子的權(quán)重： 0108 0109式中，是參考分布。 該參考分布選擇為先驗(yàn)密度 0110 最后， 對(duì)權(quán)重進(jìn)行歸一化： 0111 0112步驟3、 重采樣階段： 由近似分布產(chǎn)生N個(gè)隨機(jī)樣本集合根據(jù)步驟2 得到的權(quán)重， 對(duì)粒子集合進(jìn)行復(fù)制和淘汰； 0113 步驟4、 計(jì)算粒子集合均值， 得到無(wú)跡粒子濾波的預(yù)測(cè)值； 0114 步驟5、 利用步驟四一到步驟四四完成以下參數(shù)預(yù)測(cè)。 容量衰減函數(shù)選擇為雙指數(shù) 函數(shù)： 0115 RUL(Lstrain) exp( *k)+ exp(。

29、 *k)+ 公式13， 0116 式中， , , 和 為固定參數(shù)， k為循環(huán)次數(shù)。 0117 容量退化狀態(tài)方程為： 0118 0119 容量退化觀測(cè)方程為： 說(shuō)明書(shū) 7/8 頁(yè) 10 CN 111707956 A 10 0120 Q(k) (k)exp( (k)*k)+ (k)exp( (k)*k)+ (k) 公式15， 式中， 噪聲 (k)為均值為0， 方差為1的高斯白噪聲。 0121 步驟6、 將步驟四五得到的超前四步容量輸出值依次帶入步驟三， 將其作為真實(shí)輸 入得到輸出值； 0122 步驟7、 得到剩余壽命預(yù)測(cè)短期超前四步預(yù)測(cè)值， 長(zhǎng)期預(yù)測(cè)值由短期預(yù)測(cè)值作為真 實(shí)值重復(fù)步驟1到5得到； 。

30、0123 步驟8、 利用高頻波動(dòng)部分訓(xùn)練數(shù)據(jù)Htrain得到高頻殘差小波網(wǎng)絡(luò)模型短期預(yù)測(cè) 值hi,hi+1,hi+2,hi+3。 實(shí)時(shí)健康狀態(tài)預(yù)測(cè)計(jì)算公式為： 0124 SOH(k)RULstort(k)+Hsoh(k) 公式16， 0125 式中， RULstort(k)為第k次循環(huán)時(shí)低頻趨勢(shì)預(yù)測(cè)值， Hsoh(k)為第k次循環(huán)時(shí)高頻波動(dòng) 預(yù)測(cè)值。 說(shuō)明書(shū) 8/8 頁(yè) 11 CN 111707956 A 11 圖1 圖2 說(shuō)明書(shū)附圖 1/5 頁(yè) 12 CN 111707956 A 12 圖3 圖4 說(shuō)明書(shū)附圖 2/5 頁(yè) 13 CN 111707956 A 13 圖5 圖6 說(shuō)明書(shū)附圖 3/5 頁(yè) 14 CN 111707956 A 14 圖7 圖8 說(shuō)明書(shū)附圖 4/5 頁(yè) 15 CN 111707956 A 15 圖9 圖10 說(shuō)明書(shū)附圖 5/5 頁(yè) 16 CN 111707956 A 16 。

相關(guān)知識(shí)

多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方法.pdf
電池管理系統(tǒng)里的電池健康評(píng)估和壽命預(yù)測(cè)
基于新健康因子的鋰電池健康狀態(tài)估計(jì)和剩余壽命預(yù)測(cè)
鋰電池健康狀態(tài)如何影響電池壽命
車(chē)用動(dòng)力電池健康狀態(tài)及壽命預(yù)測(cè)模型研究
鋰離子電池儲(chǔ)能系統(tǒng)多時(shí)間尺度均衡方法
=退役鋰離子電池健康狀態(tài)評(píng)估方法【鉅大鋰電】
鋰離子電池安全狀態(tài)評(píng)估研究進(jìn)展
基于電化學(xué)模型的鋰離子電池健康狀態(tài)估算
筆記本電池狀態(tài)和電池檢測(cè)方法詳解【鉅大鋰電】

網(wǎng)址: 多類(lèi)型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測(cè)方法.pdf http://m.u1s5d6.cn/newsview1217903.html