本發(fā)明屬于鋰電池健康狀態(tài)預(yù)測(cè)，尤其涉及一種基于貝葉斯優(yōu)化的鋰離子電池健康狀態(tài)預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、鋰電池健康狀態(tài)預(yù)測(cè)方法主要有基于模型的預(yù)測(cè)方法和基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)方法兩種。基于模型的方法主要以電化學(xué)模型和等效物理模型為主。電化學(xué)模型通過(guò)模擬電池內(nèi)部的化學(xué)反應(yīng)過(guò)程和物理過(guò)程，提供詳細(xì)的電池行為信息。等效電路模型通常為電路模型，以反映電池對(duì)外的電流電壓以及內(nèi)部的等效電阻信息為主，簡(jiǎn)化了電池復(fù)雜的反應(yīng)過(guò)程。基于數(shù)據(jù)驅(qū)動(dòng)的評(píng)估方法利用電池是歷史數(shù)據(jù)和機(jī)器學(xué)習(xí)方法。例如通過(guò)將傳統(tǒng)ga固定的交叉概率和變異概率拋棄，以自適應(yīng)概率計(jì)算策略來(lái)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)閾值的方法；基于自注意力機(jī)制和門(mén)控循環(huán)單元(gru)的鋰電池soh(state of health,soh,健康狀態(tài))預(yù)測(cè)方法；基于雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(bilstm)的鋰電池soh和rul預(yù)測(cè)模型等。

2、在現(xiàn)有鋰離子電池soh預(yù)測(cè)方法中，基于電化學(xué)模型的預(yù)測(cè)方法普遍存在模型復(fù)雜、參數(shù)需求較大、計(jì)算成本較高、模型參數(shù)難以準(zhǔn)確獲取的問(wèn)題；基于等效物理模型的預(yù)測(cè)方法則普遍存在模型難以精確反映電池內(nèi)部真實(shí)變化過(guò)程、精度較低的問(wèn)題。而對(duì)于基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)方法而言，在現(xiàn)有的技術(shù)方法中，通過(guò)將傳統(tǒng)ga固定的交叉概率和變異概率拋棄，以自適應(yīng)概率計(jì)算策略來(lái)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)閾值的方法雖然有效提高了預(yù)測(cè)的準(zhǔn)確性，但是由于自適應(yīng)概率計(jì)算優(yōu)化算法的加入不可避免的對(duì)算法的復(fù)雜度有較大的提升；基于自注意力機(jī)制和門(mén)控循環(huán)單元(gru)的鋰電池soh預(yù)測(cè)方法因?yàn)間ru本身對(duì)于長(zhǎng)時(shí)間序列特征的捕捉存在局限性，在面對(duì)長(zhǎng)序列時(shí)難以解決梯度消失的問(wèn)題，所以該方法對(duì)于數(shù)據(jù)的形式有很大要求；基于雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(bilstm)的鋰電池soh和rul預(yù)測(cè)模型則在超參數(shù)調(diào)優(yōu)上存在難題，需要非常精細(xì)的調(diào)參才能達(dá)到良好的性能。

3、bilstm通過(guò)引入lstm的門(mén)機(jī)制(輸入門(mén)、遺忘門(mén)和輸出門(mén))，能夠有效地處理長(zhǎng)序列數(shù)據(jù)，學(xué)習(xí)其中的長(zhǎng)期依賴(lài)關(guān)系。并且，與單向lstm不同，bilstm能夠同時(shí)處理序列的正向和反向信息，從而更全面地捕捉序列中的特征。但是，由于bilstm模型包含多個(gè)超參數(shù)，如學(xué)習(xí)率、隱藏層神經(jīng)元數(shù)量、迭代次數(shù)(epoch)、批處理大小(batch size)、dropout率等。這些超參數(shù)之間相互影響，共同決定了模型的性能和訓(xùn)練效果。因此，在調(diào)優(yōu)過(guò)程中需要綜合考慮多個(gè)因素，這使得bilstm在超參數(shù)調(diào)優(yōu)上十分困難。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于貝葉斯優(yōu)化的鋰離子電池健康狀態(tài)預(yù)測(cè)方法及系統(tǒng)，提供基于貝葉斯優(yōu)化bilstm(bo-bilstm)的soh預(yù)測(cè)模型，利用貝葉斯優(yōu)化對(duì)bilstm模型的超參數(shù)進(jìn)行優(yōu)化，解決了bilstm超參數(shù)調(diào)優(yōu)的問(wèn)題，且貝葉斯優(yōu)化算法作為一種全局超參數(shù)優(yōu)化算法，相較于其他傳統(tǒng)優(yōu)化算法，能在評(píng)估次數(shù)有限的情況下，高效找到全局最優(yōu)解，大大降低了搜索時(shí)長(zhǎng)，提高了模型的泛化效率。

2、本發(fā)明提供了一種基于貝葉斯優(yōu)化的鋰離子電池健康狀態(tài)預(yù)測(cè)方法，包括如下步驟：

3、步驟1：獲取電池充放電數(shù)據(jù)，對(duì)電池充放電數(shù)據(jù)進(jìn)行預(yù)處理，并從預(yù)處理后的數(shù)據(jù)中提取關(guān)鍵健康因子；其中，所述電池充放電數(shù)據(jù)包括電壓、電流、溫度；所述關(guān)鍵健康因子包括恒流充電時(shí)間、電壓波動(dòng)、放電容量隨時(shí)間的變化率；

4、步驟2：基于關(guān)鍵健康因子構(gòu)建初始的bisltm模型，設(shè)置初始超參數(shù)組合，使用貝葉斯優(yōu)化調(diào)整所述超參數(shù)得到最優(yōu)超參數(shù)組合，并利用得到的最優(yōu)超參數(shù)組合構(gòu)建bilstm最優(yōu)模型；

5、步驟3：利用所述bilstm最優(yōu)模型對(duì)電池的健康狀態(tài)進(jìn)行預(yù)測(cè)。

6、進(jìn)一步地，所述步驟2包括：

7、通過(guò)高斯過(guò)程對(duì)超參數(shù)進(jìn)行建模，并使用概率改進(jìn)采集函數(shù)選擇下一個(gè)評(píng)估點(diǎn)，不斷迭代這一過(guò)程，直到滿(mǎn)足設(shè)定的目標(biāo)值或達(dá)到最大迭代次數(shù)，找到bilstm模型的最優(yōu)超參數(shù)組合，利用最優(yōu)超參數(shù)組合構(gòu)建bilstm最優(yōu)模型。

8、進(jìn)一步地，所述步驟3包括：

9、使用貝葉斯優(yōu)化得到的最優(yōu)超參數(shù)組合，訓(xùn)練bilstm模型，并進(jìn)行評(píng)估測(cè)試，通過(guò)將測(cè)試數(shù)據(jù)輸入bilstm最優(yōu)模型，進(jìn)行soh預(yù)測(cè)，并將預(yù)測(cè)結(jié)果與真實(shí)soh值進(jìn)行對(duì)比，評(píng)估bilstm最優(yōu)模型的準(zhǔn)確性和魯棒性，驗(yàn)證模型在實(shí)際應(yīng)用中的有效性。

10、進(jìn)一步地，所述步驟1包括下列步驟：

11、步驟11：從實(shí)驗(yàn)室條件下的電池循環(huán)充放電實(shí)驗(yàn)中獲取電池充放電數(shù)據(jù)；

12、步驟12：對(duì)電池?cái)?shù)據(jù)進(jìn)行序列化處理，將電池?cái)?shù)據(jù)按照時(shí)間前后進(jìn)行排序，并計(jì)算各循環(huán)時(shí)的soh值；

13、步驟13：對(duì)電池?cái)?shù)據(jù)中充放電容量超出閾值的循環(huán)充放電數(shù)據(jù)刪除，并對(duì)數(shù)據(jù)進(jìn)行歸一化處理；

14、步驟14：從電池充放電數(shù)據(jù)中提取電池在0.5c恒流速率充電下電壓達(dá)到4.2v所需時(shí)間的數(shù)據(jù)作為電池健康因子hi1；

15、hi1＝t4.2v-t0.5c

16、式中，t4.2v表示電池電壓達(dá)到4.2v的時(shí)間；t0.5c表示電池以0.5c速率恒流充電開(kāi)始的時(shí)間點(diǎn)；

17、步驟15：從電池充放電數(shù)據(jù)中提取電池在達(dá)到4.2v恒壓階段后，電流逐漸下降至0.05a截止電流所需時(shí)間的數(shù)據(jù)作為電池健康因子hi2；

18、hi2＝t0.05a-t4.2v

19、式中，t0.05a表示電流下降至截止電流0.05a的時(shí)間點(diǎn)；

20、步驟16：從電池充放電數(shù)據(jù)中提取電池在恒流放電過(guò)程中的電壓波動(dòng)數(shù)據(jù)作為電池健康因子hi3；

21、

22、式中，n為一個(gè)循環(huán)內(nèi)恒壓放電過(guò)程中的采樣點(diǎn)個(gè)數(shù)，vi為各采樣點(diǎn)的電壓值，為放電過(guò)程中電壓的平均值；

23、步驟17：從電池充放電數(shù)據(jù)中提取電池一個(gè)周期內(nèi)的放電速率數(shù)據(jù)作為電池健康因子hi4；

24、

25、式中，δqdis表示在δt時(shí)間內(nèi)的放電容量變化；

26、步驟18：從電池充放電數(shù)據(jù)中提取電池在恒流放電過(guò)程中的峰值電壓和電流數(shù)據(jù)分別作為電池健康因子hi5和hi6；

27、步驟19：使用皮爾森相關(guān)系數(shù)作為衡量指標(biāo)衡量各健康因子與soh的關(guān)聯(lián)程度；

28、

29、式中，r表示皮爾森相關(guān)系數(shù)；n為循環(huán)周期數(shù)；hi和sohi各循環(huán)周期的健康因子和soh值；和為整個(gè)循環(huán)周期內(nèi)健康因子和soh的平均值；

30、步驟110：在模型的輸入和輸出端，將相關(guān)系數(shù)大于0.9的健康因子作為模型的輸入，輸入數(shù)據(jù)的時(shí)序步長(zhǎng)為16，輸出為預(yù)測(cè)未來(lái)一個(gè)時(shí)間步的soh。

31、本發(fā)明還提供了一種基于貝葉斯優(yōu)化的鋰離子電池健康狀態(tài)預(yù)測(cè)系統(tǒng)，包括預(yù)測(cè)模塊，所述預(yù)測(cè)模塊執(zhí)行所述一種基于貝葉斯優(yōu)化的鋰離子電池健康狀態(tài)預(yù)測(cè)方法。

32、本發(fā)明還提供了一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述一種基于貝葉斯優(yōu)化的鋰離子電池健康狀態(tài)預(yù)測(cè)方法。

33、本發(fā)明還提供了一種電子設(shè)備，包括：

34、存儲(chǔ)器和處理器，所述存儲(chǔ)器和所述處理器之間互相通信連接，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)指令，所述處理器通過(guò)執(zhí)行所述計(jì)算機(jī)指令，從而執(zhí)行所述一種基于貝葉斯優(yōu)化的鋰離子電池健康狀態(tài)預(yù)測(cè)方法。

35、借由上述方案，通過(guò)基于貝葉斯優(yōu)化的鋰離子電池健康狀態(tài)預(yù)測(cè)方法及系統(tǒng)，利用貝葉斯優(yōu)化對(duì)bilstm模型的超參數(shù)進(jìn)行優(yōu)化，解決了bilstm超參數(shù)調(diào)優(yōu)的問(wèn)題，且貝葉斯優(yōu)化算法作為一種全局超參數(shù)優(yōu)化算法，相較于其他傳統(tǒng)優(yōu)化算法，能在評(píng)估次數(shù)有限的情況下，高效找到全局最優(yōu)解，大大降低了搜索時(shí)長(zhǎng)，提高了模型的泛化效率。

36、上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，并可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施，以下以本發(fā)明的較佳實(shí)施例并配合附圖詳細(xì)說(shuō)明如后。

相關(guān)知識(shí)

基于模型的鋰離子電池健康狀態(tài)預(yù)測(cè)
基于機(jī)器學(xué)習(xí)的鋰離子電池健康狀態(tài)與剩余壽命預(yù)測(cè)
鋰離子電池健康狀態(tài)估計(jì)及剩余壽命預(yù)測(cè)研究
鋰離子電池健康狀態(tài)評(píng)估及剩余壽命預(yù)測(cè)方法
基于數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池健康狀態(tài)估計(jì)和剩余使用壽命預(yù)測(cè)
鋰離子電池健康狀態(tài)評(píng)估及剩余壽命預(yù)測(cè)方法研究
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
基于數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池健康狀態(tài)估計(jì)及剩余壽命預(yù)測(cè)研究.docx
鋰離子電池組單體容量及健康狀態(tài)在線(xiàn)測(cè)量系統(tǒng)及方法與流程
動(dòng)態(tài)工況下鋰離子動(dòng)力電池荷電狀態(tài)估計(jì)和健康狀態(tài)預(yù)測(cè)

網(wǎng)址: 基于貝葉斯優(yōu)化的鋰離子電池健康狀態(tài)預(yù)測(cè)方法及系統(tǒng) http://m.u1s5d6.cn/newsview1393784.html