本發(fā)明屬于鋰離子電池剩余使用壽命預(yù)測，涉及一種鋰離子電池健康特征提取以及鋰離子電池剩余使用壽命預(yù)測方法。

背景技術(shù)：

1、隨著鋰離子電池的能量密度、功率密度逐漸提升，在便攜電子設(shè)備、電動(dòng)汽車以及大規(guī)模儲能系統(tǒng)中得到了廣泛的應(yīng)用其安全性能與剩余使用壽命預(yù)測變得愈發(fā)重要。但其性能會隨使用時(shí)間增長而逐漸衰減。準(zhǔn)確的剩余使用壽命(rul)預(yù)測有助于制定合理的電池充放電計(jì)劃、及時(shí)提醒用戶更換或修復(fù)電池、降低潛在的安全風(fēng)險(xiǎn)。

2、當(dāng)前，對于鋰電池剩余使用壽命的預(yù)測主要有以下三種：第一類鋰電池剩余使用壽命預(yù)測依賴物理模型，但因電池技術(shù)發(fā)展快、結(jié)構(gòu)復(fù)雜，難以建立通用數(shù)學(xué)模型。第二類方法通過等效電路和電化學(xué)模型監(jiān)測電池狀態(tài)，需大量實(shí)驗(yàn)調(diào)優(yōu)。第三類數(shù)據(jù)驅(qū)動(dòng)方法，利用機(jī)器學(xué)習(xí)分析歷史數(shù)據(jù)，靈活預(yù)測鋰電池壽命，不依賴物理模型，目前已被廣泛應(yīng)用到鋰電池剩余使用壽命的預(yù)測中。

3、然而，目前基于數(shù)據(jù)驅(qū)動(dòng)的rul預(yù)測方法仍存在一些不足。數(shù)據(jù)驅(qū)動(dòng)模型需要更多的計(jì)算資源和效率來處理大量的數(shù)據(jù)和復(fù)雜的模型結(jié)構(gòu)，并且該模型更容易受到健康特征的冗余影響，大多模型的超參數(shù)選擇也是一個(gè)難題。專利(cn118261046a)公開了一種基于ngo-bilstm的鋰電池剩余壽命預(yù)測方法，該方法通過提取鋰離子電池剩余使用壽命退化特征參數(shù)，使用北方蒼鷹算法(ngo)迭代搜索雙向長短期記憶神經(jīng)網(wǎng)絡(luò)(bilstm)最優(yōu)參數(shù)并保存構(gòu)建ngo-bilstm模型，具有誤差小、預(yù)測精度高的優(yōu)點(diǎn)，但模型的退化健康特征需要人為手動(dòng)選擇，模型的泛化能力差。專利(cn118211474a)公開了一種基于mpso-lssvm算法的電池壽命預(yù)測方法,首先根提取電池循環(huán)放電過程中的電壓、電流、剩余容量及內(nèi)阻參數(shù)的時(shí)間序列數(shù)據(jù)生成樣本數(shù)據(jù)集，將數(shù)據(jù)集劃分為測試集和訓(xùn)練集；基于訓(xùn)練集建立鋰離子電池剩余使用壽命預(yù)測模型，并聯(lián)合mpso算法和lssvm算法對鋰離子電池剩余使用壽命預(yù)測模型進(jìn)行迭代優(yōu)化以獲取最優(yōu)解。該方法對數(shù)據(jù)處理采用了安時(shí)積分法以獲取能量指標(biāo)評估鋰離子電池的剩余使用壽命，減小電池壽命預(yù)測誤差，提高預(yù)測精度，優(yōu)化計(jì)算過程，但是需要完整的電池?cái)?shù)據(jù)，本發(fā)明采用自監(jiān)督重構(gòu)與半監(jiān)督容量預(yù)測的方式良好的解決了數(shù)據(jù)不足的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明解決的問題是在于提供一種自動(dòng)識別電池健康特征的電池剩余壽命預(yù)測方法，該方法解決了以下幾個(gè)問題：

2、(1)電池健康特征需要人為手動(dòng)提取導(dǎo)致電池剩余使用壽命預(yù)測準(zhǔn)確率不高的問題；

3、(2)需要大量的完整電池循環(huán)數(shù)據(jù)才能使用數(shù)據(jù)驅(qū)動(dòng)的方法進(jìn)行鋰電池的剩余使用壽命預(yù)測的問題；

4、(3)電池剩余使用壽命預(yù)測模型的泛化能力差的問題。

5、為解決上述問題，本發(fā)明采用了以下技術(shù)方案，其步驟如下：

6、s1:獲取鋰離子電池?cái)?shù)據(jù)集中老化循環(huán)充放電過程中的電池電壓、電池電流數(shù)據(jù)；

7、s2:對電池?cái)?shù)據(jù)集中的異常值或缺失值進(jìn)行線性插值處理，并使用min-max進(jìn)行標(biāo)準(zhǔn)化處理；

8、s3：在健康特征自動(dòng)提取器里對健康特征進(jìn)行自動(dòng)提取，其步驟如下：

9、(1)輸入標(biāo)準(zhǔn)化后的充放電電壓、電流數(shù)據(jù)，通過電池特征編碼模型對輸入的電壓和電流數(shù)據(jù)進(jìn)行處理，提取出數(shù)據(jù)的中間特征；

10、(2)使用已得到的全部中間特征，送入重構(gòu)任務(wù)模塊進(jìn)行訓(xùn)練，得到重構(gòu)的電池?cái)?shù)據(jù)，將重構(gòu)的電池?cái)?shù)據(jù)送入到重構(gòu)損失誤差模型，計(jì)算得到重構(gòu)損失誤差，以重構(gòu)損失誤差、全部中間特征作為輸入，經(jīng)過特征選擇器1，得到數(shù)據(jù)特征1，即標(biāo)準(zhǔn)化后的電池充放電電壓和電流數(shù)據(jù)的壓縮特征；

11、(3)將帶有容量標(biāo)簽的中間特征送入容量預(yù)測模塊，得到預(yù)測的容量，將預(yù)測的容量送入到容量預(yù)測損失誤差模型，計(jì)算得到容量預(yù)測損失誤差，以容量預(yù)測損失誤差、帶有容量標(biāo)簽的中間特征作為輸入，經(jīng)過特征選擇器2，得到數(shù)據(jù)特征2，即與容量變化相關(guān)的數(shù)據(jù)特征；

12、(4)將重構(gòu)損失誤差模型與容量預(yù)測損失誤差模型加權(quán)組合構(gòu)成健康特征融合函數(shù)，將已得到的數(shù)據(jù)特征1和數(shù)據(jù)特征2輸入到健康特征融合函數(shù)，得到健康特征誤差，判斷健康特征是否小于誤差指標(biāo)，驗(yàn)證健康特征是否達(dá)到提取要求，若不滿足要求則重復(fù)步驟(1)到步驟(3)，若滿足要求則輸出健康特征；

13、s4：在健康特征篩選器里對健康特征進(jìn)行篩選，每個(gè)特征進(jìn)行shap值的計(jì)算，分析各特征在預(yù)測過程中的重要性，分別得到重要健康特征與非重要健康特征，保留重要性高的健康特征，組成重要健康特征數(shù)據(jù)集，對于非重要健康特征構(gòu)成的非重要健康特征數(shù)據(jù)集進(jìn)行丟棄，然后，將重要健康特征數(shù)據(jù)集按照一定的比例分為訓(xùn)練集數(shù)據(jù)和測試集數(shù)據(jù)；

14、s5：使用訓(xùn)練集數(shù)據(jù)輸入到bilstm模型進(jìn)行訓(xùn)練得到鋰電池rul訓(xùn)練預(yù)測值；

15、s6：將測試集數(shù)據(jù)輸入bilstm網(wǎng)絡(luò)估計(jì)模型驗(yàn)證模型精度是否到達(dá)設(shè)計(jì)要求，若不滿足要求則重新進(jìn)行網(wǎng)絡(luò)模型的構(gòu)建，若滿足要求則可以將電池?cái)?shù)據(jù)輸入預(yù)測模型中，實(shí)現(xiàn)鋰電池rul的準(zhǔn)確預(yù)測；

16、在步驟s1中獲取鋰電池?cái)?shù)據(jù)集電池的歷史循環(huán)充放電數(shù)據(jù)，按時(shí)間間隔提取充放電電壓值和電流值，并選取鋰電池容量作為衡量電池健康壽命的關(guān)鍵指標(biāo)。

17、在步驟s2中首先識別并處理異常值和缺失值，對于每個(gè)異常值或缺失值，計(jì)算其前后已知值的線性關(guān)系，確定合適的填充值；然后使用min-max標(biāo)準(zhǔn)化對健康特征數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算公式為式中，xi為健康特征數(shù)據(jù)，yi為標(biāo)準(zhǔn)化后的數(shù)據(jù)，max(x)和min(x)為對應(yīng)健康特征數(shù)據(jù)的每行最大值和最小值。

18、在步驟s3中所述的采用健康特征自動(dòng)提取器提取反映電池容量退化的健康特征包括以下步驟：

19、(1)從電池老化數(shù)據(jù)集中按時(shí)間間隔記錄每次循環(huán)的充放電電壓和電流數(shù)據(jù)，構(gòu)建時(shí)間序列數(shù)據(jù)集為[v充,v放]和[i充,i放],其中v充、v放表示在時(shí)間步t時(shí)刻的充放電電壓，i充、i放表示在時(shí)間步t時(shí)刻的充放電電流；

20、(2)在電池特征編碼模型中，對構(gòu)建好的時(shí)間序列數(shù)據(jù)集進(jìn)行位置編碼以保留時(shí)間序列順序，對每個(gè)時(shí)間步生成查詢(q)、鍵(k)和值(v)向量，通過計(jì)算查詢與鍵的點(diǎn)積并使用softmax歸一化，得到注意力權(quán)重，再利用該權(quán)重對值向量加權(quán)求和生成注意力頭輸出，使用多頭注意力機(jī)制拼接各頭的輸出并線性變換得到最終輸出；

21、(3)將多頭注意力的輸出輸入到前饋神經(jīng)網(wǎng)絡(luò)(ffn)中，通過relu激活函數(shù)生成中間特征表示z'；

22、(4)將全部中間特征z'輸入到重構(gòu)任務(wù)模塊，對輸入數(shù)據(jù)進(jìn)行重構(gòu)，利用這些特征重構(gòu)出原始的充放電電壓和電流數(shù)據(jù)，使用mse計(jì)算重構(gòu)電池?cái)?shù)據(jù)與輸入的電池充放電電壓和電流數(shù)據(jù)之間的誤差，即重構(gòu)誤差，公式為：其中，xi為充放電電壓和電流數(shù)據(jù)，為重構(gòu)后的數(shù)據(jù)，并通過特征選擇器1，輸出數(shù)據(jù)特征1，即標(biāo)準(zhǔn)化后的電池充放電電壓和電流數(shù)據(jù)的壓縮特征；

23、(5)將帶有容量標(biāo)簽的中間特征z'1輸入到容量預(yù)測模塊，得到預(yù)測的容量將預(yù)測的容量送入到容量預(yù)測損失誤差模型計(jì)算誤差，使用mse計(jì)算預(yù)測容量與真實(shí)容量之間的誤差，即容量預(yù)測誤差，公式為：其中，ci為真實(shí)容量值，為模型的預(yù)測容量值，并通過特征選擇器2，輸出數(shù)據(jù)特征2，即與容量變化相關(guān)的數(shù)據(jù)特征；

24、(6)將重構(gòu)損失誤差模型與容量預(yù)測損失誤差模型加權(quán)組合構(gòu)成健康特征融合函數(shù)，其中健康特征融合函數(shù)為：losstotal＝α·lossreconstruction+β·losscapacity，式中，α和β分別為調(diào)整重構(gòu)任務(wù)和容量預(yù)測模塊權(quán)重的超參數(shù)，使用已得到的數(shù)據(jù)特征1和數(shù)據(jù)特征2一起輸入到健康特征融合函數(shù)，經(jīng)過大量訓(xùn)練，不斷優(yōu)化健康特征融合函數(shù)，使健康特征融合函數(shù)的值達(dá)到最小，最終，提取出帶有電池老化狀態(tài)相關(guān)的健康因子z。

25、在步驟s4中使用shap分析，評估每個(gè)特征對電池剩余壽命預(yù)測結(jié)果的影響程度，其具體步驟為：計(jì)算每個(gè)特征的shap值，對于輸入健康特征z和電池容量c，shap值φi的計(jì)算公式：其中，s為不含zi的特征子集，n為特征的總數(shù)，c(s∪{zi})表示加入特征zi后對模型預(yù)測結(jié)果貢獻(xiàn)的變化；根據(jù)公式計(jì)算生成shap值圖，當(dāng)shap值為正時(shí)，表示該特征對預(yù)測值有正向貢獻(xiàn)，反之有負(fù)向貢獻(xiàn)；根據(jù)shap分析結(jié)果，保留對預(yù)測結(jié)果有顯著影響的重要特征數(shù)據(jù)，按照一定的比例劃分為訓(xùn)練集數(shù)據(jù)和測試集數(shù)據(jù)。

26、在步驟s5中，bilstm由前向lstm和后向lstm組成，每個(gè)lstm單元包括遺忘門、輸入門和輸出門，用于選擇性保留和更新信息。bilstm的具體過程為：第一步在前向lstm的序列起始位置開始輸入，利用遺忘門ft＝σ(wf·[ht-1,xt]+bf)決定需要丟掉的舊信息，輸入門it＝σ(wi·[ht-1,xt]+bi)選擇性地更新信息，并通過生成候選狀態(tài)，結(jié)合前一時(shí)刻狀態(tài)ct-1計(jì)算更新后的單元狀態(tài)ct。輸出門ot＝σ(wo·[ht-1,xt]+bo)用于生成當(dāng)前的隱藏狀態(tài)ht＝ot*tanh(ct)；第二步是后向lstm從序列末端開始，逆向輸入，過程與前向lstm類似；第三步是將前向和后向lstm的輸出進(jìn)行拼接，得到最終的bilstm的輸出。

27、在步驟s6中，在步驟s6中，選取平均絕對誤差(mae)、均方根誤差(rmse)、平均絕對百分誤差(mape)作為評價(jià)指標(biāo)對電池的rul預(yù)測精度進(jìn)行評價(jià)，以此判斷是否滿足預(yù)期結(jié)果，具體公式為：式中，n為實(shí)驗(yàn)估計(jì)次數(shù)，yn為rul實(shí)際值，為rul估計(jì)值。

相關(guān)知識

一種自動(dòng)識別電池健康特征的電池剩余壽命預(yù)測方法
基于深度學(xué)習(xí)的鋰電池剩余壽命預(yù)測
鋰離子電池健康狀態(tài)評估及剩余壽命預(yù)測方法
鋰離子電池健康狀態(tài)估計(jì)及剩余壽命預(yù)測研究
鋰離子電池健康評估及剩余使用壽命預(yù)測方法研究.pptx
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
多類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)測方法.pdf
電池健康狀態(tài)監(jiān)測與壽命預(yù)測
電池壽命預(yù)測（2020.01）
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

網(wǎng)址: 一種自動(dòng)識別電池健康特征的電池剩余壽命預(yù)測方法 http://m.u1s5d6.cn/newsview1557771.html