一种基于大数据进行储能电池SOH预测的方法技术

本发明专利技术涉及储能电池的管理技术领域，尤其是一种基于大数据进行储能电池SOH预测的方法；步骤一，采集数据；步骤二，根据采集的数据计算SOC；步骤三，数据清洗；步骤四，数据特征化；步骤五，建立SOH模型；步骤六，训练模型；依赖于电池数据采集的长周期情况下，从电池的额定信息和状态监测数据(电压、电流、温度、SOC等)挖掘其中隐含的电池健康状态信息及其演变规律，实现电池SOH预测。

【技术实现步骤摘要】
一种基于大数据进行储能电池SOH预测的方法
本专利技术涉及储能电池的管理
，尤其是一种基于大数据进行储能电池SOH预测的方法。
技术介绍
电池的健康度(SOH，StateofHealth)，是指在一定条件下，电池使用一段时间后某些直接可测或间接计算得到的性能参数的实际值与标称值的比值，用来判断电池健康状况，一般以百分比的形式表现。SOH不仅仅与电池本身的电化学体系和电池制造工艺相关，还与车辆行驶工况和电池组内部的工作环境相关。现有技术通常采用查表法或者根据过往经验来判断SOH，例如图1所示。该方法的明显弊端是不能实时监测SOH，更加不可能提前预知未来一定时间内的SOH。
技术实现思路
针对现有技术的不足，本专利技术提供一种从电池的额定信息和状态监测数据(电压、电流、温度、SOC等)挖掘其中隐含的电池健康状态信息及其演变规律，实现电池SOH预测的方法。本专利技术的技术方案为：一种基于大数据进行储能电池SOH预测的方法，其特征在于：他包括以下步骤：步骤一，采集数据；步骤二，根本文档来自技高网...

【技术保护点】
1.一种基于大数据进行储能电池SOH预测的方法，其特征在于：他包括以下步骤：/n步骤一，采集数据；/n步骤二，根据采集的数据计算SOC；/n步骤三，数据清洗；/n步骤四，数据特征化；/n步骤五，建立SOH模型；/n步骤六，训练模型。/n

【技术特征摘要】
1.一种基于大数据进行储能电池SOH预测的方法，其特征在于：他包括以下步骤：
步骤一，采集数据；
步骤二，根据采集的数据计算SOC；
步骤三，数据清洗；
步骤四，数据特征化；
步骤五，建立SOH模型；
步骤六，训练模型。


2.根据权利要求1所述的一种基于大数据进行储能电池SOH预测的方法，其特征在于：步骤一中，所述数据包括采集时间、电池充放电电流、最高电压、最低电压、最高温度、最低温度、电池故障信息。


3.根据权利要求2所述的一种基于大数据进行储能电池SOH预测的方法，其特征在于：步骤二中，SOC＝C/Cr*δ
其中C为电池存储容量，Cr为电池额定容量，δ为电池容量损耗因子；
电池容量为：C＝∫Idt，其中I为电流、t为时间。


4.根据权利要求3所述的一种基于大数据进行储能电池SOH预测的方法，其特征在于：步骤三中，数据清洗规则为：空余赋值：电池数据在传输过程中，很容易发生掉包导致变量缺失，在本发明中，主要采用取一段行程该变量的平均值或中间值或相邻插值进行空余变量的赋值；错值去除：通过设定电动汽车电池使用相关数据的每个变量的合理取值范围，即阈值，检查数据是否合乎要求，将超出正常范围的数据予以删除或纠正；交叉检验：通过设定电动汽车电池使用相关数据的相互约束和依赖关系，将逻辑上不合理或者相互矛盾的数据予以删除或纠正。


5.根据权利要求4所述的一种基于大数据进行储能电池SOH预测的方法，其特征在于：步骤四中，所述数据特征化是将通过数据整理步骤得到的数据进行总结和抽取，获取特征化后的数据，对于数据的总结和抽取包括滚动聚合。所述滚动聚合是指设定一个时间窗口，计算在预定的变量在该时间窗口内的聚合值，所述聚合值可以是数据的总和、平均值或者是标准差。


6.根据权利要求5所述的一种基于大数据进行储能电池SOH预测的方法，其特征在于：步骤五中，所述建立SOH模型包括4步：
第一步：得到电池基本数据，用于计算第二步和第三步中的SOH
所述基本数据，也可以称为出厂数据，包括：电池容量(Cap_BOL)、电池容量与温度的对应关系表以及电池理想工况下循环次数与容量衰减的对应关系表；
第二步：统计t时刻的SOH
根据当前实际的SOC(剩余电量)，T(温度)，C(电池放电速率)，通过查第一步的容量和温度对应关系表得到衰减系数P，故...

【专利技术属性】
技术研发人员：魏小鹏，常伟，
申请(专利权)人：沃特威广州电子科技有限公司，
类型：发明
国别省市：广东;44