电池充放电循环寿命的预测方法、装置、电子终端、及存储介质制造方法及图纸

本申请提供电池循环寿命的预测方法、装置、电子终端、及存储介质，其包括：获取电池集的早期充放电循环数据；根据所获取的早期充放电循环数据提取至少一电池集充放电循环特征，据以生成所述电池集的充放电循环数据特征向量，以形成对应的充放电循环特征向量集；利用聚类分析算法对所述充放电循环数据特征向量集进行聚类分组；利用回归分析算法为聚类后的一或多组充放电循环数据特征向量子集分别建立对应的回归模型，以供根据所建立的回归模型中与待测充放电循环寿命的电池的特征最接近的一回归模型预测该电池的充放电循环寿命。本申请易于推广至不同类型的电池充放电循环寿命的预测，降低预测系统的软件和硬件要求，便于在实际应用中进行部署和使用。

【技术实现步骤摘要】
电池充放电循环寿命的预测方法、装置、电子终端、及存储介质
本申请涉及电池充放电循环寿命预测的
，特别是涉及电池充放电循环寿命的预测方法、装置、电子终端、及存储介质。
技术介绍
伴随着新能源汽车的普及和推广，作为新能源汽车核心部件之一的动力电池的充放电循环寿命预测正在日益引起业内各界，包括动力电池厂商、汽车厂商和最终用户的关注和重视。对于锂电池而言，当其实际容量下降至其额定容量的80％时，即视为失效。长的充放电循环寿命将会给新能源汽车带来巨大的市场竞争力，因此对于锂电池进行充放电循环寿命预测具有重要意义。现有基于数据驱动的预测技术一般采用粒子滤波算法预测电池的使用寿命，粒子滤波模型的参数初值通常可以通过经验获取，也可以通过其它电池的已知寿命衰减数据计算。但在实际应用过程中，由于涉及到锂电池内部复杂的物理化学过程，如果需要对参数的初值进行准确估计，往往需要对使用者的经验具有较高的要求。对于新设计的电池，可能会没有可以参照的已有电池的寿命衰减数据。同时，在预测过程中，现有技术往往需要预测对象的全部历史充放电循环数据，以便能够更新电池自身的状态。在这些情况下，获取的参数往往并不能够真实反映锂电池的实际状况，从而导致最终的充放电循环寿命预测结果不够准确。与此同时，对于预测对象，现有技术往往需要使用尽可能多的历史充放电循环数据，通常需要大量电池的历史数据，而且不能够通过部分或早期充放电循环数据实现循环寿命的准确预测。申请内容鉴于以上所述现有技术的缺点，本申请的目的在于提供电池充放电循环寿命的预测方法、装置、电子终端、及存储介质，用于解决现有技术中难以获取用于预测电池充放电循环寿命的参数初值的技术问题。为实现上述目的及其他相关目的，本申请的第一方面提供一种电池充放电循环寿命的预测方法，其包括：获取电池集的早期充放电循环数据；根据所获取的早期充放电循环数据提取至少一电池集充放电特征，据以生成所述电池集的充放电循环数据特征向量，以形成对应的特征向量集；利用聚类分析算法对所述充放电循环数据特征向量集进行聚类分组；利用回归分析算法为聚类后的一或多组循环数据特征向量子集分别建立对应的回归模型，以供根据所建立的回归模型中与待测充放电循环寿命的电池的特征最接近的一回归模型预测该电池的充放电循环寿命。于本申请的第一方面的一些实施例中，所述方法包括：根据所获取的早期充放电循环数据提取多个电池集充放电特征，其包括：放电容量差分特征、放电曲线退化特征、电池内阻特征、及电池充电循环次数特征中的任一种或多种组合。充放电循环寿命是指电池在一定的容量的情况下所能进行的充放电循环次数，每充电、放电一次，叫做一次充放电循环。所述早期充放电循环数据包括测试电池的充放电循环总次数中较早测试到的预设数量的充放电循环次数；所述预设数量并不固定，可由具体测试场景来定，本实施例对此不作限定。于本申请的第一方面的一些实施例中，令经历了完整的充放电循环测试的多个电池中的一部分电池作为用于建立回归模型的训练集，另一部分电池作为测试集；所述方法包括：获取训练集的多个早期充放电循环数据；根据所获取的早期充放电循环数据提取至少一训练集充放电特征，据以生成所述训练集的充放电循环数据特征向量集；利用聚类分析算法对所述充放电循环数据特征向量集进行聚类分组；利用回归分析算法为聚类后的一或多组充放电循环数据特征向量子集分别建立对应的回归模型；基于所述测试集对各回归模型进行精准度测试。于本申请的第一方面的一些实施例中，所述方法包括：获取来自电池实测现场的实测数据；根据所获取的实测数据更新所述回归模型。为实现上述目的及其他相关目的，本申请的第二方面提供一种电池充放电循环寿命的预测方法，其包括：获取并部署用于预测电池充放电循环寿命的回归模型；获取并部署用于预测电池充放电循环寿命的回归模型；根据所选的回归模型预测该电池的充放电循环寿命。于本申请的第二方面的一些实施例中，所述方法包括：采集并上传基于电池实测现场的实测数据，以供更新所述回归模型；以及/或者获取并部署用于预测电池充放电循环寿命的一或多个更新后的回归模型。为实现上述目的及其他相关目的，本申请的第三方面提供一种电池充放电循环寿命的预测装置，其包括：数据获取模块，用于获取电池集的早期充放电循环数据；特征向量集生成模块，用于根据所获取的早期充放电循环数据提取至少一电池集充放电特征，据以生成所述电池集的充放电循环数据特征向量集；聚类模块，用于利用聚类分析算法对所述充放电循环数据特征向量集进行聚类分组；模型建立模块，用于利用回归分析算法为聚类后的一或多组充放电循环数据特征向量子集分别建立对应的回归模型，以供根据所建立的回归模型中与待测充放电循环寿命的电池的特征最接近的一回归模型预测该电池的充放电循环寿命。为实现上述目的及其他相关目的，本申请的第四方面提供一种模型获取及部署模块，用于获取并部署用于预测电池充放电循环寿命的一或多个回归模型；模型选取模块，用于从所述多个回归模型中选取与待测充放电循环寿命的电池的特征最接近的一回归模型；寿命预测模块，用于根据所选的回归模型预测该电池的充放电循环寿命。为实现上述目的及其他相关目的，本申请的第五方面提供一种计算机可读存储介质，其上存储有第一计算机程序和/或第二计算机程序，所述第一计算机程序被处理器执行时实现本申请第一方面提供的预测方法，所述第一计算机程序被处理器执行时实现本申请第二方面提供的预测方法。为实现上述目的及其他相关目的，本申请的第六方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本申请第一方面提供的预测方法。为实现上述目的及其他相关目的，本申请的第七方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本申请第二方面提供的预测方法。如上所述，本申请的电池充放电循环寿命的预测方法、装置、电子终端、及存储介质，具有以下有益效果：本申请提供的技术方案由于不涉及电池自身复杂的物理化学机理，仅需根据待测电池自身的历史数据计算获得，因此将能够较为容易的推广至不同类型的电池寿命的预测。与其它的基于数据驱动的电池充放电循环寿命预测技术相比，本专利技术仅需要使用待测电池的早期充放电循环数据，无须对待测电池的全部充放电循环数据进行跟踪，即可实现对电池充放电寿命的预测，降低了对于电池充放电循环寿命预测系统的软件和硬件要求，更加便于在实际应用中进行部署和使用。附图说明图1显示为本申请一实施例中电池充放电循环寿命的预测系统的流程示意图。图2显示为本申请一实施例中电池充放电循环寿命的预测方法的流程示意图。图3显示为本申请一实施例中回归模型集的示意图。图4显示为本申请一实施例中电池充放电循环寿命的预测方法的流程示意图。图5显示为本申请一实施例中电池充放电循环寿命的预测方法的流程示意图。本文档来自技高网...

【技术保护点】
1.一种电池充放电循环寿命的预测方法，其特征在于，包括：/n获取电池集的早期充放电循环数据；/n根据所获取的早期充放电循环数据提取至少一电池集充放电循环特征，据以生成所述电池集的充放电循环数据特征向量，以形成对应的特征向量集；/n利用聚类分析算法对所述充放电循环数据特征向量集进行聚类分组；/n利用回归分析算法为聚类后的一或多组充放电循环数据特征向量子集分别建立对应的回归模型，以供根据所建立的回归模型中与待测充放电循环寿命的电池的特征最接近的一回归模型预测该电池的充放电循环寿命。/n

【技术特征摘要】
1.一种电池充放电循环寿命的预测方法，其特征在于，包括：
获取电池集的早期充放电循环数据；
根据所获取的早期充放电循环数据提取至少一电池集充放电循环特征，据以生成所述电池集的充放电循环数据特征向量，以形成对应的特征向量集；
利用聚类分析算法对所述充放电循环数据特征向量集进行聚类分组；
利用回归分析算法为聚类后的一或多组充放电循环数据特征向量子集分别建立对应的回归模型，以供根据所建立的回归模型中与待测充放电循环寿命的电池的特征最接近的一回归模型预测该电池的充放电循环寿命。


2.根据权利要求1所述的方法，其特征在于，所述方法包括：根据所获取的早期充放电循环数据提取多个电池集充放电特征，其包括：放电容量差分特征、放电曲线退化特征、电池内阻特征、及电池充电循环次数特征中的任一种或多种组合。


3.根据权利要求1所述的方法，其特征在于，令经历了完整的充放电循环测试的多个电池中的一部分电池作为用于建立回归模型的训练集，另一部分电池作为测试集；所述方法包括：
获取训练集的多个早期充放电循环数据；
根据所获取的早期充放电循环数据提取至少一训练集充放电特征，据以生成所述训练集的充放电循环数据特征向量集；
利用聚类分析算法对所述充放电循环数据特征向量集进行聚类分组；
利用回归分析算法为聚类后的一或多组充放电循环数据特征向量子集分别建立对应的回归模型；
基于所述测试集对各回归模型进行精准度测试。


4.根据权利要求1所述的方法，其特征在于，包括：
获取来自电池实测现场的实测数据；
根据所获取的实测数据更新所述回归模型。


5.一种电池充放电循环寿命的预测方法，其特征在于，包括：
获取并部署用于预测电池充放电循环寿命的回归模型；
从所述多个回归模型中选取与待测充放电循环寿命的电池的特征最接近的一回归模型；
根据所选的回归模型预测该电池的充放电循环寿命。


6.根据权利要求5所述的方法，其特征在于，包括：
采集并上传基于电池实测现场的实测数据，以供更新所述回归模型；以及/或者
获取...

【专利技术属性】
技术研发人员：乐宁，
申请(专利权)人：电计贸易上海有限公司，
类型：发明
国别省市：上海;31