基于IOWA算子的锂电池容量估计与寿命预测方法技术

本发明专利技术涉及一种基于IOWA算子的锂电池容量估计与寿命预测的方法，其步骤为：步骤1：首先在不同循环下获得所有估计方法在各自精度内的容量估计值及相对误差；步骤2：采用多项式拟合填补前期数据集内空缺的容量值，同时分别计算各方法已知误差的均值作为拟合容量对应的误差值，即有序诱导变量值；步骤3：基于诱导有序加权平均的组合估计模型求解权重系数并估计前期容量值；步骤4：利用基于遗传算法优化的BP神经网络进行后期的容量预测。本发明专利技术仅通过不同方法下的电池离散容量估计值及相对误差，就能够很好的实现对电池前期容量的估计和后期电池容量的预测，使得容量估计的效率和精度得以大幅度提高。度得以大幅度提高。度得以大幅度提高。

【技术实现步骤摘要】
基于IOWA算子的锂电池容量估计与寿命预测方法


[0001]本专利技术涉及一种电池估计与寿命预测，尤其涉及一种基于诱导有序加权(IOWA)算子的锂电池容量估计与寿命预测的方法。

技术介绍

[0002]随着现代社会的发展和科技的进步，汽车对于人们来说是出行的必备品，汽车数量的大幅度增加也带来了一些问题，比如环境污染、能源短缺等。石油资源变得十分紧张，发展新能源汽车代替传统燃油车也将是未来的一种趋势。锂电池具有比能量高、比功率高、自放电率低、循环寿命长等特点，所以在新能源汽车上应用的十分广泛。但是，锂电池也存在一些问题，最大的应当是电池容量衰减，因此准确的了解电动汽车当前电池的容量状态以及对于未来电池容量衰减的预测具有很重要的意义。
[0003]在电动汽车实际使用场景下，其整车电池组所经历的每个循环充放电过程存在差异，无法采用单一方法或模型估计其全寿命周期内每一次循环后的容量。而在不同循环下通常可以通过不同方法估计得到满足一定精度的容量值，同时获取这些容量估计值的相对误差。在此基础上，如何通过前期不同循环次数下单一方法或模型得到的容量估计离散值及对应误差得到每次循环下实车电池组较高精度的容量估计值，以及对整车电池组进行后续的容量预测具有一定的实际应用价值。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于更加准确的实现对电动汽车电池容量的估计以及对整车电池组进行后续的寿命预测，而提出一种基于IOWA算子的锂电池容量估计与寿命预测方法。
[0005]本专利技术的技术方案是：一种基于IOWA算子的锂电池容量估计与寿命预测的方法，其步骤如下：
[0006]步骤1：首先在不同循环下获得所有估计方法在各自精度内的容量估计值及相对误差；
[0007]步骤2：采用多项式拟合填补前期数据集内空缺的容量值，同时分别计算各方法已知误差的均值作为拟合容量对应的误差值，即有序诱导变量值；
[0008]步骤3：基于诱导有序加权平均的组合估计模型求解权重系数并估计前期容量值；
[0009]步骤4：利用基于遗传算法优化的BP神经网络进行后期的容量预测。
[0010]进一步的，步骤1中对于电池由不同方法获得的容量值离散点，采用多项式拟合插值填补前期数据集内空缺的容量值，并且利用各方法计算得到的误差均值作为拟合容量对应的误差值；使用诱导有序加权平均算子IOWA对前期电池不同方法获得离散的容量值进行组合估计，得出电池容量的估计值。
[0011]进一步的，步骤2中的空缺的容量数据采用多项式拟合插值填补，并且利用各方法计算得到的误差均值作为拟合容量对应的误差值，且原有的容量估计值及对应误差值不
变。
[0012]进一步的，步骤3中的诱导有序加权平均IOWA的组合估计模型为：
[0013][0014]其中i＝1,2,
…
,m，为诱导有序加权平均组合容量预测值，a
‑
index(in)是第n次循环第i个大的预测精度的下标，w
i
为有序加权平均权系数，p
in
表示第i种预测方法第n次循环的拟合容量值，a
in
表示第i种预测方法第n次循环的预测精度，并把预测精度a
in
看成容量拟合值p
in
的诱导值，其中具体的方程如下：
[0015][0016]其中p
n
代表在n次循环下的参考容量值。
[0017]进一步的，步骤3中所述的求解权重系数方法如下：
[0018]设F(w1,w2,
…
,w
m
)为电池容量的诱导有序加权平均组合预测误差平方和，则
[0019][0020]得到最优模型
[0021][0022][0023]利用Matlab最优化工具箱计算得到诱导有序加权平均组合预测模型的最优权系数w1,w2,
…
,w
i
，将求解得到的最优权系数带入到诱导有序加权平均算子模型中，按照精度a
in
从大到小依次排序将对应的容量值p
in
带入到模型中得出平均组合容量预测值。
[0024]进一步的，步骤4中基于诱导有序加权平均组合估计模型求解得到前期数据集内的容量值，将这些容量估计值作为输入训练遗传算法优化的BP神经网络，从而预测得到后期数据集内的容量值。
[0025]与现有技术相比，本专利技术的有益效果在于：
[0026](1)提出了一种新的容量估计方法：即采用诱导有序加权平均算子(IOWA)实现组合各种方法估计电池容量值。即只需要知道电动汽车在前期由不同方法得到的电池部分精度已知的容量值，就可以进行容量的综合估计；
[0027](2)在前期实现组合方法估计电池容量的基础上，采用基于遗传算法优化的BP神经网络进行后期的电池容量预测；
附图说明
[0028]图1为本专利技术实施例中的基于诱导有序加权(IOWA)算子的锂电池容量估计与寿命预测的方法的思维流程图；
[0029]图2为本专利技术实施例中假设第一种情况下对前期数据集采用多项式拟合结果与容量参考值以及各方法所得容量值之间的关系图；
[0030]图3为本专利技术实施例中假设第二种情况下对前期数据集采用多项式拟合结果与容量参考值以及各方法所得容量值之间的关系图；
[0031]图4为本专利技术实施例中假设第一种情况下采用诱导有序加权平均算子组合容量估计值与各方法所得容量值的对比图；
[0032]图5为本专利技术实施例中假设第二种情况下采用诱导有序加权平均算子组合容量估计值与各方法所得容量值的对比图；
[0033]图6为本专利技术实施例中假设第一种情况下采用电池前期容量估计结果带入到基于遗传算法优化的BP神经网络进行后期的容量预测结果及误差图；
[0034]图7为本专利技术实施例中假设第二种情况下采用电池前期容量估计结果带入到基于遗传算法优化的BP神经网络进行后期的容量预测结果及误差图。
具体实施方式
[0035]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0036]本专利技术的基于诱导有序加权平均IOWA(Induced Ordered Weighted Averaging)算子的锂电池容量估计与寿命预测方法，包括如下步骤：
[0037]S1：首先在不同循环下获得所有估计方法在各自精度内的容量估计值及相对误差；这些电池由不同方法获得的容量值离散点的精度都是已知的。
[0038]S2:采用多项式拟合填补前期数据集内空缺的容量值，同时分别计算各方法已知误差的均值作为拟合容量对应的误差值，即有序诱导变量值；空缺的容量数据采用多项式拟合插值填补，并且利用各方法计算得到的误差均值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IOWA算子的锂电池容量估计与寿命预测的方法，其特征在于，所述的方法包括如下步骤：步骤1：首先在不同循环下获得所有估计方法在各自精度内的容量估计值及相对误差；步骤2：采用多项式拟合填补前期数据集内空缺的容量值，同时分别计算各方法已知误差的均值作为拟合容量对应的误差值，即有序诱导变量值；步骤3：基于诱导有序加权平均IOWA算子的组合估计模型求解权重系数并估计前期容量值；步骤4：利用基于遗传算法优化的BP神经网络进行后期的容量预测。2.根据权利要求1所述的基于IOWA算子的锂电池容量估计与寿命预测的方法，其特征在于：步骤1中对于电池由不同方法获得的容量值离散点，采用多项式拟合插值填补前期数据集内空缺的容量值，并且利用各方法计算得到的误差均值作为拟合容量对应的误差值；使用诱导有序加权平均算子IOWA对前期电池不同方法获得离散的容量值进行组合估计，得出电池容量的估计值。3.根据权利要求1所述的基于IOWA算子的锂电池容量估计与寿命预测的方法，其特征在于：步骤2中空缺的容量数据采用多项式拟合插值填补，并且利用各方法计算得到的误差均值作为拟合容量对应的误差值，且原有的容量估计值及对应误差值不变。4.根据权利要求1所述的基于IOWA算子的锂电池容量估计与寿命预测的方法，其特征在于：步骤3中使用诱导有序加权平均算子对前期电池由不同方法获得离散的容量值进行组合估计，得出电池容量的...

【专利技术属性】
技术研发人员：孙涛，王绍青，蒋胜，郑岳久，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：