【技术实现步骤摘要】
一种电池剩余寿命的预测方法及系统
本专利技术涉及电池检测领域，特别是涉及一种电池剩余寿命的预测方法及系统。
技术介绍
目前，新能源汽车市场占有率逐年提高。动力电池作为新能源汽车的核心部件，占据着举足轻重的位置。根据相关数据预测，2022年将迎来新能源汽车动力蓄电池大规模退役，随之而来的，就是动力电池的回收利用问题。为实现环保等要求，针对废旧动力电池的回收、梯次利用及再生利用，其中研究及讨论最多的即梯次利用，一些企业及研究机构也在积极进行电池残值评估相关的研究和探讨，例如剩余寿命、剩余容量、安全性能评估等相关研究，以便于退役后的电池能够安全高效的投入到后续的梯次利用活动中。目前电池剩余寿命的预测还不够准确。
技术实现思路
本专利技术的目的是提供一种电池剩余寿命的预测方法及系统，提高了预测的准确性。为实现上述目的，本专利技术提供了如下方案：一种电池剩余寿命的预测方法，所述方法包括：获得电池容量的样本数据；所述样本数据中包括按照充放电周期数排列的电池容量序列；采用高斯过程回归方法...
【技术保护点】
1.一种电池剩余寿命的预测方法，其特征在于，所述方法包括：/n获得电池容量的样本数据；所述样本数据中包括按照充放电周期数排列的电池容量序列；/n采用高斯过程回归方法，以所述电池容量序列中的容量为输入，以电池的充放电周期数为输出训练电池预测模型；/n将待预测电池的当前容量输入所述训练后的电池预测模型，获得所述待预测电池的当前充放电周期数；/n将所述待预测电池的寿命终止容量阈值输入所述训练后的电池预测模型，获得所述待预测电池的寿命终止时的充放电周期数；/n根据所述待预测电池当前充放电周期数和寿命终止时的充放电周期数，确定所述待预测电池剩余充放电周期数。/n
【技术特征摘要】
1.一种电池剩余寿命的预测方法，其特征在于，所述方法包括：
获得电池容量的样本数据；所述样本数据中包括按照充放电周期数排列的电池容量序列；
采用高斯过程回归方法，以所述电池容量序列中的容量为输入，以电池的充放电周期数为输出训练电池预测模型；
将待预测电池的当前容量输入所述训练后的电池预测模型，获得所述待预测电池的当前充放电周期数；
将所述待预测电池的寿命终止容量阈值输入所述训练后的电池预测模型，获得所述待预测电池的寿命终止时的充放电周期数；
根据所述待预测电池当前充放电周期数和寿命终止时的充放电周期数，确定所述待预测电池剩余充放电周期数。
2.根据权利要求1所述的电池剩余寿命的预测方法，其特征在于，所述样本数据包括对所述电池进行大于100个充放电周期数的样本数据。
3.根据权利要求1所述的电池剩余寿命的预测方法，其特征在于，所述高斯过程回归方法中采用的核函数包括均值函数和协方差函数构成的组合核函数，所述均值函数默认为0；
所述协方差函数包括理性平方协方差函数、周期协方差函数和线性协方差函数中一种或几种。
4.根据权利要求3所述的电池剩余寿命的预测方法，其特征在于，所述组合核函数表示为：RQ*LIN+RQ*PER；其中，RQ表示所述理性平方协方差函数，LIN表示所述线性协方差函数，PER表示所述周期协方差函数。
5.根据权利要求1所述的电池剩余寿命的预测方法，其特征在于，所述采用高斯过程回归方法，以所述电池容量序列中的容量为输入，以电池的充放电周期数为输出训练电池预测模型，具体包括：
将所述样本数据按照预设充放电周期次数分为前期样本数据和后期样本数据；
将所述超参数的调整额度控制在第一经验区间，采用高斯过程回归方法，以所述前期样本数据中的容量为输入，以电池的充放电周期数为输出训练电池预测模型，得到优化后的电池预测模型；
将所述超参数的调整额度控制在第二经验区间，采用高斯过程回归方法，以所述后期样本数据中的容量为输入，以电池的充放电周期数为输出训练所述优化后的电池预测模型，得到训练后的电池预测模型。
6.一种电池剩余寿命的预测系统，其特征在于，所...
【专利技术属性】
技术研发人员：王震坡，龙超华，刘鹏，李阳，葛付林，赵菲菲，
申请(专利权)人：北京理工新源信息科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。