一种电池剩余寿命的预测方法及系统技术方案

本发明专利技术涉及一种电池剩余寿命的预测方法及系统，该方法包括：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。本发明专利技术提高了预测的准确性。

【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，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。可选地，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。可选地，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。可选地，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。可选地，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。本专利技术还公开了一种电池剩余寿命的预测系统，所述系统包括：样本数据获取模块，用于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；电池预测模型训练模块，用于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；当前充放电周期数获取模块，用于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；总充放电周期数获取模块，用于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；剩余充放电周期数获取模块，用于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。可选地，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。可选地，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。可选地，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。可选地，所述电池预测模型训练模块，具体包括：样本数据划分单元，用于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；第一训练单元，用于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；第二训练单元，用于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。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术一种电池剩余寿命的预测方法及系统，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，通过训练后的电池预测模型得到所述待预测电池剩余充放电周期数，提高了预测的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一种电池剩余寿命的预测方法流程示意图；图2为本专利技术一种电池剩余寿命的预测系统结构示意图；图3为本专利技术预测结果示意图。具体实施方式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，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本专利技术保护的范围。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。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1为本专利技术一种电池剩余寿命的预测方法流程示意图，如图1所示，一种电池剩余寿命的预测方法，所述方法包括：步骤101：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。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。步骤102：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。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。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本文档来自技高网...

【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