一种锂电池剩余使用寿命预测方法及系统技术方案

本发明专利技术属于锂电池技术领域，提供了一种锂电池剩余使用寿命预测方法及系统。该方法包括，根据锂电池的历史电池容量值，得到每个电池容量值对应的电压、电流和温度数据的特征矩阵；考虑电压、电流和温度数据的权重值以及不同特征类型对电池容量值的影响，结合电池容量值对应的电压、电流和温度数据的特征矩阵，得到不同注意力机制对应的测量数据特征矩阵、特征类型矩阵和测量数据与特征类型融合矩阵；将测量数据特征矩阵、特征类型矩阵和测量数据与特征类型融合矩阵进行拼接，得到锂电池的预测剩余寿命。剩余寿命。剩余寿命。

【技术实现步骤摘要】
一种锂电池剩余使用寿命预测方法及系统


[0001]本专利技术属于锂电池
，尤其涉及一种锂电池剩余使用寿命预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]锂电池由于其稳定性、安全性和环境友好性而被广泛应用于电动汽车、航空航天、移动设备等领域。锂电池的重复充放电虽然给设备的运行带来了方便，但随着锂离子电池充放电周期的增加，其容量会减小，安全性也会变差。如果锂电池在容量衰减到一定程度前不更换，将对设备造成不可预知的影响，甚至引发安全事故。因此，预测锂电池的剩余使用寿命是十分必要的。
[0004]受机器学习在各个领域的优异性能的启发，许多基于卷积神经网络(CNN) 和递归神经网络(RNN)的模型被应用于锂电池剩余使用寿命(Remaining Useful Life，RUL)预测。CNN将每个充放电数据作为一个独立的特征向量，忽略了特征中的关键信息。RNN可以利用时间序列信息，但往往会带来梯度爆炸或消失的问题。长短时记忆单元(LSTM)是对RNN的一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电池剩余使用寿命预测方法，其特征在于，包括：根据锂电池的历史电池容量值，得到每个电池容量值对应的电压、电流和温度数据的特征矩阵；考虑电压、电流和温度数据的权重值以及不同特征类型对电池容量值的影响，结合电池容量值对应的电压、电流和温度数据的特征矩阵，得到不同注意力机制对应的测量数据特征矩阵、特征类型矩阵和测量数据与特征类型融合矩阵；将测量数据特征矩阵、特征类型矩阵和测量数据与特征类型融合矩阵进行拼接，得到锂电池的预测剩余寿命。2.根据权利要求1所述的锂电池剩余使用寿命预测方法，其特征在于，在获取锂电池的历史电池容量值后包括，获取每个电池容量值对应的电压、电流和温度数据；并对每个电池容量值对应的电压、电流和温度数据进行预处理，提取电池容量值对应的电压、电流和温度数据的特征矩阵。3.根据权利要求2所述的锂电池剩余使用寿命预测方法，其特征在于，所述预处理包括：获取每个电池容量值对应的电压数据矩阵、电流数据矩阵以及温度数据矩阵的行向量，然后分别提取电压行向量、电流行向量以及温度数据行向量中的能量特征、波动指数特征、偏度指数特征和峰度指数特征。4.根据权利要求3所述的锂电池剩余使用寿命预测方法，其特征在于，采用电压行向量、电流行向量以及温度数据行向量中的线性回归特征、能量特征、波动指数特征、偏度指数特征和峰度指数特征中的至少两种，预测锂电池的剩余寿命。5.根据权利要求2所述的锂电池剩余使用寿命预测方法，其特征在于，所述预处理包括：对每个电池容量值对应的电压...

【专利技术属性】
技术研发人员：宋艳，李沂滨，崔明，贾磊，高辉，
申请(专利权)人：山东大学，
类型：发明
国别省市：