一种针对容量再生现象的锂离子电池寿命预测方法技术

本发明专利技术公开了一种针对容量再生现象的锂离子电池寿命预测方法，属于电池寿命预测技术领域。本发明专利技术针对现技术不能针对电池容量再生现象而进行电池寿命预测。本发明专利技术获取锂离子电池的健康因子数据和循环次数；采用变分模态分解方法将所述健康因子分解成第一类模态分量和第二类模态分量；将第一类模态分量输入第一预测模型中，将第二类模态分量输入第二预测模型中，得到健康因子预测值；将健康因子预测值和循环次数输入退化关系模型中，得到锂离子电池的容量预测值，进而得到锂离子电池的寿命值。本发明专利技术解决了锂离子电池退化过程中，电池数据的容量再生波动导致传统的数据驱动方法泛化能力弱、预测精度低的问题。预测精度低的问题。预测精度低的问题。

【技术实现步骤摘要】
一种针对容量再生现象的锂离子电池寿命预测方法


[0001]本专利技术涉及锂离子电池寿命预测领域，特别是涉及一种针对容量再生现象的锂离子电池寿命预测方法。

技术介绍

[0002]锂离子电池具有能量密度大、循环寿命长、安全可靠等优点，广泛应用于移动电子设备、医疗设备、交通运输、电网储能系统等领域之中，也逐渐扩展至军事通信、航空航天等领域。电池的健康状态预测是电池管理系统中重要的组成部分，准确预测电池的使用寿命，对电池以及整个系统具有关键意义。
[0003]基于数据驱动的方法是目前预测的主流方法，通过采集电池充放电过程中的数据，分析其中隐含的退化规律来进行预测，不需要了解电池内部复杂的化学机理，模型搭建更简单。常用的基本方法有支持向量机、相关向量机、神经网络、自回归模型算法、高斯过程回归(Gaussian Process Regression,GPR)等。支持向量机在锂离子电池寿命预测领域是最常用的方法，但是其计算复杂度高，且对参数和核函数选择敏感，容易使得预测精度低。神经网络随着网络结构的复杂变化，网络训练会变得困难，同时容易过拟合。现有文本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对容量再生现象的锂离子电池寿命预测方法，其特征在于，包括如下步骤：S1、获取锂离子电池的健康因子数据和循环次数；S2、采用变分模态分解方法将所述健康因子分解成第一类模态分量和第二类模态分量，所述第一类模态分量反映锂离子电池整体的退化趋势，第二类模态分量反映锂离子电池的容量再生现象；S3、将所述第一类模态分量输入第一预测模型中，将第二类模态分量输入第二预测模型中，根据第一预测模型的输出结果和第二预测模型的输出结果得到健康因子预测值；S4、将所述健康因子预测值和循环次数输入退化关系模型中，得到锂离子电池的容量预测值，进而得到锂离子电池的寿命值。2.根据权利要求1所述一种针对容量再生现象的锂离子电池寿命预测方法，其特征在于，所述健康因子为等压降放电时间。3.根据权利要求1所述一种针对容量再生现象的锂离子电池寿命预测方法，其特征在于，所述第一预测模型为核函数为k
Matern
(r)的高斯回归模型，所述核函数k
Matern
(r)为：所述第二预测模型为核函数为k
PER
(r)的高斯过程回归模型，所述核函数k
PER
(r)为：式中，r＝||x
‑
x'||，δ为样本方差，l、...

【专利技术属性】
技术研发人员：刘金凤，陈浩玮，胡庆，孙晨，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：