电池健康评估方法、装置、电子设备和可读存储介质制造方法及图纸

本申请提供了一种电池健康评估方法、装置、电子设备和可读存储介质，其中，该方法包括：获取待测电池的用电序列数据；将该用电序列数据进行处理，得到熵特征数据；将该熵特征数据输入预设的电池评估模型进行识别，以确定出该待测电池的评估结果。通过上述方法可以提高电池健康评估的精确度。高电池健康评估的精确度。高电池健康评估的精确度。

【技术实现步骤摘要】
电池健康评估方法、装置、电子设备和可读存储介质


[0001]本申请涉及电池检验
，具体而言，涉及一种电池健康评估方法、装置、电子设备和可读存储介质。

技术介绍

[0002]目前针对电池的评估一般是基于模型的方法。例如，通过设计卡尔曼滤波器和粒子滤波器等状态观测器，来估计电池健康状态。但是由于电池内部复杂的物理化学特性和外部复杂的工作条件，很难建立准确的电池动态特性模型，也就导致基于模型的方法对电池进行评估的精度不高。

技术实现思路

[0003]本申请的目的在于提供一种电池健康评估方法、装置、电子设备和可读存储介质，以改善现有技术中电池评估准确率低的问题。
[0004]第一方面，本专利技术提供一种电池健康评估方法，包括：获取待测电池的用电序列数据；将所述用电序列数据进行处理，得到熵特征数据；将所述熵特征数据输入预设的电池评估模型进行识别，以确定出所述待测电池的评估结果。
[0005]在可选的实施方式中，所述将所述用电序列数据进行处理，得到熵特征数据，包括：根据所述用电序列数据，构建用电向量组；根据所述用电向量组，计算出所述用电向量组中的各用电向量之间的向量距离；根据各用电向量间的所述向量距离，计算出所述用电序列数据的熵特征数据。
[0006]在可选的实施方式中，所述根据各用电向量间的所述向量距离，计算出所述用电序列数据的熵特征数据，包括：将各用电向量之间的所述向量距离与预设度量值进行对比，以确定出所述向量距离大于所述预设度量值的目标用电向量数量；根据所述目标用电向量数量，确定出所述用电序列数据的熵特征数据。
[0007]在可选的实施方式中，所述根据所述目标用电向量数量，确定出所述用电序列数据的熵特征数据，包括：根据所述目标用电向量数量，计算所述用电向量组的匹配概率；根据所述匹配概率，确定出所述用电序列数据的熵特征数据。
[0008]在可选的实施方式中，所述用电向量组包括第一用电向量组和第二用电向量组；所述根据所述目标用电向量数量，计算所述用电向量组的匹配概率，包括：根据所述第一用电向量组对应的目标用电向量数量，计算所述第一用电向量组的第一匹配概率；根据所述第二用电向量组对应的目标用电向量数量，计算所述第二用电向量组的第二匹配概率。
[0009]在可选的实施方式中，所述根据所述用电序列数据，构建用电向量组，包括：根据第一预设比较向量长度，从所述用电序列数据中确定出包括多个第一用电向量的所述第一用电向量组，所述第一用电向量组中的第一用电向量的长度为所述第一预设比较向量长度；根据所述第一预设比较向量长度，确定出第二预设比较向量长度；根据所述第二预设比较向量长度，从所述用电序列数据中确定出包括多个第二用电向量的所述第二用电向量
组，所述第二用电向量组中的第二用电向量的长度为所述第二预设比较向量长度。
[0010]在可选的实施方式中，所述用电序列数据包括：放电电压序列、放电电流序列、充电电压序列和充电电流序列；所述获取待测电池的用电序列数据，包括：在待测电池放电过程中，采集所述待测电池的所述放电电压序列和所述放电电流序列；在待测电池充电过程中，采集所述待测电池的所述充电电压序列和所述充电电流序列。
[0011]第二方面，本专利技术提供一种电池健康评估装置，包括：
[0012]获取模块，用于获取待测电池的用电序列数据；
[0013]处理模块，用于将所述用电序列数据进行处理，得到熵特征数据；
[0014]识别模块，用于将所述熵特征数据输入预设的电池评估模型进行识别，以确定出所述待测电池的评估结果。
[0015]第三方面，本专利技术提供一种电子设备，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述机器可读指令被所述处理器执行时执行如前述实施方式任一所述的方法的步骤。
[0016]第四方面，本专利技术提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如前述实施方式任一所述的方法的步骤。
[0017]本申请实施例的有益效果是：在电池的相关数据输入模型中识别之前，可以先对数据进行处理，可以得到能够表征电池特性的熵特征数据，再使用模型对该熵特征数据进行识别，可以使模型能够更准确地实现对电池的健康的评估，提高电池健康状态评估的准确性。
附图说明
[0018]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0019]图1为本申请实施例提供的电子设备的方框示意图；
[0020]图2为本申请实施例提供的电池健康评估方法的流程图；
[0021]图3为本申请实施例提供的电池健康评估方法的步骤220的详细流程图；
[0022]图4为本申请实施例提供的电池健康评估装置的功能模块示意图。
具体实施方式
[0023]下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。
[0024]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0025]电池作为储能系统的一个重要部分，已被广泛应用于电动汽车、分布式发电系统等领域。在所有电池类型中，锂离子电池以其高功率密度、低自放电率和较长的使用寿命而被广泛应用。为了延长电池的使用寿命，避免发生灾难性故障，可以对锂电池的健康状况
(state of health,SOH)进行监控。理想条件下，电池的初始的健康状态为100％。在一个实例中，电池的健康状况可以定义为当前容量与标称容量的百分比，表示当前电池相对于全新电池的电能存储能力。在实际应用中，当剩余容量下降到某个阈值(例如，70％—80％)时，则表示该电池已经达到临界状态，此时电池需要被更换。
[0026]基于上述需求，也出现了各种各样的锂电池SOH估计方法。最直接方法是通过测量电池再充放电过程转移的电量，在实际应用中，这种方法依赖高精度电流传感器，并且需要改变电池工作状态。另一种估计方法是基于神经网络模型的方法，该方法通过设计卡尔曼滤波器和粒子滤波器等状态观测器，来估计电池SOH，由于电池内部复杂的物理化学特性和外部复杂的工作条件，很难建立准确的电池动态特性模型。另一种估计方法是数据驱动方法，该方法基于电池老化特征数据的演化规律，采用人工神经网络和支持向量机等智能算法，建立电池老化与外部特征的映射关系。然而，这种方法所用的特征数据中应包含足够的老化信息以提高估计精度，对数据的完整性有较高要求，在实际应用中很难满足。
[0027]基于上述现状的研究，本申请实施例提供一种电池健康评估方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池健康评估方法，其特征在于，包括：获取待测电池的用电序列数据；将所述用电序列数据进行处理，得到熵特征数据；将所述熵特征数据输入预设的电池评估模型进行识别，以确定出所述待测电池的评估结果。2.根据权利要求1所述的方法，其特征在于，所述将所述用电序列数据进行处理，得到熵特征数据，包括：根据所述用电序列数据，构建用电向量组；根据所述用电向量组，计算出所述用电向量组中的各用电向量之间的向量距离；根据各用电向量间的所述向量距离，计算出所述用电序列数据的熵特征数据。3.根据权利要求2所述的方法，其特征在于，所述根据各用电向量间的所述向量距离，计算出所述用电序列数据的熵特征数据，包括：将各用电向量之间的所述向量距离与预设度量值进行对比，以确定出所述向量距离大于所述预设度量值的目标用电向量数量；根据所述目标用电向量数量，确定出所述用电序列数据的熵特征数据。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标用电向量数量，确定出所述用电序列数据的熵特征数据，包括：根据所述目标用电向量数量，计算所述用电向量组的匹配概率；根据所述匹配概率，确定出所述用电序列数据的熵特征数据。5.根据权利要求4所述的方法，其特征在于，所述用电向量组包括第一用电向量组和第二用电向量组；所述根据所述目标用电向量数量，计算所述用电向量组的匹配概率，包括：根据所述第一用电向量组对应的目标用电向量数量，计算所述第一用电向量组的第一匹配概率；根据所述第二用电向量组对应的目标用电向量数量，计算所述第二用电向量组的第二匹配概率。6.根据权利要求5所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：孙大帅，王健鹏，李峰，
申请(专利权)人：上海采日能源科技有限公司，
类型：发明
国别省市：