一种锂离子电池剩余使用寿命区间预测方法和系统技术方案

本发明专利技术针对现有数值预测策略的局限性，提出了一种锂离子电池剩余使用寿命区间预测方法和系统。首先引入模糊信息粒化对电池容量退化时间序列进行处理，将原始的数值级数据转化为颗粒级，这是实现区间预测的基础。其次，为了解决在处理电池退化数据时由于模糊信息粒化而造成的波动信息丢失的问题，本发明专利技术创造性地引入了一种语言描述方法，为每个模糊颗粒附加语义标签来表示其变化状态。最后，结合最小二乘支持向量机算法，使用带有语义标签的颗粒作为模型的训练输入，在实现电池RUL区间预测的同时，考虑了退化序列的波动特征。本发明专利技术能够实现对锂离子电池RUL的区间预测，且具有良好的预测效果和较好的适用性。的预测效果和较好的适用性。的预测效果和较好的适用性。

A method and system for predicting the remaining service life of lithium ion batteries

【技术实现步骤摘要】
一种锂离子电池剩余使用寿命区间预测方法和系统


[0001]本专利技术属于锂离子电池
，具体涉及一种基于模糊信息粒化和语言描述的锂离子电池剩余使用寿命区间预测方法和系统。

技术介绍

[0002]锂离子电池作为一种可再生能源，具有能量密度高、自放电率低、寿命长等优点，现已被广泛应用于许多领域。从智能手机到电动汽车再到航空航天动力系统，这一切的稳定运行离不开锂离子电池相对稳定的能源供应。然而，随着寿命周期的增加，电池性能会逐渐下降，当退化达到某一点(失效阈值)时，电池出现故障的可能性会增加，这可能会导致任务失败，甚至是灾难性事件。因此，构建一个令人满意的电池剩余使用寿命(Remaining Useful Life,RUL)预测模型对预防危险事故的发生具有重要的现实意义。
[0003]从实际应用的角度来看，一个设计良好的预测模型不仅要能预测出电池容量的变化趋势，还应该提供电池剩余使用寿命的预测区间，这样，用户可以在潜在危险故障发生前得到充分的预警，并做出合理的决策，以减少不必要的损失。在安全或紧急程度较高的情况下，应该在RUL预测区间内尽早做出选择，以避免发生事故，反之则可以适当延长使用周期，以减少浪费。因此，建立锂离子电池剩余使用寿命区间预测模型对于锂离子电池的实际应用具有重要意义。
[0004]近年来研究人员已经从不同的角度对电池RUL的预测进行了研究。然而，现有的关于锂离子电池健康管理和RUL预测的研究大多是基于数值水平，即给出预测结果的准确值，而不是提供一个可用于决策的预测区间。一些学者提出了新的数据驱动方法或混合方法，结合不同类型方法的相对优势来预测电池退化趋势。有学者提取新的健康指标(HIs)，或对多个HIs进行相关性分析，以识别电池退化状态中较为敏感的变量。有文献对现有的优化算法进行了改进，也有文献考虑了电池的容量再生行为。上述方案的预测结果都达到了一定的精度，但都是基于电池RUL的数值预测方法。当涉及到实际问题时，一方面，在某些人类推理和决策需要依赖于预测结果的情况下，定量的数值结果可能不是绝对必要的；另一方面，考虑到电池退化轨迹复杂，测量过程容易受到干扰，原始数据有噪声、不稳定且高度非线性，因此，很难获得精确的电池RUL预测模型，且当前的基于数值预测的策略也不能实现一个完美的预测结果，反而可能给电池RUL的估计带来更大的不可靠性。

技术实现思路

[0005]针对现有数值预测策略的局限性，本专利技术提出了一种基于模糊信息粒化和语言描述方法的锂离子电池剩余使用寿命区间预测方法和系统。
[0006]本专利技术采用的技术方案如下：
[0007]一种锂离子电池剩余使用寿命区间预测方法，包括以下步骤：
[0008]从电池数据集中提取电池容量退化时间序列；
[0009]对电池容量退化时间序列进行离散化，将电池容量退化时间序列划分为宽度固
定、不重叠的子集，每个子集称为一个时间窗口；
[0010]利用模糊信息粒化方法对时间窗口进行处理，生成与时间窗口对应的模糊颗粒；
[0011]对模糊颗粒进行语言描述，为每个模糊颗粒附加语义标签来表示其波动状态；
[0012]使用带有语义标签的模糊颗粒作为输入，采用最小二乘支持向量机模型对电池剩余使用寿命进行区间预测。
[0013]进一步地，所述利用模糊信息粒化方法对时间窗口进行处理，生成与时间窗口对应的模糊颗粒，包括：
[0014]选择三角隶属度函数生成模糊颗粒；通过模糊信息粒化，时间窗口T1,T2,
…
,T
t
分别生成相应的模糊颗粒G1,G2,
…
,G
t
；每个颗粒G
i
保留三个值a
i
、m
i
和b
i
，该三个值反映时间窗口T
i
的主要信息，其中a
i
和b
i
分别表示生成颗粒的下界和上界，m
i
表示生成颗粒的平均水平；然后，对应模糊颗粒的三组序列{a1,a2,
…
,a
t
}、{m1,m2,
…
,m
t
}和{b1,b2,
…
,b
t
}分别用Low、R和Up表示，其中Up和Low为区间预测提供上下界。
[0015]进一步地，所述对模糊颗粒进行语言描述，为每个模糊颗粒附加语义标签来表示其波动状态，包括：
[0016]根据时间序列的变化情况，将其波动状态分为若干程度，形成一个语义集L＝{L1,L2,
…
,L
c
}，其中L
j
表示一个语言项，对应数据的一种波动状态；
[0017]将模糊颗粒G1,G2,
…
,G
t
对应的时间窗口中数据的波动状态与语义集L中的元素逐一进行比较，依次为每个颗粒选择最接近其波动状态的语言项来进行描述，生成一个信息特征序列该序列中的元素与对应颗粒的波动状态相关。
[0018]进一步地，采用更低、低、中、高和更高五种程度的语言项组成的语义集来描述电池退化时间序列中颗粒的波动状态。
[0019]进一步地，所述使用带有语义标签的模糊颗粒作为输入，采用最小二乘支持向量机模型对电池剩余使用寿命进行预测，包括：
[0020]取前num个颗粒作为训练数据，预测从num+1到t的颗粒；
[0021]电池RUL的最终区间预测结果由两部分组成，第一部分为颗粒的Up和Low的预测结果，第二部分为语言项序列的预测结果；
[0022]在对预测结果进行归并时，对第二部分即语言项序列的预测结果进行回溯，转换成相应颗粒的波动数据，与第一部分的预测结果进行叠加，得到最终的预测结果。
[0023]进一步地，采用特异性准则和覆盖准则评价区间预测的性能，其中特异性准则用来计算预测区间的宽度，覆盖准则用来衡量预测区间的准确度。
[0024]一种采用本专利技术方法的锂离子电池剩余使用寿命区间预测系统，其包括：
[0025]时间序列提取模块，用于从电池数据集中提取电池容量退化时间序列；
[0026]时间序列离散化模块，用于对电池容量退化时间序列进行离散化，将电池容量退化时间序列划分为宽度固定、不重叠的子集，每个子集称为一个时间窗口；
[0027]时间窗口粒化模块，用于利用模糊信息粒化方法对时间窗口进行处理，生成与时间窗口对应的模糊颗粒；
[0028]语言描述模块，用于对模糊颗粒进行语言描述，为每个模糊颗粒附加语义标签来表示其波动状态；
[0029]区间预测模块，用于使用带有语义标签的模糊颗粒作为输入，采用最小二乘支持
向量机模型对电池剩余使用寿命进行区间预测。
[0030]本专利技术的有益效果如下：
[0031]针对现有数值预测策略的局限性，提出了一种基于模糊信息粒化和语言描述方法的锂离子电池剩余使用寿命本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂离子电池剩余使用寿命区间预测方法，其特征在于，包括以下步骤：从电池数据集中提取电池容量退化时间序列；对电池容量退化时间序列进行离散化，将电池容量退化时间序列划分为宽度固定、不重叠的子集，每个子集称为一个时间窗口；利用模糊信息粒化方法对时间窗口进行处理，生成与时间窗口对应的模糊颗粒；对模糊颗粒进行语言描述，为每个模糊颗粒附加语义标签来表示其波动状态；使用带有语义标签的模糊颗粒作为输入，采用最小二乘支持向量机模型对电池剩余使用寿命进行区间预测。2.根据权利要求1所述的方法，其特征在于，所述利用模糊信息粒化方法对时间窗口进行处理，生成与时间窗口对应的模糊颗粒，包括：选择三角隶属度函数生成模糊颗粒；通过模糊信息粒化，时间窗口T1,T2,
…
,T
t
分别生成相应的模糊颗粒G1,G2,
…
,G
t
；每个颗粒G
i
保留三个值a
i
、m
i
和b
i
，该三个值反映时间窗口T
i
的主要信息，其中a
i
和b
i
分别表示生成颗粒的下界和上界，m
i
表示生成颗粒的平均水平；然后，对应模糊颗粒的三组序列{a1,a2,
…
,a
t
}、{m1,m2,
…
,m
t
}和{b1,b2,
…
,b
t
}分别用Low、R和Up表示，其中Up和Low为区间预测提供上下界。3.根据权利要求2所述的方法，其特征在于，所述选择三角隶属度函数生成模糊颗粒，包括：选取三角隶属度函数A(x)如下：其中，m为时间窗口中子集的中位数，a和b分别为生成模糊颗粒的支持度下界和上界；模糊颗粒的构建需要满足两个条件：(1)模糊颗粒能够合理地表示原始信息；(2)模糊颗粒应具有一定的特异性；为满足该两个条件，构造函数Q
A
如下：其中，M
A
满足条件(1)；N
A
表示A(x)的支持边界，满足条件(2)；当Q
A
最大时，上述条件达到最优解。4.根据权利要求2所述的方法，其特征在于，所述对模糊颗粒进行语言描述，为每个模糊颗粒附加语义标签来表示其波动状态，包括：根据时间序列的变化情况，将其波动状态分为若干程度，形成一个语义集L＝{L1,L2,
…
,L
c
}，其中L
j
表示一个语言项，对应数据的一种波动状态；将模糊颗粒G1,G2,
…
,G
t
对应的时间窗口中数据的波动状态与语义集L中的元素逐一进行比较，依次为每个颗粒选择最接近其波动状态的语言项来进行描述，生成一个信息特征序列该序列中...

【专利技术属性】
技术研发人员：庞晓琼，赵珍，温杰，贾建芳，史元浩，董渊昌，
申请(专利权)人：中北大学，
类型：发明
国别省市：