电池剩余使用寿命预测方法和装置制造方法及图纸

本发明专利技术提供一种电池剩余使用寿命预测方法和装置，所述方法包括以下步骤：对多个样本电池进行充放电实验，获取每个样本电池多次充放电循环的实验数据；根据每个样本电池多次充放电循环的实验数据获取每个样本电池的老化特性数据；对每个样本电池的老化特性数据进行预处理和特征工程，以所选择的特征构成数据集，并将数据集分为训练集和测试集；构建CNN和LSTM的组合模型，其中，CNN去除了全连接层，输出为一维的特征向量，CNN的输出作为LSTM的输入；通过训练集对CNN和LSTM的组合模型进行训练，以得到电池剩余使用寿命预测器，并通过测试集对电池剩余使用寿命预测器进行测试；通过最终得到的电池剩余使用寿命预测器对待预测电池的剩余使用寿命进行预测。电池的剩余使用寿命进行预测。电池的剩余使用寿命进行预测。

【技术实现步骤摘要】
电池剩余使用寿命预测方法和装置


[0001]本专利技术涉及电池
，具体涉及一种电池剩余使用寿命预测方法和一种电池剩余使用寿命预测装置。

技术介绍

[0002]锂离子电池以其高能量密度、高输出电压、低自放电率、低电压降、易于管理等优点被广泛应用于家用电器、智能手机、电动工具、储能系统、电动汽车等领域。随着电池放电时间的增加，由劣化引起的电池失效会缩短锂离子电池的使用寿命，甚至引发严重的事故。因此准确的电池容量估计及剩余使用寿命预测能显著提升对储能电站电池状态的认知，提升系统的可靠性和安全性，确保储能站的高效稳定运行。

技术实现思路

[0003]本专利技术为解决上述技术问题，提供了一种电池剩余使用寿命预测方法和装置，能够准确地预测电池的剩余使用寿命。
[0004]本专利技术采用的技术方案如下：
[0005]一种电池剩余使用寿命预测方法，包括以下步骤：S1，对多个样本电池进行充放电实验，获取每个所述样本电池多次充放电循环的实验数据；S2，根据每个所述样本电池多次充放电循环的实验数据获取每个所述样本电池的老化特性数据；S3，对每个所述样本电池的老化特性数据进行预处理和特征工程，以所选择的特征构成数据集，并将所述数据集分为训练集和测试集；S4，构建CNN和LSTM的组合模型，其中，所述CNN去除了全连接层，输出为一维的特征向量，所述CNN的输出作为所述LSTM的输入；S5，通过所述训练集对所述CNN和LSTM的组合模型进行训练，以得到电池剩余使用寿命预测器，并通过所述测试集对所述电池剩余使用寿命预测器进行测试；S6，通过步骤S5最终得到的电池剩余使用寿命预测器对待预测电池的剩余使用寿命进行预测。
[0006]所述实验数据包括所述样本电池的端电压和电流。
[0007]所述老化特性数据包括所述样本电池在不同充放电循环中的容量
‑
电压曲线。
[0008]每个所述样本电池在放电容量衰减至额定容量的预设百分比时终止该样本电池的充放电实验。
[0009]所述数据集中的特征为每次充放电循环中预设电压所对应的容量，其中，所述预设电压为多个。
[0010]一种电池剩余使用寿命预测装置，包括：第一数据获取模块，所述第一数据获取模块用于对多个样本电池进行充放电实验，获取每个所述样本电池多次充放电循环的实验数据；第二数据获取模块，所述第二数据获取模块用于根据每个所述样本电池多次充放电循环的实验数据获取每个所述样本电池的老化特性数据；数据处理模块，所述数据处理模块用于对每个所述样本电池的老化特性数据进行预处理和特征工程，以所选择的特征构成数据集，并将所述数据集分为训练集和测试集；模型构建模块，所述模型构建模块用于构建
CNN和LSTM的组合模型，其中，所述CNN去除了全连接层，输出为一维的特征向量，所述CNN的输出作为所述LSTM的输入；模型训练模块，所述模型训练模块用于通过所述训练集对所述CNN和LSTM的组合模型进行训练，以得到电池剩余使用寿命预测器，并通过所述测试集对所述电池剩余使用寿命预测器进行测试；预测模块，所述预测模块用于通过所述模型训练模块最终得到的电池剩余使用寿命预测器对待预测电池的剩余使用寿命进行预测。
[0011]所述实验数据包括所述样本电池的端电压和电流。
[0012]所述老化特性数据包括所述样本电池的放电容量随充放电循环次数变化的特性和所述样本电池在不同充放电循环中的容量
‑
电压曲线。
[0013]每个所述样本电池在放电容量衰减至额定容量的预设百分比时终止该样本电池的充放电实验。
[0014]所述数据集中的特征为每次充放电循环中预设电压所对应的容量，其中，所述预设电压为多个。
[0015]本专利技术的有益效果：
[0016]本专利技术通过对多个样本电池进行充放电实验以获取样本电池的老化特性数据，并构建CNN和LSTM的组合模型，基于所获取的老化特性数据对CNN和LSTM的组合模型进行训练，得到电池剩余使用寿命预测器，最后以电池剩余使用寿命预测器对待预测电池的使用寿命进行预测，由此，能够准确地预测电池的剩余使用寿命。
附图说明
[0017]图1为本专利技术实施例的电池剩余使用寿命预测方法的流程图；
[0018]图2为本专利技术一个具体实施例的某样本电池在不同充放电循环中的容量
‑
电压曲线；
[0019]图3为本专利技术一个实施例的CNN的结构示意图；
[0020]图4为本专利技术一个实施例的LSTM的结构示意图；
[0021]图5为本专利技术一个实施例的模型训练过程示意图；
[0022]图6为本专利技术实施例的电池剩余使用寿命预测装置的方框示意图。
具体实施方式
[0023]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。
[0024]如图1所示，本专利技术实施例的电池剩余使用寿命预测方法包括以下步骤：
[0025]S1，对多个样本电池进行充放电实验，获取每个样本电池多次充放电循环的实验数据。
[0026]充放电实验所采用的样本电池数量可根据对后续数据集中数据量的大小来设定。
[0027]在本专利技术的一个具体实施例中，可对124个商用磷酸铁锂/石墨A123APR18650M1A电池进行循环的充放电测试。每个样本电池的额定容量为1.1Ah，额定电压3.3V。所有样本电池均被置于30℃的恒温箱内进行大倍率的充放电实验。样本电池采用备选的不同快速充
电模式进行充电，并采用相同的放电模式。样本电池在从0％充电至80％SOC的过程选择72种一步或是两步充电策略中的一种。其中一步指的是在给定SOC区间采用固定的充电电流大小。例如一种两步充电策略可分为以6C的倍率从0％SOC充电至50％SOC，接着以4C充电至80％SOC，72种充电策略为各种倍率的组合。1C为样本电池从额定容量在1小时内完全放电的电流大小，在该样本电池上为1.1A。在80％SOC至100％SOC区间，所有样本电池均采用相同的恒流恒压(CC
‑
CV)充电模式，以1C充电至3.6V，接着恒压充电至截止电流C/50。所有样本电池均以CC
‑
CV模式放电，以4C放电至2.0V，放电截止电流为C/50。在测试过程中记录样本电池的端电压、电流、温度等数据。电池的放电容量可根据电流与时间计算。
[0028]在本专利技术的一个实施例中，每个样本电池在放电容量衰减至额定容量的预设百分比时终止该样本电池的充放电实验。例如，当样本电池的容量衰减至额定容量的80％时终止测试。每个样本电池终止测试时的总的充放电循环次数可以表征该样本电池的寿命。
[0029]S2，根据每个样本电池多次充放电循环的实验数据获取每个样本电池的老化特性数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池剩余使用寿命预测方法，其特征在于，包括以下步骤：S1，对多个样本电池进行充放电实验，获取每个所述样本电池多次充放电循环的实验数据；S2，根据每个所述样本电池多次充放电循环的实验数据获取每个所述样本电池的老化特性数据；S3，对每个所述样本电池的老化特性数据进行预处理和特征工程，以所选择的特征构成数据集，并将所述数据集分为训练集和测试集；S4，构建CNN和LSTM的组合模型，其中，所述CNN去除了全连接层，输出为一维的特征向量，所述CNN的输出作为所述LSTM的输入；S5，通过所述训练集对所述CNN和LSTM的组合模型进行训练，以得到电池剩余使用寿命预测器，并通过所述测试集对所述电池剩余使用寿命预测器进行测试；S6，通过步骤S5最终得到的电池剩余使用寿命预测器对待预测电池的剩余使用寿命进行预测。2.根据权利要求1所述的电池剩余使用寿命预测方法，其特征在于，所述实验数据包括所述样本电池的端电压和电流。3.根据权利要求2所述的电池剩余使用寿命预测方法，其特征在于，所述老化特性数据包括所述样本电池在不同充放电循环中的容量
‑
电压曲线。4.根据权利要求3所述的电池剩余使用寿命预测方法，其特征在于，每个所述样本电池在放电容量衰减至额定容量的预设百分比时终止该样本电池的充放电实验。5.根据权利要求4所述的电池剩余使用寿命预测方法，其特征在于，所述数据集中的特征为每次充放电循环中预设电压所对应的容量，其中，所述预设电压为多个。6.一种电池剩余使用寿命预测装置，其特征在于，包括：第一数据获取模块，所述第一数据获取模块用于对多个样本电池进行充放电实验，获取...

【专利技术属性】
技术研发人员：陈亮，刘绍东，袁俊球，王曙宁，赵清源，
申请(专利权)人：国网江苏省电力有限公司国家电网有限公司，
类型：发明
国别省市：