一种基于时间序列特征的锂电池寿命预测方法技术

本发明专利技术提供了一种基于时间序列特征的锂电池寿命预测方法，包括以下步骤：步骤1、挖掘充放电数据中反映锂电池寿命的关键特征数据，其中包括：在一次完整的充放电循环中挖掘出的等升电压时间序列特征、截止电压时间序列特征、恒流始降时间序列特征、持续小电流时间序列特征、充电温升时间序列特征、充电温降时间序列特征和放电温升时间序列特征；步骤2、对特征数据做预处理，组成反映电池健康状态的特征向量组，利用向量组建立特征模型；步骤3、计算皮尔逊相关系数，筛选相关度更高的时间序列特征作为模型输入；步骤4、建立GRU神经网络预测模型并优化网络参数以提升预测效果；步骤5、建立多维评价体系评价GRU模型预测效果；本发明专利技术能够准确预测电池容量在整个寿命期内的非线性退化趋势，模型适用范围广，适用于多种充电策略，预测响应快，预测精度高。预测精度高。预测精度高。

【技术实现步骤摘要】
一种基于时间序列特征的锂电池寿命预测方法


[0001]本专利技术属于电池管理系统应用领域，具体涉及一种基于时间序列特征的锂电池寿命预测方法。

技术介绍

[0002]锂离子电池由于高功率密度、自放电率低和使用寿命长等特点在电力、航空航天、交通、能源等领域发挥着重要作用(吴宇平等，《锂离子电池
‑
应用与实际》，2011年，化学工业出版社)。从全球锂电池产量来看，动力锂电池产量份额占比达到了70.8％，根据 S&P Global Market Intelligence公布的数据显示，2020年，中国锂离子电池产能占世界产能的约77％。锂离子电池处在一个高速发展的过程，是能源转型阶段的重要发展目标。
[0003]作为动力电源或储能电源，锂电池均处在长期反复充放电循环的工作状态。由于电池内部正极材料结构的变化、负极SEI生长导致活性锂离子消耗、电解液氧化分解等诸多原因(吴宇平等，《锂离子电池
‑
应用与实际》，2011年，化学工业出版社)，具体表现为可用容量衰减和最大输出功率降低，电池的使用寿命逐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时间序列特征的锂电池寿命预测方法，其特征在于，包括以下步骤：步骤1、挖掘充放电数据中反映锂电池寿命的关键特征数据，其中特征数据均为在锂电池的完整充放电数据的电压、电流和温度曲线中计算得到的时间序列特征；步骤2、对特征数据做预处理，建立反映电池健康状态的三维向量组，利用特征向量组建立GRU神经网络的特征模型；步骤3、计算特征向量和剩余使用寿命之间的皮尔逊相关系数，筛选相关度在0.9以上的时间序列特征作为GRU预测模型输入特征向量；步骤4、建立GRU预测模型并优化网络参数以提升预测效果；步骤5、建立多维评价体系评价GRU预测模型预测效果。2.根据权利要求1所述的一种基于时间序列特征的锂电池寿命预测方法，其特征在于，所述步骤1具体包括以下内容：步骤1.1、挖掘充放电数据中反映锂电池寿命的关键特征数据，提取充放电数据中的时间、电压、电流、温度数据；步骤1.2、以起始充电电压2V为计算点，计算在充电过程中，电压上涨至3.4V所需的时间；以起始放电电压3.6V为计算点，计算在放电过程中电压下降到截止电压2V所需的时间；以小电流恒流阶段起始阶段为计算点，计算恒流开始下降的时间；以小电流恒流开始阶段为计算点，计算整个恒流和电流下降后直至达到充电截止电流经历的时间；以充电过程的起始温度为计算点，计算在充电过程中电池温度达到放电过程的最高温度所需的时间；以充电过程最高温度为计算点，计算在充电过程中电池温度下降到充电过程最低温度所需的时间；以放电过程的起始温度为计算点，计算在放电过程中电池温度达到放电过程的最高温度所需的时间。3.根据权利要求1所述的一种基于时间序列特征的锂电池寿命预测方法，其特征在于，所述步骤2中利用时间序列特征建立特征模型的实施方法为：步骤2.1：将所有电池充放电数据按照步骤(1)叙述的进行处理提取健康特征，将相同充电策略的电池分组；步骤2.2：对所有特征和每次循环的放电量做归一化处理，归一化到[0,1]，其公式为：X
max
为每个向量中的最大值，X
min
为最小值；步骤2.3：每次循环的放电量视为电池的剩余使用寿命，同时作为模型预测的目标值。将时间特征和剩余使用寿命划分为训练集和测试集，训练集和测试集的比例为70％和30％，将时间特征向量组划分为GRU模型期待的三个维度。三维向量组X
t
是能够反映当前电池健康状态的特征集，从而建立电池特征模型。4.根据权利要求1所述的一种基于时间序列特征的锂电池寿命预测方法，其特征在于，所述步骤3中计算相关系数、筛选相关度更高的时间序列特征的实施方法为：计算每一个时间序列特征和剩余使用寿命之间的皮尔逊相关系数，其公式为：
其中x
i
为时间特征向量，为时间特征向量的均值，y
i
为以剩余使用寿命作为目标值，为以剩余使用寿命作为目标值的均值；计算每一个时间序列特征与剩余使用寿命之间的皮尔逊相关系数，将相关系数低于0.9和负相关的特征舍弃。5.根据权利要求1所述的一种基于时间序列特征的锂电池寿命预测方法，其特征在于，所述步骤4中建立GRU预测模型并优化网络参数以提升预测效果的实施方法为：步骤4.1：确定...

【专利技术属性】
技术研发人员：吴宇平，郭飞，刘丽丽，付丽君，叶季蕾，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：