【技术实现步骤摘要】
一种动力电池寿命的智能预测方法及装置
[0001]本专利技术属于动力电池寿命预测
，具体涉及一种动力电池寿命的智能预测方法及装置。
技术介绍
[0002]动力电池中以锂电池性能最好。随着世界各国能源产业的发展，锂电池的使用率也迅猛增长，锂电池的剩余寿命(Remaining Useful Life，RUL)预测引发了国内外学者的广泛关注。锂电池从当前设定的时刻至其失效时刻所消耗的时间称为锂电池的剩余使用寿命，剩余寿命通常由容量、内阻或其它状态量来表征。电动汽车动力电池是个典型的例子，当电动汽车动力电池容量衰减至额定容量的70
‑
80％以下时，此动力电池已经失效，而当前时刻的容量值就是该动力电池的失效阈值。
[0003]目前，锂电池剩余寿命预测方法主要有两种：基于模型的方法和基于数据驱动的方法。基于模型的剩余寿命预测方法就是根据设备的性能、工作特性和工作过程，建立物理模型，再将样本数据输入到模型中，通过输入输出关系的转换算法得到预测数据。通常情况下，该预测方法主要使用故障机理模型进行锂离子电池的R...
【技术保护点】
【技术特征摘要】
1.一种动力电池寿命的智能预测方法，其特征在于，包括以下步骤：从电动汽车运行监控中心获取车辆状态数据及车载电池组数据；对所述数据进行整合处理得到多种对电池寿命有影响的特征数据；基于相关性对所述特征数据进行筛选，得到对电池寿命影响最显著的几种特征数据；以筛选后的特征数据为输入、以电池寿命为输出，构建神经网络预测模型，利用训练好的预测模型对电池寿命进行预测。2.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，所述车辆状态数据及车载电池组数据包括：车辆编号，电池组总电压和总电流，SOC，电池单体最高电压和最低电压，正向累计电量，反向累计电量，总里程，运行时间，车速。3.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，所述方法还包括数据预处理步骤：剔除异常数据，补充缺失数据，区分充放电电流数据。4.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，所述对所述数据进行整合处理的方法包括：以同一种数据的不同统计量作为新的特征数据，以同一种数据的不同统计量的任意组合作为新的特征数据，所述统计量包括最大值、最小值、中值、平均值、方差和均方差。5.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，所述基于相关性对所述特征数据进行筛选的方法包括：计算任意一个特征数据与电池寿命的相关系数，并对所述特征数据按照相关系数从大到小的顺序排序；删除相关系数小于第一阈值的特征数据；计算剩余的特征数据中任意两个特征数据之间的相关系数，对于相关系数大于第二阈值的两个特征数据，删除排序靠后的一个特征数据，使任意两个特征数据之间的相关系数均不大于第二阈值。6.根据权利要求1所述的动力电池寿命的智能预测方法，其特征在于，采用径向基函数神经网络构建电池寿命预测模型。7.根据权利要求6所述的动力电池寿命的智能预测方法，其特征在于，采用优化算法对径向基函数神经网络的参数进行优化。8.根据权利要求7所述的动力电池寿命的智能预测方法，其特征在于，采用遗传算法对径向基函数神经网络的参数进行优化，方法如下：数据归一化：确定训练样本并对样本数据进行归一化处理；染色体编码：采用实数编码对径向基函数神经网络的数据中心c
i
、扩展常数δ
i
和权重w
i
统一编码，形成染色体串；种群初始化：最佳初始种群规模的取值范围为20～70；构造适应度函数：适应度函数的表达式为：式中，F
i
为适应度函数值，为预测值，y
i
为实际值，n为样本输入总数；选择运算：采用轮盘赌法选择种群中适应度大的个体，将种群中每个个体适应度分配
到一个赌盘中，适应度值与在赌盘中所占面积成比例，通过转动赌盘指针来选择个体；第i个个体被选中的概率为：式中，P
i
为第i个个体被选中的概率，F
i
为第i个个体的适应度，N为种群内个体数；交叉运算：采用算数交叉法进行交叉运算，将个体g
i
、g
f
的染色体进行组合交叉，形成新的个体基因组合交叉计算公式为：基因组合交叉计算公式为：式中，α为比例因子，α∈(0,1)；交叉概率P
c
自适应调整，计算公式为：式中，f
max
为种群中适应度的最大值，f
avg
...
【专利技术属性】
技术研发人员：贾小娥，李佳，
申请(专利权)人：遥相科技发展北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。