一种基于改进灰色模型的锂离子电池寿命预测方法及装置制造方法及图纸

本发明专利技术提供了一种基于改进灰色模型的锂离子电池寿命预测方法及装置，具体包括以下步骤：(1)获取锂离子电池数据，形成第一数据集；(2)对所述第一数据集进行数据检验；(3)采用改进后的鸟群算法对灰色模型辨识参数进行选取，建立基于改进的灰色模型锂离子电池寿命预测模型；(4)利用所述的基于改进灰色模型对所述第一数据集进行拟合，获得锂离子电池寿命数据在时间序列上的整体变化趋势，最终得到锂离子电池寿命预测结果。本发明专利技术提供的锂离子电池寿命预测方法及装置有效的提高的锂离子电池寿命预测的精度，提高锂离子电池的稳定性和安全性，具有重要的实际工程意义。具有重要的实际工程意义。具有重要的实际工程意义。

【技术实现步骤摘要】
一种基于改进灰色模型的锂离子电池寿命预测方法及装置


[0001]本专利技术涉及新能源
，具体涉及一种基于改进灰色模型的锂离子电池寿命预测方法及装置。

技术介绍

[0002]锂离子电池在不断地充放电运行过程中，会导致电池老化现象的发生。锂离子电池的老化现象会降低锂离子电池的使用性能，并导致负载设备安全问题的发生。由于锂离子电池的老化问题，会受到外界环境、放电倍速和负载等影响，在锂离子电池衰退过程中，还会受到锂离子电池自身特性的影响，是锂离子电池衰退过程随机的会出现自回升现象，严重影响着锂离子电池的衰退趋势，造成锂离子电池寿命预测不准的问题，现有的寿命预测方法难以解决出现锂离子电池自回升现象影响锂离子电池寿命衰退问题。因此急需一种能够准确预测锂离子电池寿命的方法，从而减小锂离子电池老化现象所产生的安全事件的发生，提高锂离子电池的稳定性。

技术实现思路

[0003]本专利技术提供了一种基于改进灰色模型的锂离子电池寿命预测方法，将改进的鸟群算法(Bird Swarm Algorithm，BSA)和灰色模型相结合，提高锂离子电池寿命预测的精度，弥补灰色模型在锂离子电池寿命预测领域存在的不足。
[0004]为实现上述目的，本专利技术提供了如下的技术方案：
[0005]一种基于改进灰色模型的锂离子电池寿命预测方法，具体步骤如下：
[0006]步骤1000：获取能够直接表征锂离子电池性能衰退的锂离子电池数据，形成第一数据集；
[0007]步骤2000：对所述第一数据集的数据序列进行数据检验，将第一数据集的数据x
(0)
包含公式(1)所示的数据序列，为确保后续算法的有效，根据公式(2)进行数据检验；
[0008]x
(0)
＝(x
(0)
(1),x
(0)
(2),...,x
(0)
(n))
ꢀꢀ
(1)
[0009]其中，x
(0)
为第一数据集的数据序列，x
(0)
(k)＞0,k＝1,2,...,n为第一数据集数据组成的数据序列；
[0010][0011]其中，α(k)为数据序列数据x
(0)
的第k
‑
1项与第k项的比值，当α(k)的值在可覆盖区间[e
‑
2/n+1
,e
2/n+1
]内时，则第一数据集的数据x
(0)
满足灰色模型的建模条件才能够进行灰色预测；x
(0)
为第一数据集数据组成的数据序列；x
(0)
(k
‑
1)为第一数据集的数据序列中的第k
‑
1项数据；x
(0)
(k)为第一数据集的数据序列中的第k项数据；k＝2,3,...,n；n为第一数据集的数据序列中的数据个数；
[0012]步骤3000：采用改进的鸟群算法对灰色模型辨识参数进行选取，得到基于改进灰色模型，具体包括步骤3100至步骤3700：
[0013]步骤3100：将第一数据集的数据序列x
(0)
按照数据的排列顺序进行累加，从而得到如公式(3)所示的新数据序列x
(1)
，此过程能够得到数据之间的变化规律，随着累加次数的增加，数据之间的不确定性就会随之减小，变得相对稳定；
[0014]x
(1)
＝(x
(1)
(1),x
(1)
(2),...,x
(1)
(n))
ꢀꢀ
(3)
[0015]其中，x
(1)
为一次累加后生成的新数据序列；n为第一数据集的数据个数；x
(1)
(k)为第k次累加后得到的数据值，根据公式(4)进行计算；
[0016][0017]其中，x
(1)
(k)为第k次累加后得到的数据值；i＝1,2,...,n；n为第一数据集的数据个数；x
(0)
(j)为第一数据集中第j项数据；
[0018]步骤3200：根据公式(5)计算均值序列；
[0019]Z
(1)
(k)＝αx
(1)
(k)+(1
‑
α)x
(1)
(k
‑
1)(5)其中，Z
(1)
(k)为生成的均值数据序列；α取值范围为0≤α≤1，通常α＝0.5；k＝2,3,...,n；n为第一数据集的数据个数；x
(1)
(k)为累加数据序列中第k个数据值；x
(1)
(k
‑
1)为累加数据序列中第k
‑
1个数据值
[0020]步骤3300：新数据序列x
(1)
经过数据检验后，根据公式(6)对新数据序列x
(1)
建立灰色模型的微分方程；
[0021]其中，a是控制系统发展规模，为序列发展系数；b为模型灰色作用量，为协调系数；t为时间变量；x
(1)
(t)为t时刻新数据序列数据值；
[0022]步骤3400：根据公式(7)建立灰微分方程：
[0023]x
(0)
(k)+aZ
(1)
(k)＝b
ꢀꢀ
(7)
[0024]其中，x
(0)
(k)为第一数据集中第k个数据；a是控制系统发展规模，为序列发展系数；b为模型灰色作用量，为协调系数；Z
(1)
(k)为均值序列；
[0025]步骤3500：上述公式(7)中的a、b由改进鸟群算法进行选取，选取过程具体包括步骤3501
‑
步骤3510：
[0026]步骤3501：初始化鸟群算法参数迭代次数M、a1、a2、种群数pop、感知系数C和社会加速系数S等，将辨识参数a、b的取值范围设定为种群初始化取值上下界，采用佳点集策略初始化种群，得到随机初始解；
[0027]步骤3502：将每个初始解看成是一只鸟，鸟群中的每只鸟根据灰色模型预测结果根据公式(8)计算得到的平均相对误差作为每只鸟的适应度值；
[0028][0029]其中，Y(x)表示锂离子电池第一数据集的数据序列；Y^(x)表示预测模型预测出的数据序列；n表示用于预测的样本数；
[0030]步骤3503：根据公式(9)控制鸟群飞向新位置的鸟群飞行间隔FQ；
[0031]FQ＝randn(pop,1)*3+8(9)其中，pop为算法种群大小；randn(pop,1)为均值为pop、方差为1的随机数；FQ为鸟群飞行间隔；
[0032]步骤3504：判断rand(0.1)的取值是否等于鸟群飞行间隔FQ，当rand(0.1)的取值不等于鸟群飞行间隔，鸟群个体转向步骤2505，进行觅食；否则转向步骤2506本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进灰色模型的锂离子电池寿命预测方法，其特征在于，包括以下步骤：步骤1000：获取能够直接表征锂离子电池性能衰退的锂离子电池数据，形成第一数据集；步骤2000：对所述第一数据集的数据序列进行数据检验，将所述第一数据集的数据x
(0)
包含公式(1)所示的数据序列，为确保后续算法的有效，根据公式(2)进行数据检验；x
(0)
＝(x
(0)
(1),x
(0)
(2),...,x
(0)
(n))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，x
(0)
为第一数据集的数据序列，x
(0)
(k)＞0,k＝1,2,...,n为第一数据集数据组成的数据序列；其中，α(k)为数据序列数据x
(0)
的第k
‑
1项与第k项的比值，当α(k)的值在可覆盖区间[e
‑
2/n+1
,e
2/n+1
]内时，则第一数据集的数据x
(0)
满足灰色模型的建模条件才能够进行灰色预测；x
(0)
为第一数据集数据组成的数据序列；x
(0)
(k
‑
1)为第一数据集的数据序列中的第k
‑
1项数据；x
(0)
(k)为第一数据集的数据序列中的第k项数据；k＝2,3,...,n；n为第一数据集的数据序列中的数据个数；步骤3000：采用改进的鸟群算法对灰色模型辨识参数进行选取，得到基于改进灰色模型，具体包括步骤3100至步骤3700：步骤3100：将所述第一数据集的数据序列x
(0)
按照数据的排列顺序进行累加，从而得到如公式(3)所示的新数据序列x
(1)
，此过程能够得到数据之间的变化规律，随着累加次数的增加，数据之间的不确定性就会随之减小，变得相对稳定；x
(1)
＝(x
(1)
(1),x
(1)
(2),...,x
(1)
(n))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，x
(1)
为一次累加后生成的新数据序列；n为第一数据集的数据个数；x
(1)
(k)为第k次累加后得到的数据值，根据公式(4)进行计算；其中，x
(1)
(k)为第k次累加后得到的数据值；i＝1,2,...,n；n为第一数据集的数据个数；x
(0)
(j)为第一数据集中第j项数据；步骤3200：根据公式(5)计算均值序列；Z
(1)
(k)＝αx
(1)
(k)+(1
‑
α)x
(1)
(k
‑
1)(5)其中，Z
(1)
(k)为生成的均值数据序列；α取值范围为0≤α≤1，通常α＝0.5；k＝2,3,...,n；n为第一数据集的数据个数；x
(1)
(k)为累加数据序列中第k个数据值；x
(1)
(k
‑
1)为累加数据序列中第k
‑
1个数据值步骤3300：新数据序列x
(1)
经过数据检验后，根据公式(6)对新数据序列x
(1)
建立灰色模型的微分方程；其中，a是控制系统发展规模，为序列发展系数；b为模型灰色作用量，为协调系数；t为时间变量；x
(1)
(t)为t时刻新数据序列数据值；步骤3400：根据公式(7)建立灰微分方程：x
(0)
(k)+aZ
(1)
(k)＝b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中，x
(0)
(k)为第一数据集中第k个数据；a是控制系统发展规模，为序列发展系数；b为
模型灰色作用量，为协调系数；Z
(1)
(k)为均值序列；步骤3500：上述公式(7)中的a、b由改进鸟群算法进行选取，选取过程具体包括步骤3501
‑
步骤3510：步骤3501：初始化鸟群算法参数迭代次数M、a1、a2、种群数pop、感知系数C和社会加速系数S等，将辨识参数a、b的取值范围设定为种群初始化取值上下界，采用佳点集策略初始化种群，得到随机初始解；步骤3502：将每个初始解看成是一只鸟，鸟群中的每只鸟根据灰色模型预测结果根据公式(8)计算得到的平均相对误差作为每只鸟的适应度值；其中，Y(x)表示锂离子电池第一数据集的数据序列；Y^(x)表示预测模型预测出的数据序列；n表示用于预测的样本数；步骤3503：根据公式(9)控制鸟群飞向新位置的鸟群飞行间隔FQ；FQ＝randn(pop,1)*3+8(9)其中，pop为算法种群大小；randn(pop,1)为均值为pop、方差为1的随机数；FQ为鸟群飞行间隔；步骤3504：判断rand(0.1)的取值是否等于鸟群飞行间隔FQ，当rand(0...

【专利技术属性】
技术研发人员：周欣欣，高志蕊，王相雨，黄宇宁，李心月，李茂源，薛青常，孟炫宇，郭月晨，衣雪婷，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：