退役动力电池梯次利用剩余寿命测算方法及系统技术方案

本发明专利技术涉及人工智能技术领域，提供一种建立神经网络预测模型的方法，该方法从退役动力电池管理系统模块中获取动力电池使用历史数据，从动力电池使用历史数据中提取基本技术参数作为数据特征，再将每一组基本技术参数对应一个电池容量标签数据，对初始的前馈神经网络预测模型进行训练，获得神经网络预测模型；本发明专利技术能够以退役前的动力电池使用状态数据为基础，针对不同电池单体进行基于神经网络预测模型的测算，从而为不同容量、不同衰减程度、不同剩余循环次数的退役后动力电池重组提供可能，从而使得缺乏一致性的退役后的动力电池重组后性能得到巨大提升，提高可靠性，从而使得退役动力电池进入高质量循环使用。退役动力电池进入高质量循环使用。退役动力电池进入高质量循环使用。

【技术实现步骤摘要】
退役动力电池梯次利用剩余寿命测算方法及系统


[0001]本专利技术涉及人工智能
，特别涉及一种退役动力电池梯次利用剩余寿命测算方法及系统。

技术介绍

[0002]动力电池(Power Battery，PB)包括三元、磷酸铁锂、锰酸锂、钴酸锂等，作为储能环节的重要组成部分，动力电池在安全性、循环寿命、能量密度等上相比其它电池均具有很大的优势；以三元、磷酸铁锂为代表的动力锂电池在汽车、电力、工业储能、矿山、特种车辆等领域都有广泛的应用。
[0003]CN110224192B公开了一种梯次利用动力电池寿命预测方法，包括以下步骤：S100、对待测锂离子电池的外观特性分析；S200、对待测锂离子电池首次充放电进行测试；S300、对测锂离子电池进行电池的分选；S400、建立预测模型，对测锂离子电池剩余使用寿命进行预测；其中，所述S300对测锂离子电池进行电池的分选；具体包括：S301、锂电池初次分选，划分电池等级；S302、利用锂离子电池的充放电电压曲线图、充放电电流曲线图进行锂离子电池的分选；所述S302利用锂离子电池的充放电电压曲线图、充放电电流曲线图进行锂离子电池的分选；具体包括：对初次分选后的某一等级的多个单体电池进行充、放电测试，对充、放电曲线进行预处理，采用曲线之间的相似度和聚类算法对多个单体电池进行再分级以获得更高性能和稳定性的电池模组；所述步骤S302中采用曲线之间的相似度和聚类算法对多个单体电池进行再分级以获得更高性能和稳定性的电池模组，其中聚类算法包括以下步骤：假设给定一个输入样本集合S，其中样本Sj有d个属性，即Sj＝{Sj1,Sj2,
…
,Sjd}；按照指定的划分标准，使得在同一类中的样本相似而在不同类中的样本有差异；在对数据集进行聚类时一个依据的标准就是样本之间的“距离”，将“距离”较近的样本划分到同一类中，而“距离”较远的样本尽量划分到不同类中；样本之间的“距离”实际上就是对于样本相似性的度量，两个样本越类似，距离越小，则相似度越高；所述“距离”采用动态距离。
[0004]随着动力锂电池更新换代，越来越多汽车用的动力电池进入循环梯次使用的阶段，虽然同一批次动力电池在出厂时，无论在容量、放电性能上的一致性好，然而在不同工况下使用过后的动力电池，其容量下降比例和速率均不同，使用后的动力锂电池若需要重新进行成组难度大，降低了梯次利用的可能性。

技术实现思路

[0005]由于动力电池通过电池单体通过串并联组合组建成电池包，由电池包组建成电池模组进行电能的输出；在动力电池使用过程中进行充放电，是针对电池包为单元进行电池均衡，在某一电池包中电池单体使用情况也不尽相同；在动力电池在使用一定时间后，不同电池包中电池单体之间的电池剩余容量与剩余循环次数完全不同，导致电池单体之间严重缺乏一致性，使得退役后的动力电池不能进行有效重组为新的电池包，或重组后的电池包性能直线下降。
[0006]有鉴于此，本专利技术旨在提出建立神经网络预测模型的方法，所述建立神经网络预测模型的方法包括，从退役动力电池管理系统模块中获取动力电池使用历史数据，从动力电池使用历史数据中提取基本技术参数作为数据特征，其中，基本技术参数包括充电次数、放电次数、放电超过电流阈值次数、放电深度、放电时间、充电时间、放电T时间段后温度值；每一组基本技术参数对应一个电池容量标签数据，将基本技术参数作为数据样本，电池容量标签数据作为标签，对初始的前馈神经网络预测模型进行训练，获得神经网络预测模型。
[0007]优选地，电池容量标签数据由电池单体充放电特性测试获得。
[0008]本专利技术还公开了一种退役动力电池梯次利用剩余寿命测算方法，所述退役动力电池梯次利用剩余寿命测算方法包括，
[0009]步骤S1，根据退役前动力电池BMS系统中电池单体历史使用基本数据，其中，历史使用基本数据至少包括电池充放电次数、放电深度、放电最大电流和工作过程中温度变化量；
[0010]步骤S2，将历史使用基本数据输入上述的建立神经网络预测模型的方法所获得的神经网络预测模型，输出在充放电工作条件下的电池单体的电池容量预测值和可充放电循环次数；其中，充放电工作条件包括充放电频率、放电深度、充放电电流；
[0011]步骤S3，将电池容量预测值和可充放电循环次数相同的电池单体，重组为电池包。
[0012]优选地，在步骤S1中，将历史使用基本数据进行归一化预处理。
[0013]优选地，在步骤S2中，历史使用基本数据还包括放电过程中大于最大电流阈值持续时间。
[0014]优选地，在步骤S2中，将电池单体充放电测试获得的库伦效率数据同时输入根据权利要求1所述的建立神经网络预测模型的方法所获得的神经网络预测模型。
[0015]本专利技术还公开了一种用于实施上述的退役动力电池梯次利用剩余寿命测算方法的系统，所述系统包括，
[0016]数据采集单元，用于根据退役前动力电池BMS系统中电池单体历史使用基本数据，其中，历史使用基本数据至少包括电池充放电次数、放电深度、放电最大电流和工作过程中温度变化量；
[0017]计算单元，用于将历史使用基本数据输入上述的建立神经网络预测模型的方法所获得的神经网络预测模型，输出在充放电工作条件下的电池单体的电池容量预测值和可充放电循环次数；其中，充放电工作条件包括充放电频率、放电深度、充放电电流；
[0018]筛选重组单元，用于将电池容量预测值和可充放电循环次数相同的电池单体，重组为电池包。。
[0019]优选地，所述数据采集单元还包括数据预处理模块，用于将历史使用基本数据进行归一化预处理。
[0020]本专利技术还提供了一种电子设备，包括存储器和处理器：所述存储器，用于存储计算机程序；所述处理器，用于当执行计算机程序时，实现如上述的建立神经网络预测模型的方法，或者，实现如上述的退役动力电池梯次利用剩余寿命测算方法。
[0021]根据本专利技术实施例的另一方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的建立神经网络预测模型的方法或退役动力电池梯次利用剩余寿命测算方法。
[0022]相对于现有技术，本专利技术提供的建立神经网络预测模型的方法，该方法从退役动力电池管理系统模块中获取动力电池使用历史数据，从动力电池使用历史数据中提取基本技术参数作为数据特征，再将每一组基本技术参数对应一个电池容量标签数据，将基本技术参数作为数据样本，电池容量标签数据作为标签，对初始的前馈神经网络预测模型进行训练，获得神经网络预测模型。本专利技术还公开的一种退役动力电池梯次利用剩余寿命测算方法，根据退役前动力电池BMS系统中电池单体历史使用基本数据，将历史使用基本数据输入上述的建立神经网络预测模型的方法所获得的神经网络预测模型，输出在充放电工作条件下的电池单体的电池容量预测值和可充放电循环次数；最终将电池容量预测值和可充放电循环次数相同的电池单体，重组为电池包。本专利技术还公开了一种系统用于执行上述退役动力电池梯次利用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建立神经网络预测模型的方法，其特征在于，所述建立神经网络预测模型的方法包括，从退役动力电池管理系统模块中获取动力电池使用历史数据，从动力电池使用历史数据中提取基本技术参数作为数据特征，其中，基本技术参数包括充电次数、放电次数、放电超过电流阈值次数、放电深度、放电时间、充电时间、放电T时间段后温度值；每一组基本技术参数对应一个电池容量标签数据，将基本技术参数作为数据样本，电池容量标签数据作为标签，对初始的前馈神经网络预测模型进行训练，获得神经网络预测模型。2.根据权利要求1所述的建立神经网络预测模型的方法，其特征在于，电池容量标签数据由电池单体充放电特性测试获得。3.一种退役动力电池梯次利用剩余寿命测算方法，其特征在于，所述退役动力电池梯次利用剩余寿命测算方法包括，步骤S1，根据退役前动力电池BMS系统中电池单体历史使用基本数据，其中，历史使用基本数据至少包括电池充放电次数、放电深度、放电最大电流和工作过程中温度变化量；步骤S2，将历史使用基本数据输入根据权利要求1所述的建立神经网络预测模型的方法所获得的神经网络预测模型，输出在充放电工作条件下的电池单体的电池容量预测值和可充放电循环次数；其中，充放电工作条件包括充放电频率、放电深度、充放电电流；步骤S3，将电池容量预测值和可充放电循环次数相同的电池单体，重组为电池包。4.根据权利要求3所述的退役动力电池梯次利用剩余寿命测算方法，其特征在于，在步骤S1中，将历史使用基本数据进行归一化预处理。5.根据权利要求3所述的退役动力电池梯次利用剩余寿命测算方法，其特征在于，在步骤S2中，历史使用基本数据还包括放电过程中大于最大电流阈值持续时间。6.根据权利要求3和5任意一项所述的退役动力电池梯次利用剩余寿命测算方法，其特征在于，在步骤...

【专利技术属性】
技术研发人员：金鑫君，朱郑乔若，郑丽辉，方坤礼，毛之俊，冯云和，汪翌旸，蒋建富，马如，
申请(专利权)人：衢州职业技术学院，
类型：发明
国别省市：