一种锂电池分容容量预测方法及系统技术方案

本发明专利技术提供一种锂电池分容容量预测方法及系统，方法包括：获取批量的电池化成与分容制程原始数据，以分容放电容量为预测目标值；截取化成充电原始数据(化成制程时长≤1.5h)与分容充电原始数据、放电原始数据(分容原始数据制程时长≤1.5h))，通过钓鱼城图谱因果分析引擎进行关系型数据转换为图数据、图数据关联分析、图数据规则的发现和规则应用等，并结合机器学习技术的综合性系统，建立分容容量预测模型；将待预测的化成分容批量原始数据经过此类处理后，训练出适用的预测模型，得出分容预测容量。本发明专利技术解决了产能较低、能耗高、预测精度低、以及测试成本高的技术问题。以及测试成本高的技术问题。以及测试成本高的技术问题。

【技术实现步骤摘要】
一种锂电池分容容量预测方法及系统


[0001]本专利技术涉及锂电池生产
，具体涉及一种锂电池分容容量预测方法及系统。

技术介绍

[0002]目前锂离子电池的容量检测行业内往往按照标准充放电，四个标准测试流程均在环境温度20
±
5℃的条件下，对电池以0.2～1C充电至限定电压后恒压充电直至充电电流小于0.01C或0.1C，静置时间不小于1小时后，对电池恒流0.2C～1C放电直至截止电压，用1C(A)的电流值和放电时间数据计算容量，若有出货要求需补电至指定SOC。完整的充放电造成较大的能耗，同时必须配备大量的测试设备，占用较大的厂房面积。因此采用一种高效合理的容量预测方法来代替传统的容量测试方法是行业的迫切需求。公布号为CN105116350A的现有专利技术专利申请文献《动力电池放电时SOC变化量及放电电量折算系数测量方法》将完全充电的电池单体在标准规定条件下以C/3倍率恒流放电至放电终止电压，计算得到标准放电电量QSD；用同样方法进行不同电流I恒流放电，计算得到电池在不同电流I放电的电量值QID；将多个不同放电电流I与相应的放电电量折算系数KID＝QSD/QID拟合，得到放电电量折算系数KID与电流I的函数关系式：KID＝fID(I)。在该现有技术的具体实施例中，需要将处于完全放电的LiFePO4电池单体在环境温度20
±
5℃的条件下放电至放电终止电压，这种测量策略需要耗费大量电能，测试过程易造成较大的能耗。
[0003]公布号为CN106646256A的现有专利技术专利文献《电池容量计算方法》包括：将电池充电至第一预设电压；对电池进行多次恒流放电，在每次恒流放电后检测电池的放电停止电压和放电量，并将电池进行静置，在静置预设时间后检测电池的开路电压，直至开路电压小于第二预设电压，则停止恒流放电；输出包含多个具有对应关系的放电停止电压、放电量以及开路电压的测试模型；获取实时电压，根据实时电压和测试模型计算获得电池容量。该现有技术采用的电池容量计算方法主要按照标准充放电，多个个标准测试流程在惯用的环境温度条件下，对电池充电至限定电压后恒压充电直至常规充电电流值，静置时间不小于1小时后，对电池恒流放电以计算容量。该种容量计算方式在保障多次充放电的过程中需要配备大量的测试设备，且占用空间，测试产生的成本较高，且测试周期较长，制约了电芯制作效率。
[0004]综上、现有技术存在产能较低、能耗高、预测精度低以及测试成本高的技术问题。

技术实现思路

[0005]本专利技术所要解决的技术问题在于如何解决产能较低、能耗高、预测精度低、以及测试成本高的技术问题。
[0006]本专利技术是采用以下技术方案解决上述技术问题的：一种锂电池分容容量预测方法包括：
[0007]S1、从被测电池获取批量式化成分容制程原始数据，按照预置成化分容工艺截取
化成充电原始数据、分容充电原始数据、分容放电原始数据；
[0008]S2、从化成充电原始数据、分容充电原始数据、分容放电原始数据中，提取预测数据特征值以及衍生特征值，获取模型训练速度参数及模型预测精度参数，据以剔除预测数据特征值及衍生特征值中的异常数据，据以获取训练数据集；
[0009]S3、利用钓鱼城图谱因果分析引擎，将训练数据集转换为建模图数据，据以利用预置机器学习逻辑建立分容容量预测模型；
[0010]S4、处理批量式化成分容制程原始数据，据以训练分容容量预测模型，以得到优化预测模型；
[0011]S5、利用优化预测模型处理预测数据特征值以及衍生特征值，以获取被测电池的容量预测结果。
[0012]本专利技术通过使用部分充放电数据，提取其中的一些有效特征值，并利用智能大数据分析，预测出电芯分容实际容量，这将大大缩短电芯制作周期，且提高产能、节省能耗以及锂电池分容工序的硬件投入，同时也简化了锂电池制造流程，提升了行业制造技术，有利于取消分容工序，可以突破传统方法的预测精度瓶颈，可高精度的预测电池的放电容量，减少分容工序的制作时长和能耗，提升产能，推动了新工序的发展。
[0013]本专利技术通过使用部分充放电数据，提取其中的一些有效特征值，并利用智能大数据分析，通过钓鱼城图谱因果分析引擎进行关系型数据转换为图数据、图数据关联分析、图数据规则的发现和规则应用等，并结合机器学习技术的综合性系统，建立分容容量预测模型，可精准预测出电芯分容实际容量。
[0014]在更具体的技术方案中，步骤S1中获取文件数据路径，据以读取化成充电原始数据、分容充电原始数据、分容放电原始数据。
[0015]在更具体的技术方案中，步骤S1中，化成充电原始数据的化成制程时长区间小于或等于1.5h，分容充电原始数据、分容放电原始数据的分容原始数据制程时长小于或等于1.5h，将分容实际容量作为预测目标值。
[0016]在更具体的技术方案中，步骤S2包括：
[0017]S21、根据预置工艺标准范围数据，剔除异常数据；
[0018]S22、分别统计化成与分容原始文件中的连续型随机变量；
[0019]S23、假设每个连续型随机变量符合高斯分布，据以处理得到每个连续型随机变量的算数平均值和标准偏差；
[0020]S24、将每个连续型随机变量高斯分布于预设变量分布区间中；
[0021]S25、划分预设变量分布区间为预定数量的分区间，其中，在算数平均值的左边及右边分别划分预设数目的分区间；
[0022]S26、计算每个分区间的面积，在连续型随机变量的频数或总数小于所在的分区间面积时，将该连续型随机变量作为异常数据剔除，据以得到训练数据集。
[0023]由于化成分容数据特征值种类及数量不同，本专利技术考虑预测模型训练速度及预测精度，在进行容量预测前，对待预测数据进行标准化的异常数据处理，删除异常数据，提高了电池分容容量的预测准确性。
[0024]在更具体的技术方案中，步骤S22中的，连续型随机变量包括：文件长度、时间最小值、时间最大值、最小电压、最大电压、最小电流、最大电流、最小电池容量、最大电池容量、
最小电缆数、最大电缆数、最低温度、最高温度。
[0025]在更具体的技术方案中，步骤S24中的预设变量分布区间包括：[mean
‑
2*std,mean+2*std]，其中，std为制程筛选标准值，mean为算数平均值。
[0026]在更具体的技术方案中，步骤S25，其中，在算数平均值的左边及右边分别划分为预设数目的分区间，其中，预设数目的取值区间包括：[5000,20000]。
[0027]在更具体的技术方案中，步骤S2中的预测数据特征值包括：化成工步时间点、实时电流、实时电压、实时温度、实时负压值、分容工步时间点、实时电流、实时电压以及实时温度。
[0028]在更具体的技术方案中，步骤S2中的衍生特征值包括：充电电量SOC、放电电量SOC、限压数据以及限流数据。
[0029]本专利技术设计的数据特征值提取方案，提取预测数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电池分容容量预测方法，其特征在于，所述方法包括：S1、从被测电池获取批量式化成分容制程原始数据，按照预置成化分容工艺截取化成充电原始数据、分容充电原始数据、分容放电原始数据；S2、从所述化成充电原始数据、所述分容充电原始数据、所述分容放电原始数据中，提取预测数据特征值以及衍生特征值，获取模型训练速度参数及模型预测精度参数，据以剔除所述预测数据特征值及所述衍生特征值中的异常数据，据以获取训练数据集；S3、利用钓鱼城图谱因果分析引擎，将所述训练数据集转换为建模图数据，据以利用预置机器学习逻辑建立分容容量预测模型；S4、处理所述批量式化成分容制程原始数据，据以训练所述分容容量预测模型，以得到优化预测模型；S5、利用所述优化预测模型处理所述预测数据特征值以及所述衍生特征值，以获取所述被测电池的容量预测结果。2.根据权利要求1所述的一种锂电池分容容量预测方法，其特征在于，所述步骤S1中获取文件数据路径，据以读取所述化成充电原始数据、所述分容充电原始数据、所述分容放电原始数据。3.根据权利要求1所述的一种锂电池分容容量预测方法，其特征在于，所述步骤S1中，所述化成充电原始数据的化成制程时长区间小于或等于1.5h，所述分容充电原始数据、所述分容放电原始数据的分容原始数据制程时长小于或等于1.5h，所述将分容实际容量作为预测目标值。4.根据权利要求1所述的一种锂电池分容容量预测方法，其特征在于，所述步骤S2包括：S21、根据预置工艺标准范围数据，剔除所述异常数据；S22、分别统计化成与分容原始文件中的连续型随机变量；S23、假设每个所述连续型随机变量符合高斯分布，据以处理得到每个所述连续型随机变量的算数平均值和标准偏差；S24、将每个所述连续型随机变量高斯分布于预设变量分布区间中；S25、划分所述预设变量分布区间为预定数量的分区间，其中，在所述算数平均值的左边及右边分别划分为预设数目的所述分区间；S26、计算每个所述分区间的面积，在所述连续型随机变量的频数或总数小于所在的分区间面积时，将该所述连续型随机变量作为异常数据剔除，据以得到所述训练数据集。5.根据权利要求1所述的一种锂电池分容容量预测方法，其特征在于，所述步骤S22中的，所述连续型随机变量包括：文件长度、时间最小值、时间最大值、最小电压、最大电压、最小电流、最大电流、最小电池容量、最大电池容量、最小电缆数、最大电缆...

【专利技术属性】
技术研发人员：戚银银，
申请(专利权)人：合肥国轩高科动力能源有限公司，
类型：发明
国别省市：