蓄电池容量估计方法、训练方法、寿命估计方法及装置制造方法及图纸

本发明专利技术适用于蓄电池性能检测技术领域，公开了一种蓄电池容量估计方法、训练方法、寿命估计方法及装置。上述蓄电池容量估计方法包括：采集目标蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据；将放电数据和温度数据输入到经过训练的蓄电池容量估计模型中，以得到目标蓄电池的容量，其中，蓄电池容量估计模型经由训练集训练，训练集中每个样本包括样本蓄电池的容量以及样本蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据。本发明专利技术通过采集电压陡降复升阶段的放电数据和温度数据，简单、便捷地获取了检测电池容量用的电池数据，提高了蓄电池容量的评估效率。提高了蓄电池容量的评估效率。提高了蓄电池容量的评估效率。

【技术实现步骤摘要】
蓄电池容量估计方法、训练方法、寿命估计方法及装置


[0001]本专利技术属于蓄电池性能检测
，尤其涉及一种蓄电池容量估计方法、训练方法、寿命估计方法及装置。

技术介绍

[0002]目前，对于电力直流电源系统、储能系统、电动汽车动力系统等领域中应用的铅酸蓄电池来说，其性能会随着长时间的浮充、放充循环不断退化，为保证供电的安全性和可靠性，需对各蓄电池的容量和使用寿命进行测量或估算。
[0003]要对蓄电池进行寿命估计需要先计算蓄电池的容量，常用的蓄电池容量的测量方法为：在25℃环境下，将铅酸蓄电池满充，以蓄电池10h率放电电流进行放电，放电至1.8V时所放出的容量为实际容量；当铅酸蓄电池的实际容量低于其额定容量的80％时，认为其已经失效，应给予更换。通过这种方法测量蓄电池容量需要投入电池的电能消耗成本、寿命耗损成本和时间成本，并且放电后还需要再充电才能进入正常的电源状态，再充电也会消耗时间、耗损电池寿命。
[0004]针对上述问题，现有技术也提出了一些蓄电池容量估算方法：依据铅酸蓄电池的等效电路模型，分析了蓄电池容量与开路电压之间的关系，但铅酸蓄电池的等效电路模型的选取及模型参数的估算精度会对结果产生较大影响；提出将电池进行2小时恒流放电，再静置30秒测量电池的回升电压，利用此电压估算电池的可放电容量。
[0005]综上，目前对于铅酸蓄电池的容量和寿命估计取得了一定的研究成果，但也存在一些问题需要解决：获取检测电池容量用的电池数据的方法较为复杂，导致耗时长、效率低。

技术实现思路
r/>[0006]为克服相关技术中存在的问题，本专利技术实施例提供了一种蓄电池容量估计方法、训练方法、寿命估计方法及装置，提高了蓄电池容量的评估效率。
[0007]本专利技术是通过如下技术方案实现的：
[0008]第一方面，本专利技术实施例提供了一种蓄电池容量及寿命估计方法，包括：
[0009]基于第一方面，在一些实施例中，上述方法还包括：采集目标蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据；将放电数据和温度数据输入到经过训练的蓄电池容量估计模型中，以得到目标蓄电池的容量，其中，蓄电池容量估计模型经由训练集训练，训练集中每个样本包括样本蓄电池的容量以及样本蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据。
[0010]基于第一方面，在一些实施例中，目标蓄电池与样本蓄电池为同一种类蓄电池，种类包括VRLA电池。
[0011]基于第一方面，在一些实施例中，电压陡降复升阶段的放电数据包括谷值电压Uv、峰值电池Up和放电电流I。
[0012]第二方面，本专利技术实施例提供了一种蓄电池容量估计模型训练方法，包括：基于样本蓄电池的历史放电数据和历史温度数据，建立训练集和测试集；其中，训练集和测试集中每个样本包括样本蓄电池的容量以及样本蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据。通过训练集和测试集训练得到蓄电池容量估计模型，其中，蓄电池容量估计模型用于根据目标蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据，确定目标蓄电池的容量。
[0013]基于第二方面，在一些实施例中，通过训练集和测试集训练蓄电池容量估计模型，包括：以径向基函数作为核函数构建蓄电池容量估计原型模型；基于训练集，通过狮群优化算法计算蓄电池容量估计模型的最优正则化参数；通过测试集验证具有最优正则化参数的蓄电池容量估计原型模型的估计效果，若估计效果满足预设要求，确定具有最优正则化参数的蓄电池容量估计原型模型为蓄电池容量估计模型。
[0014]基于第二方面，在一些实施例中，基于训练集，通过狮群优化算法计算蓄电池容量估计模型的最优参数，包括：根据模型参数的寻优范围，初始化种群参数，种群中的个体代表模型参数的值；获取每个个体代表的蓄电池容量估计原型模型估计出的蓄电池容量值，通过估计出的样本蓄电池容量值和实际样本蓄电池容量值的差值计算适应度值；以适应度值为依据，通过狮群优化算法对种群进行更新，获取模型参数的最优解；通过测试集验证具有最优参数的蓄电池容量估计原型模型的估计效果，包括：将测试集中的历史放电数据和历史温度数据输入具有最优参数的蓄电池容量估计原型模型，获取模型输出的容量估计值；计算模型输出的容量估计值与容量值的平均绝对误差、平均绝对百分比误差和均方根误差，验证估计效果。
[0015]第三方面，本专利技术实施例提供了一种蓄电池寿命估计方法，包括：通过如权利要求1至3中的蓄电池容量估计方法计算预设间隔周期的多个目标蓄电池容量，构建目标蓄电池容量数据序列；对目标蓄电池容量数据序列进行线性拟合，得到目标蓄电池容量线性回归比例系数；基于目标蓄电池容量线性回归比例系数计算目标蓄电池寿命。
[0016]基于第三方面，在一些实施例中，基于目标蓄电池容量线性回归比例系数计算目标蓄电池寿命，包括：通过目标蓄电池容量线性回归比例系数计算蓄电池寿命周期数，蓄电池寿命周期数为：
[0017][0018]其中，C
rate
为目标蓄电池额定容量，x
end
为目标蓄电池寿命周期数，k为目标蓄电池容量线性回归比例系数，C(x
end
)为x
end
测试周期后的目标蓄电池容量测试值，C0为蓄电池的初始容量估算值。
[0019]第四方面，本专利技术实施例提供了一种电子装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现如上述第一方面中任一项蓄电池容量估计方法的步骤，或者实现如上述第二方面中任一项蓄电池容量估计模型训练方法的步骤，或者实现如上述第三方面中任一项蓄电池寿命估计的步骤。
[0020]第五方面，本专利技术实施例提供了一种蓄电池容量及寿命估计装置，包括采样模块、控制模块和数据分析模块；采样模块用于采集谷值电压Uv、峰值电池Up和放电电流I和环境
温度T；控制模块用于控制蓄电池放电过程开闭和采样模块进行采样；数据分析模块用于基于经过训练的蓄电池容量估计模型估计目标蓄电池的容量，并根据估计出的预设间隔周期的多个目标蓄电池容量计算目标蓄电池寿命。
[0021]本专利技术实施例中，通过采集电压陡降复升阶段的放电数据和温度数据，简单、便捷地获取了检测电池容量用的电池数据，提高了蓄电池容量的评估效率。
[0022]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
[0023]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0024]图1是本专利技术一实施例提供的电压徒陡复升现象原理图；
[0025]图2是本专利技术一实施例提供的各试样谷值电压U
v
变化曲线图；
[0026]图3是本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种蓄电池容量估计方法，其特征在于，包括：采集目标蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据；将所述放电数据和温度数据输入到经过训练的蓄电池容量估计模型中，以得到所述目标蓄电池的容量，其中，所述蓄电池容量估计模型经由训练集训练，所述训练集中每个样本包括样本蓄电池的容量以及所述样本蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据。2.如权利要求1所述的蓄电池容量估计方法，其特征在于，所述目标蓄电池与所述样本蓄电池为同一种类蓄电池，所述种类包括VRLA电池。3.如权利要求1所述的蓄电池容量估计方法，其特征在于，所述电压陡降复升阶段的放电数据包括谷值电压U
v
、峰值电池U
p
和放电电流I。4.一种蓄电池容量估计模型训练方法，其特征在于，包括：基于样本蓄电池的历史放电数据和历史温度数据，建立所述训练集和测试集，其中，所述训练集和所述测试集中每个样本包括样本蓄电池的容量以及所述样本蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据；通过所述训练集和所述测试集训练得到蓄电池容量估计模型，其中，所述蓄电池容量估计模型用于根据目标蓄电池在放电过程中电压陡降复升阶段的放电数据和温度数据，确定所述目标蓄电池的容量。5.如权利要求4所述的蓄电池容量估计模型训练方法，其特征在于，所述通过所述训练集和所述测试集训练所述蓄电池容量估计模型，包括：以径向基函数作为核函数构建蓄电池容量估计原型模型；基于所述训练集，通过狮群优化算法计算所述蓄电池容量估计模型的最优正则化参数；通过所述测试集验证所述具有最优正则化参数的蓄电池容量估计原型模型的估计效果，若估计效果满足预设要求，确定所述具有最优正则化参数的蓄电池容量估计原型模型为所述蓄电池容量估计模型。6.如权利要求5所述的蓄电池容量估计模型训练方法，其特征在于，所述基于所述训练集，通过狮群优化算法计算所述蓄电池容量估计模型的最优参数，包括：根据模型参数的寻优范围，初始化种群参数，所述种群中的个体代表模型参数的值；获取每个个体代表的所述蓄电池容量估计原型模型估计出的蓄电池容量值，通过估计出的样本蓄电池容量值和实际样本蓄电池容量值的差值计算适应度值；以所述适应度值为依据，通过狮群优化算法对所述种群进行更新，获取所述模型参数的最优解；所述通过所述测试集验证所述具有最优参数的蓄电池容量估计原型模型的估计效果，包括：将所述...

【专利技术属性】
技术研发人员：杜旭浩，李秉宇，庞先海，夏彦卫，刘杰，蔡子文，郭小凡，
申请(专利权)人：国网河北能源技术服务有限公司国家电网有限公司，
类型：发明
国别省市：