【技术实现步骤摘要】
小样本容量标签下的锂离子电池健康状态评估方法及系统
[0001]本专利技术涉及锂离子电池健康状态评估
,具体为小样本容量标签下的锂离子电池健康状态评估方法及系统。
技术介绍
[0002]锂离子电池健康状态(SOH)与电池历史使用情况密切相关,是电池的一种内部状态,因此在实际应用中难以像端电压一样直接被测量。电流速率(C
‑
rate)、温度和电池工作环境等外部因素会影响电池的老化过程,最终导致其不同的老化趋势,此外,制造过程中的微小内部缺陷也会导致电池老化行为的差异。由于锂离子电池在老化过程中受到以上众多因素影响,这使得通过建立电池退化机理模型来评估电池SOH极其困难。基于文献调研,数据驱动的方法可以直接对电池数据进行非线性建模,因此被广泛用于锂离子电池SOH的评估中。
[0003]现有技术中,在使用数据驱动方法进行基于单一电池数据的SOH评估时,训练数据一般是来自待评估电池的前若干个老化循环周期,然后基于这些训练数据提取相关特征用于机器学习算法的训练,最后利用训练好的模型实现该电池在不同老化状态下的SOH评估。为了提高模型对电池容量的评估精度,基于原始充放电曲线的不同类型特征被构建成模型的输入,在特征类型方面主要涉及容量增量(Incremental capacity,IC)曲线相关特征、电流相关特征以及电压相关特征。在文献[1]HE J,WEI Z,BIAN X,et al.State
‑
of
‑
health estimation of lithiu ...
【技术保护点】
【技术特征摘要】
1.小样本容量标签下的锂离子电池健康状态评估方法,其特征在于:该方法包括以下步骤:提取特征因子;根据无监督特征优化算法对特征进行优化,优化后的特征进行映射;进行GPR训练;得到电池SOH评估模型。2.根据权利要求1所述的小样本容量标签下的锂离子电池健康状态评估方法,其特征在于:通过无监督的方式来对齐源特征和目标特征的分布来进行特征优化,将二阶统计量进行对齐来匹配分布。3.根据权利要求2所述的小样本容量标签下的锂离子电池健康状态评估方法,其特征在于:将二阶统计量进行对齐来匹配分布时,给定电池训练特征数据对应容量标签L
s
={y
i
}及测试特征数据μ
s
、μ
t
和Cs、CT是特征向量均值和协方差矩阵,特征归一化后μ
s
=μ
t
=0,而Cs不等于CT,为了最小化电池训练特征和电池测试特征的二阶统计量之间的距离,对初始源特征应用线性变换A并使用Frobenius范数作为矩阵距离度量:4.根据权利要求1所述的小样本容量标签下的锂离子电池健康状态评估方法,其特征在于:采用高斯过程模拟输入特征与电池SOH之间的映射关系。5.根据权利要求4所述的小样本容量标签下的锂离子电池健康状态评估方法,其特征在于:采用高斯过程模拟输入特征与电池SOH之间的映射关系时,假设训练集中有n个输入
‑
输出对,输入、输出和潜在函数值分别表示为X=[x1,
…
,x
n
]
T
,y=[y(x1),
…
,y(x
n
)]
T
和f=[f(x1),
…
,f(x
n
)]
T
。根据GP的性质(即任何有限的随机变量集合服从正态分布),有:其中k(X,X)是f的协方差矩阵,其第i行第j列的项是k(x
i
,x
j
),I
n
是一个n
×
n单位矩阵。因此,可以得到模型的对数似然函数如下:6.一种如上述权利要求1
‑
5任意一项所述的小样本容量标签下的锂离子电池健康状态评估系统,其特征在...
【专利技术属性】
技术研发人员:李金中,谢毓广,马伟,高博,计长安,王小明,任曼曼,毛磊,戴浪,章恒,
申请(专利权)人:国网安徽省电力有限公司电力科学研究院,
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。