基于相关性分析和WOA-LSTM的锂电池容量预测方法技术

本发明专利技术涉及一种基于相关性分析和WOA

【技术实现步骤摘要】
基于相关性分析和WOA
‑
LSTM的锂电池容量预测方法


[0001]本专利技术属于锂离子电池
，涉及一种基于相关性分析和WOA
‑
LSTM的锂电池容量预测方法。基于相关性分析和WOA
‑
LSTM的锂电池容量预测方法，主要完成从锂电池的各项监测数据中提取有用数据，在线预测锂电池的容量，可用于当电池工作在特殊坏境时，根据易于采集的测量数据，能够动态预测电池的实时容量，使操作人员更清晰地了解电池的工作状况，以便提前部署相关维护工作，保证设备的安全。

技术介绍

[0002]锂离子电池依靠内部锂离子的流动产生电流，具有功率密度大、工作温度范围宽、使用寿命长、自放电率低、没有记忆效应等优点，被广泛应用于车辆、航空航天、便携式电子设备等领域。但是随着锂离子电池循环充放电的进行，其内部会发生一系列物理和化学变化，具体表现为电池容量逐渐减少和放电电压逐渐降低，电池性能不可避免地发生衰退，导致用电中的电气设备损坏，轻微故障会使机器无法继续使用，而严重故障则会危及人身安全。因此，高效准确的预测锂电池的容量具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相关性分析和WOA
‑
LSTM的锂电池容量预测方法，其特征在于步骤如下：步骤1：以y轴为测量电压数值，x轴为电池周期，分别在800s
‑
1500s的采样时间内，以100s为间隔进行采样，得到8条测量电压数据曲线与以y轴为容量数值，x轴为电池周期的容量退化曲线，对应8组数据记为量退化曲线，对应8组数据记为记容量序列C＝*C1，C2,...,C
i
+i＝1,2,3,4,...,n，V
t
为放电期间测量电压值，C为电池容量值，t为采样时间，i为当前循环周期，n为总循环周期数；步骤2：计算800s
‑
1500s间的测量电压数据序列与电池容量数据序列的灰色关联度与Pearson相关性系数；灰色关联度系数：电池的容量序列C＝*c(k)|k＝1,2,...,n+作为参考序列，将放电期间测量电压序列V
t
＝*v
t
(k)|k＝1,2,..,n+作为比较序列，其中k对应序列中第k个数值，n为序列长度，对应的灰色关联度系数：皮尔逊相关性系数公式为其中：t代表采样时间点，i为第i个循环周期，n为总周期数，C
i
表示电池在第i个周期下的实际容量，为容量平均值，表示电池在放电期间第i个周期第t秒时的测量电压，表示电池在放电期间所有周...

【专利技术属性】
技术研发人员：白小军，傅妍芳，张芝莹，马振喜，潘兆丰，孙云鹏，
申请(专利权)人：西安工业大学，
类型：发明
国别省市：