电池寿命预测方法、装置、电子设备和可读存储介质制造方法及图纸

本发明专利技术提供一种电池寿命预测方法、装置、电子设备和可读存储介质。电池寿命预测方法包括以下步骤：获取电池的容量衰减数据，所述容量衰减数据包括电池的循环次数以及每一次循环时电池的放电容量；根据所述容量衰减数据作为训练集数据进行模型训练，获得电池寿命预测模型的模型参数，其中，所述模型参数包括电池容量的非周期变化趋势参数、周期变化趋势参数和波动变化趋势参数；根据所述模型参数建立电池寿命预测模型；将待预测的电池的容量衰减数据输入所述电池寿命预测模型获得电池寿命的预测数据。本发明专利技术实施例能够提高对于电池寿命的预测精度。的预测精度。的预测精度。

【技术实现步骤摘要】
电池寿命预测方法、装置、电子设备和可读存储介质


[0001]本专利技术实施例涉及深度学习
，尤其涉及一种电池寿命预测方法、装置、电子设备和可读存储介质。

技术介绍

[0002]随着新能源技术的发展，电动车辆也越来越受到用户的欢迎，电动车辆通常通过电池供电，电池的可靠性和循环寿命参数影响车辆的性能，因此也受到人们的关注。现有对于电池寿命的预测方法通常从电池机理模型或基于统计学模型进行。然而现有的电池寿命预测方法对于电池寿命预测的准确性相对较低。

技术实现思路

[0003]本专利技术实施例提供一种电池寿命预测方法、装置、电子设备和可读存储介质，以解决现有的电池寿命预测方法对于电池寿命预测的准确性相对较低的问题。
[0004]为解决上述问题，本专利技术是这样实现的：
[0005]第一方面，本专利技术实施例提供了一种电池寿命预测方法，包括以下步骤：
[0006]获取电池的容量衰减数据，所述容量衰减数据包括电池的循环次数以及每一次循环时电池的放电容量；
[0007]根据所述容量衰减数据作为训练集数据进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池寿命预测方法，其特征在于，包括以下步骤：获取电池的容量衰减数据，所述容量衰减数据包括电池的循环次数以及每一次循环时电池的放电容量；根据所述容量衰减数据作为训练集数据进行模型训练，获得电池寿命预测模型的模型参数，其中，所述模型参数包括电池容量的非周期变化趋势参数、周期变化趋势参数和波动变化趋势参数；根据所述模型参数建立电池寿命预测模型；将待预测的电池的容量衰减数据输入所述电池寿命预测模型获得电池寿命的预测数据。2.根据权利要求1所述的方法，其特征在于，所述获取电池的容量衰减数据之后，所述方法还包括：计算各所述容量衰减数据的均值；根据所述均值计算所述容量衰减数据的方差；根据所述均值和所述方差对所述容量衰减数据进行标准化处理，其中，标准化处理是通过以下公式进行的：其中，为x
i
的标准化结果，C为容量衰减数据的集合，x
i
代表C中的第i个容量衰减数据，μ
C
为C的均值，为C的方差，ε为预设调整因子。3.根据权利要求1所述的方法，其特征在于，所述根据所述容量衰减数据作为训练集数据进行模型训练，包括：确定粒子群优化算法的粒子速度更新参数；根据速度更新量确定粒子群优化算法的粒子位置更新参数；以所述容量衰减数据作为训练集数据，以目标参数为粒子，利用粒子群优化算法根据预设损失函数迭代更新粒子速度更新参数和粒子位置更新参数，获得所述目标参数的最优值作为模型参数，其中，所述目标参数包括电池容量的非周期变化趋势参数、周期变化趋势参数和波动变化趋势参数。4.根据权利要求3所述的方法，其特征在于，所述确定粒子群优化算法的粒子速度更新参数，包括：将以下公式作为所述目标参数的速度更新公式：v
id
(t+1)＝ωv
id
(t)+c1r
id1
(t)(p
id
(t)
‑
X
id
(t))+c2r
id2
(t)(p
gd
(t)
‑
X
id
(t))；其中，v
id
(t+1)为第i个目标参数在第t+1次迭代中第d个维度上的速度，ω为预设惯性权重，v
id
(t)第i个目标参数在第t次迭代中第d个维度上的速度，X
id
(t)为第i个目标参数在第t次迭代中第d个维度上的位置，c1和c2为预设加速常数，r
id1
(t)和r
id2
(t)为预设的随机数，p
id
(t)为第i个目标参数在t时刻的个体历史极值在第d个维度上的值，p
gd
(t)为第i个目标参数在t时刻的全局极值在第d个维度上的值；所述根据速度更新量确定所述目标参数的粒子位置更新参数，包括：将以下公式作为所述目标参数的位置更新公式：
X
id
(t+1)＝X
id

【专利技术属性】
技术研发人员：施文骏，高博，党鹏，沈祥，
申请(专利权)人：中移智行网络科技有限公司中国移动通信集团有限公司，
类型：发明
国别省市：