一种基于深度学习的锂离子电池管理系统及方法技术方案

一种基于深度学习的锂离子电池管理系统及方法，包括中央控制模块、状态监测模块、环境传感模块、人机交互模块、显示预警模块和深度学习模块；环境传感模块、人机交互模块、状态监测模块、显示预警模块和深度学习模块均连接到中央控制模块；状态监测模块连接锂离子电池和深度学习模块；本发明专利技术采用深度学习方法，基于历史测试数据，建立可以精确反映不同工作状态下锂离子电池的电学特性，为电池的荷电状态和健康状态监测提供参考。并可以根据需求更新训练数据，从而可以充分考虑每个锂离子电池的个性化差异，为用户提供更精确的锂离子电池荷电状态和健康状态。状态和健康状态。状态和健康状态。

【技术实现步骤摘要】
一种基于深度学习的锂离子电池管理系统及方法


[0001]本专利技术涉及新能源领域，尤其是涉及一种基于深度学习的锂离子电池管理系统及方法。

技术介绍

[0002]锂离子电池由于具有能量密度高、循环寿命长、工作温度范围宽和安全性高等诸多优点，在包括通讯、便携电子设备、电动汽车等多个领域中都有重要的应用。在应用中，锂离子电池的安全性和可靠性一直是一个非常重要的问题。随着充放电次数的增加，锂电池的性能也开始逐渐下降，从而导致系统运行过程容易出现安全隐患，严重时可能会导致事故发生。
[0003]因此，在锂离子电池的使用过程中，准确预测锂离子电池的健康状态和剩余使用寿命具有重要的意义，也是高性能、智能化电池管理系统研制的前提。精准的锂离子电池健康状态评估和退化趋势预测，不仅可以让安全事故发生率大幅度下降，促进新能源产业链的发展，而且对于电池的二次梯度应用也是至关重要的。
[0004]目前国内外对于锂电池的建模和预测方法主要有三种，第一种是基于经验的方法，第二种是基于模型的方法，第三种是数据驱动的方法。其中，基于经验的方法只能实现粗略估计，不适用于电池健康管理的精度需求。由于锂离子电池的工作状态所受因素的复杂性和敏感性，建立准确的锂离子电池预测模型也很困难。

技术实现思路

[0005]本专利技术的目的在于提供一种基于深度学习的锂离子电池管理系统及方法，以解决现有技术电池健康管理的精度低，预估不准确的问题。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]一种基于深度学习的锂离子电池管理系统，包括中央控制模块、状态监测模块、环境传感模块、人机交互模块、显示预警模块和深度学习模块；环境传感模块、人机交互模块、状态监测模块、显示预警模块和深度学习模块均连接到中央控制模块；状态监测模块连接锂离子电池和深度学习模块；
[0008]环境传感模块用于采集锂离子电池工作环境的温度；
[0009]人机交互模块用于输入包括锂离子电池放电截至电压，显示预警模块的报警阈值和状态检测模块的采样间隔；
[0010]深度学习模块用于存放深度学习模型，根据环境传感模块和状态监测模块的测试数据计算获得的电池容量和电池剩余电量的预测值；
[0011]状态监测模块用于监测锂离子电池的实时工作状态数据；
[0012]中央控制模块用于处理与它连接的各模块传递给它的数据，输出锂离子电池停止充电和放电的信号，以及给显示预警模块输出需要显示的数据；
[0013]显示预警模块用于显示环境温度、锂离子电池的数据。
[0014]进一步的，锂离子电池的实时工作状态数据包括锂电池的压降、锂离子电池的放电电流、锂电池的外壳温度、锂电池的交流内阻、剩余电量、容量、容量下降比例、电阻上升比例。
[0015]进一步的，显示预警模块所显示的锂离子电池的容量下降比例和电阻上升比例超过显示预警模块的报警阈值，发出报警信号。
[0016]进一步的，显示预警模块的报警阈值为锂离子电池的容量下降比例为20％～30％，或电阻上升比例为20％～30％。
[0017]进一步的，状态检测模块的采样间隔为30s～5min。
[0018]进一步的，测试锂离子电池的交流内阻时，采用的频率为800hz～～1.2khz，幅值为80mA～～100mA。
[0019]进一步的，一种基于深度学习的锂离子电池管理方法，包括以下步骤：
[0020]在深度学习模块中存入预先训练好的锂离子电池电学特性深度学习模型；
[0021]在中央控制模块记录初始的电池容量；
[0022]通过人机交互模块输入锂离子电池的放电截至电压、显示预警模块的报警阈值和状态检测模块的测试时间间隔；
[0023]环境传感模块根据人机交互模块输入的检测间隔定时收集实时环境温度；所述所有数据汇总到中央控制模块；
[0024]状态监测模块根据人机交互模块输入的检测时间间隔定时收集锂离子电池的实时工作状态；
[0025]在电池充电阶段，中央控制模块根据状态检测模块的检测信号，提取电流随时间变化数据，计算此次的充电电量；如果此次的充电电量低于初始的电池容量的30％，那么本次充放电循环不计入总的充放电循环次数；反之，此次充电计入充放电循环次数；
[0026]在电池放电阶段，根据人机交互模块输入的检测时间间隔，定时收集锂电池的放电电流、压降、电池外壳温度、交流内阻；
[0027]中央控制模块根据人机交互模块和状态检测模块输入的汇总数据，输出锂离子电池停止充电和放电的信号；
[0028]深度学习模块根据环境传感模块和状态检测模块的输入的汇总数据，计算获得锂离子电池容量和剩余电量的预测值；
[0029]显示预警模块显示环境温度、锂离子电池的压降、锂电子电池的放电电流、锂离子电池的外壳温度、锂离子电池的剩余电量和容量、充放电循环次数。
[0030]进一步的，锂离子电池电学特性深度学习模型采用以下步骤建立：
[0031]步骤1，收集同类型锂离子电池不同环境温度、放电电流、放电截至电压、不同循环次数下电池的放电电压、电池外壳温度、电池交流内阻随时间变化的数据；
[0032]步骤2，以每个测试点下对应的环境温度、锂离子电池放电截至电压、放电电流、循环次数、电池压降、电池交流内阻、电池外壳温度为输入，以此时对应的电池剩余电量和电池容量为输出，构建长短期记忆深度学习网络；
[0033]步骤3，使用深度学习框架训练深度学习模型；
[0034]步骤4，计算训练获得的模型对训练输入数据的预测值，计算预测值和实测值之间的误差，采用遗传算法寻找预测值和实测值之间的误差的最小值，以获得网络参数的最优
值；
[0035]步骤5，深度学习模块根据环境传感模块和人机交互模块的输入值，计算获得锂离子电池的剩余电量和电池容量；将计算获得的数据输出至显示预警模块；
[0036]步骤6，定期将电池充电达到充电截至电压，再恒流放电至放电截至电压，记电池此放电周期下不同电池压降下的剩余电量，和此放电周期对应的电池容量
[0037]步骤7，步骤6获得的测试值与预测值进行比较，如果误差未超过10％，则将测试数据补充进历史数据中；如果误差超过10％，显示预警模块输出预警信号，再由用户决定是否补充入历史数据；
[0038]步骤8，采用步骤6获得的测试数据对深度学习模型进行训练和更新。
[0039]进一步的，深度学习框架是LSTM回归模型，神经元个数128～512，学习率大小为0.001～0.05，迭代次数为200～2000。
[0040]与现有技术相比，本专利技术有以下技术效果：
[0041]本专利技术对锂离子电池的多个特性参数进行监测，可以同时准确、全面的反映锂离子电池的电学特性和退化情况。本专利技术采用深度学习方法，基于历史测试数据，建立可以精确反映不同工作状态下锂离子电池的电学特性，为电池的荷电状态和健康状态监测提供参考。并可以根据需求更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的锂离子电池管理系统，其特征在于，包括中央控制模块、状态监测模块、环境传感模块、人机交互模块、显示预警模块和深度学习模块；环境传感模块、人机交互模块、状态监测模块、显示预警模块和深度学习模块均连接到中央控制模块；状态监测模块连接锂离子电池和深度学习模块；环境传感模块用于采集锂离子电池工作环境的温度；人机交互模块用于输入包括锂离子电池放电截至电压，显示预警模块的报警阈值和状态检测模块的采样间隔；深度学习模块用于存放深度学习模型，根据环境传感模块和状态监测模块的测试数据计算获得的电池容量和电池剩余电量的预测值；状态监测模块用于监测锂离子电池的实时工作状态数据；中央控制模块用于处理与它连接的各模块传递给它的数据，输出锂离子电池停止充电和放电的信号，以及给显示预警模块输出需要显示的数据；显示预警模块用于显示环境温度、锂离子电池的数据。2.根据权利要求1所述的一种基于深度学习的锂离子电池管理系统，其特征在于，锂离子电池的实时工作状态数据包括锂电池的压降、锂离子电池的放电电流、锂电池的外壳温度、锂电池的交流内阻、剩余电量、容量、容量下降比例、电阻上升比例。3.根据权利要求1所述的一种基于深度学习的锂离子电池管理系统，其特征在于，显示预警模块所显示的锂离子电池的容量下降比例和电阻上升比例超过显示预警模块的报警阈值，发出报警信号。4.根据权利要求3所述的一种基于深度学习的锂离子电池管理系统，其特征在于，显示预警模块的报警阈值为锂离子电池的容量下降比例为20％～30％，或电阻上升比例为20％～30％。5.根据权利要求1所述的一种基于深度学习的锂离子电池管理系统，其特征在于，状态检测模块的采样间隔为30s～5min。6.根据权利要求2所述的一种基于深度学习的锂离子电池管理系统，其特征在于，测试锂离子电池的交流内阻时，采用的频率为800hz～～1.2khz，幅值为80mA～～100mA。7.一种基于深度学习的锂离子电池管理方法，其特征在于，基于权利要求1至6任意一项所述的基于深度学习的锂离子电池管理系统，包括以下步骤：在深度学习模块中存入预先训练好的锂离子电池电学特性深度学习模型；在中央控制模块记录初始的电池容量；通过人机交互模块输入锂离子电池的放电截至电压、显示预警模块的报警阈值和状态检测模块的测试时间间隔；环境传感模块根据人机交互模块输入的检测间隔定时收集实时环境温度；所述所有数据汇总到中央控制模块；状态监测模块根据人机交互模块输入的检测时间...

【专利技术属性】
技术研发人员：张林，李彦波，黄鑫荣，徐先峰，
申请(专利权)人：长安大学，
类型：发明
国别省市：