基于数据融合的锂电池剩余使用寿命预测方法及装置制造方法及图纸

本发明专利技术属于电池寿命预测技术领域，为了解决锂电池剩余使用寿命的预测精度低的问题，提供了一种基于数据融合的锂电池剩余使用寿命预测方法及装置。其中，基于数据融合的锂电池剩余使用寿命预测方法包括获取若干个历史周期的电压序列数据、电流序列数据、温度序列数据、时间序列数据和电容序列数据，经预处理后得到充电阶段输入数据和放电阶段输入数据；基于充电阶段输入数据和放电阶段输入数据以及训练好的寿命预测模型，得到锂电池电容预测值，再将其与阈值电容比较来判断锂电池的使用寿命。其利用两个U

【技术实现步骤摘要】
基于数据融合的锂电池剩余使用寿命预测方法及装置


[0001]本专利技术属于电池寿命预测
，尤其涉及一种基于数据融合的锂电池剩余使用寿命预测方法及装置。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]锂电池具有能量密度大、效率高、循环寿命长、自放电率低等优点，被广泛应用于水下机器人、电动汽车、消费电子、航空航天等领域。锂离子电池本身作为一种储存能量的容器，有一定起火的风险，同时重复使用和许多不可预见的原因会导致锂离子电池安全性下降，也可能导致灾难性后果。因此必须依靠电池管理系统对电池可靠性进行严格的评估。锂电池剩余使用寿命（Remaining Useful Life，RUL）预测能够对电池管理系统提供决策依据。
[0004]具体而言，锂电池剩余使用寿命利用电池当前及历史的传感器数据，预测未来电池额定变量变化趋势。目前的RUL预测方法主要可以分为三种类型：基于物理和电化学的模型、基于统计方法的模型以及数据驱动的神经网络模型。相较于前两者模型，目前更多的工作基于神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据融合的锂电池剩余使用寿命预测方法，其特征在于，包括：获取若干个历史周期的电压序列数据、电流序列数据、温度序列数据、时间序列数据和电容序列数据，经预处理后得到充电阶段输入数据和放电阶段输入数据；基于充电阶段输入数据和放电阶段输入数据以及训练好的寿命预测模型，得到锂电池电容预测值，再将其与阈值电容比较来判断锂电池的使用寿命；其中，所述寿命预测模型包括决策层及充电阶段和放电阶段分别对应的U
‑
Net结构；充电阶段对应的U
‑
Net结构用于提取充电阶段的特征，放电阶段对应的U
‑
Net结构用于提取放电阶段的特征，决策层用于对融合充电阶段的特征、放电阶段的特征及电容序列数据，得到锂电池电容预测值。2.如权利要求1所述的基于数据融合的锂电池剩余使用寿命预测方法，其特征在于，充电阶段的特征将参与本周期放电数据特征提取，放电阶段的特征将参与下一周期的充电数据特征提取。3.如权利要求1所述的基于数据融合的锂电池剩余使用寿命预测方法，其特征在于，在所述寿命预测模型训练的过程中，将充电阶段对应的U
‑
Net网络和放电阶段对应的U
‑
Net网络按照周期顺序交替进行，此过程其他神经元将被锁定。4.如权利要求1所述的基于数据融合的锂电池剩余使用寿命预测方法，其特征在于，在所述寿命预测模型训练的过程中，决策层训练时，充电阶段对应的U
‑
Net网络和放电阶段对应的U
‑
Net网络部分的神经元均被锁定。5.如权利要求1所述的基于数据融合的锂电池剩余使用寿命预测方法，其特征在于，充电阶段对应的U
‑
Net网络和放电阶段对应的U
‑
Net网络结构相同，均包括编码模块与解码模块，所述编码模块由编码子模块与下采样模块间隔级联组成，所述解码模块由上采样模块与中解码子模块间隔级联组成。6.一种基于数据融合的锂电池剩余使用寿...

【专利技术属性】
技术研发人员：宋艳，崔明，李沂滨，贾磊，
申请(专利权)人：山东大学，
类型：发明
国别省市：