基于迁移学习的锂离子电池容量预测方法技术

本发明专利技术为一种基于迁移学习的锂离子电池容量预测方法，首先对电池进行充电实验，在充电过程中对电流进行采样，计算每个周期的电池容量；然后，从数据集中随机选取一个电池作为目标电池，利用动态时间规整计算目标电池与剩余电池容量序列的最小距离，选取最小距离位于距离阈值范围内的剩余电池作为候选电池；计算目标电池和各个候选电池的容量退化率，选取容量退化率位于阈值区间内的候选电池作为最接近候选电池；计算目标电池与各个最接近候选电池的周期比，选取周期比位于周期比阈值范围内的最接近候选电池作为源域电池；最后，基于长短时记忆神经网络和注意力机制构建容量预测模型，利用源域电池的容量数据对模型进行预训练，利用目标电池已知周期的容量数据对预训练模型进行重新训练并对参数进行微调，得到训练后的容量预测模型。该方法能够在目标电池全局容量退化趋势未知的情况下，为目标电池提供参考，提高预测精度。提高预测精度。提高预测精度。

【技术实现步骤摘要】
基于迁移学习的锂离子电池容量预测方法


[0001]本专利技术属于电池管理
，特别是一种基于迁移学习的锂离子电池容量预测方法。

技术介绍

[0002]锂离子电池因其输出电压高、循环寿命长、能量密度高、环境友好等优点而被广泛应用于军事、航空航天、便携式终端、电动汽车等领域。然而，锂离子电池的性能随着使用时间和电化学成分的降低而下降，导致容量和功率衰减，当容量下降至失效阈值时可能会引发电池故障，因此电池容量预测对于提高电池使用过程中的安全性和可靠性具有重要作用。
[0003]根据预测步数量不同，可将锂离子电池容量预测分为单步预测和多步预测，单步预测是根据当前周期的容量数据预测下一周期的容量，多步预测是利用前面几个周期的真实容量数据，预测下一周期的容量，并利用预测值更新输入序列，预测再下一个周期的容量。在多步预测过程中，只在前几个周期预测时用到真实数据，预测得到的容量数据会用于更新输入，当每次预测的容量数值都比前几个周期的真实数据大时，就会导致预测得到的退化曲线呈飞升向上的趋势；当预测的容量数值相差甚小，就会导致预测得到的退化曲线几乎呈直本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的锂离子电池容量预测方法，其特征在于，该方法包括以下步骤：步骤1：对电池进行充电实验，在充电过程中对电流进行采样，计算每个周期的电池容量；步骤2：从数据集中随机选取一个电池作为目标电池，利用动态时间规整计算目标电池与剩余电池容量序列的最小距离，选取最小距离位于距离阈值范围内的剩余电池作为候选电池；根据式(2)计算目标电池和各个候选电池的容量退化率R，选取容量退化率位于阈值区间内的候选电池作为最接近候选电池；公式(2)中，Q
w％
×
K
表示电池第w％
×
K个周期的容量，K为总周期数，w∈(0,100]，Q1表示电池第一个周期的容量；根据式(3)计算目标电池与各个最接近候选电池的周期比δ，选取周期比位于周期比阈值范围内的最接近候选电池作为源域电池；公式(3)中，表示目标电池A总周期前w％的容量序列长度，表示第q个候选电池总周期前w％的容量序列长度；步骤3：基于长短时记忆神经网络和注意力机制构建容量预测模型；容量预测模型包括多个长短时记忆单元，所有长短时记忆单元的输出经过注意力计算后，再经过两个全连接层，得到模型输出；利用源域电池的容量数据对容量预测模型进行预训练，得到预训练容量预测模型；保持预训练容量预测模型除两个全连接层外其余结构的参数不变，利用目标电池的容量数据对预训练容量预测模型进行重新训练，得到训练后的容量预测模型；步骤4：将目标电池的容量数据[Q
m
‑
r+1
,Q
m
‑
r+2
,....

【专利技术属性】
技术研发人员：郭永芳，王雅爽，丁鹏元，赵赫，余湘媛，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：