一种基于电池健康特征的最大可用容量估计方法技术

本发明专利技术公开了一种基于电池健康特征的最大可用容量估计方法。本发明专利技术从电流、电压和温度曲线中提取了锂电池健康特征，经处理后对其电池最大可用容量进行估计。首先，采用多项式拟合技术、奇异谱分析、快速傅里叶变换等方法提取电池数据的多维度健康特征；然后，利用相关性分析方法获取与最大可用容量高度相关的电池健康特征；最后，基于梯度提升决策树构建最大可用容量的估计模型，并采用多个老化数据集对本发明专利技术方法进行验证。集对本发明专利技术方法进行验证。集对本发明专利技术方法进行验证。

【技术实现步骤摘要】
一种基于电池健康特征的最大可用容量估计方法


[0001]本专利技术涉及电池
，尤其涉及电池最大可用容量的估计方法。

技术介绍

[0002]锂电池因其能量密度高、自放电率低、循环性能优越等优点被广泛应用于储能和电动汽车等领域。随着电池的循环使用，锂电池的性能因受自身内外部条件影响，会不断降低直至无法满足设备的需求，甚至会引起锂电池失火爆炸，造成经济损失和人身安全危害。为了确保锂电池能安全、稳定、高效地运行，准确的锂电池可用剩余容量估计模型是十分有必要的。
[0003]本专利技术提出了一种基于电池健康特征的电池最大可用容量估计方法。

技术实现思路

[0004]本专利技术的目的是提供一种基于电池健康特征的电池最大可用容量估计方法，以提高电池容量预测模型的准确性。
[0005]为达到上述目的，本专利技术采用如下技术方案：
[0006]一种基于电池健康特征的电池最大可用容量估计方法，包括以下步骤：
[0007]步骤S1：开展锂电池老化实验，获取电池电压、电流、温度等数据，并采用多项式拟合方法提取电压曲线、电流曲线、温度曲线的拟合参数，作为电池基本健康特征；
[0008]步骤S2：采用奇异谱分析方法对电池电压、电流数据进行降维、降噪处理，并通过获取的主成分重构电池电压、电流曲线；
[0009]步骤S3：采用快速傅里叶变换提取电池充放电电压的频域信息；
[0010]步骤S4：利用相关性分析方法获取与最大可用容量高度相关的电池健康特征；
[0011]步骤S5：基于梯度提升决策树构建最大可用容量的估计模型。
[0012]可选的，所述采用多项式拟合方法提取电压曲线、电流曲线、温度曲线的拟合参数，作为电池基本健康特征，具体包括：
[0013]所采用的多项式拟合公式如下：
[0014][0015]所采用的多项式拟合求解方法为最小二乘法，并获取多项式参数a1、a2、...、a
n
及r。
[0016]分析上述多项式参数与电池循环次数之间的关系，并以此作为电池的基本健康特征。
[0017]可选的，采用奇异谱分析方法对电池电压、电流数据进行降维、降噪处理，并通过获取的主成分重构电池电压、电流曲线，具体包括：
[0018]首先，将电池电压、电流数据看作为一维时间序列数据，并获取相应的轨迹矩阵。其次，计算并对其进行奇异值分解，得到个特征值
及其相应的特征向量，然后对特征向量进行分组和重构，得到新的电池电压、电流曲线，以此作为电池的健康特征。
[0019]可选的，采用快速傅里叶变换提取电池充放电电压的频域信息，具体包括：
[0020]所述频域信息为电池在不同循环次数下的工频幅值参数。
[0021]可选的，利用相关性分析方法获取与最大可用容量高度相关的电池健康特征：
[0022]所述相关性分析方法为皮尔逊相关系数法，具体公式如下：
[0023][0024]可选的，基于梯度提升决策树（Gradient Boosting Decision Tree，GBDT）构建最大可用容量的估计模型，并调节模型参数，使预测结果更为精确，具体包括：
[0025]先设置简单初值，然后每次学习所建立模型损失函数的梯度下降方向，并采用Boosting思想叠加每轮学习的结果。
[0026]基于梯度提升决策树的锂电池最大可用容量估计模型有两个重要的参数需要设置，一是叶节点的数量，二是迭代次数，即树的深度，这两个参数的设置直接关系到模型的预测精度。
[0027]根据本专利技术提供的基于电池健康特征的电池最大可用容量估计方法，首先，采用多项式拟合技术、奇异谱分析、快速傅里叶变换等方法提取电池数据的多维度健康特征；然后，利用相关性分析方法获取与最大可用容量高度相关的电池健康特征；最后，基于梯度提升决策树构建最大可用容量的估计模型，并采用多个老化数据集对本专利技术方法进行验证，具有以下优点：
[0028]（1）利用奇异谱分析从对电池时间序列数据进行重构，可以从原始数据中分解出更多有用信息，并从中选择若干有意义的分量进行重建，对数据进行降噪。
[0029]（2）采用快速傅里叶变换提取电池信号的频域信息。
[0030]（3）采用梯度提升决策树模型，针对锂电池可用剩余容量估计模型调参简单，具有较高的泛化能力和表达能力。
附图说明
[0031]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1为本专利技术所述的一种基于电池健康特征的电池最大可用容量估计方法的流程图；
[0033]图2为本专利技术所述的电池健康特征提取的网络结构示意图；
[0034]图3为本专利技术所述的基于GBDT的电池剩余容量预测的结构示意图；
[0035]图4为本实例所述的部分电池的GBDT训练结果图，（a）NASA电池数据集：6#、7#和18#用于训练，5#用于测试，（b）CACLE电池数据集：CS2_36、CS2_37和CS2_38用于训练，CS2_35用于测试。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图面对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护的范围。
[0037]如图1所示一种基于电池健康特征的电池最大可用容量估计方法，包括以下步骤：
[0038]S1：开展锂电池老化实验，获取电池电压、电流、温度等数据，并采用多项式拟合方法提取电压曲线、电流曲线、温度曲线的拟合参数，作为电池基本健康特征；
[0039]实验数据来自于美国国家航空航天局（NASA）电池老化数据集和马里兰生命实验室（CACLE）电池老化数据集，所述数据包括电池参数及恒流恒压工况时的充放电信息等。
[0040]其中，NASA锂电池数据集以恒流1.5A将电池电压升高至4.2V，然后以恒压4.2V充电直至电池电流小于20mA,以2A的恒定电流进行放电至电池的截止电压；CACLE锂电池数据集以恒流0.55A将电池电压升高至4.2V，然后以恒压4.2V充电直至电池电流小于50mA， 以1.1A的恒定电流进行放电至电池的截止电压2.7V。注意，两组电池的截至容量都是初始容量的70%。
[0041]构建的多项式拟合函数公式如下：
[0042][0043]对于充电电流，在恒流充电阶段，提取充电恒流时长最为第一个电池健康特征（F1），在恒压充电阶段，充电电流随着充电时间有着明显的衰退趋势，采用polynomial多项式拟合电流衰减曲线，通过实验验证，当时，电流衰退曲线有着较好的拟合效果，取拟合函数第四本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电池健康特征的最大可用容量估计方法，其特征在于，包括以下步骤：步骤S1：开展锂电池老化实验，获取电池电压、电流、温度等数据，并采用多项式拟合方法提取电压曲线、电流曲线、温度曲线的拟合参数，作为电池基本健康特征；步骤S2：采用奇异谱分析方法对电池电压、电流数据进行降维、降噪处理，并通过获取的主成分重构电池电压、电流曲线；步骤S3：采用快速傅里叶变换提取电池充放电电压的频域信息；步骤S4：利用相关性分析方法获取与最大可用容量高度相关的电池健康特征；步骤S5：基于梯度提升决策树构建最大可用容量的估计模型。2.根据权利要求1所述的一种基于电池健康特征的最大可用容量估计方法，其特征在于，所述多项式拟合方法具体包括：所采用的多项式拟合求解方法为最小二乘法，并获取多项式参数a1、a2、...、a
n
及r。分析上述多项式参数与电池循环次数之间的关系，并以此作为电池的基本健康特征。公式如下：3.根据权利要求1所述的一种基于电池健康特征的最大可用容量估计方法，其特征在于，...

【专利技术属性】
技术研发人员：王依琳，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：