基于能压峰特征和改进LSTM的锂电池健康状态估计方法技术

本发明专利技术提供了一种基于能压峰特征和改进LSTM的锂电池健康状态估计方法，获取锂离子电池每个充放电循环的健康状态数据、充电电压数据和充电能量数据；提取每个充放电循环中等间隔电压的能量数据，计算每个充放电循环的能压，绘制等间隔电压的能压曲线，并计算出所有充放电循环的阶段峰值；利用所有充放电循环的阶段峰值生成阶段峰值序列，利用高低相关分析方法，在阶段峰值序列中选择能压峰特征序列；将能压峰特征序列与健康状态序列进行归一化预处理；在长短期记忆（Long Short

【技术实现步骤摘要】
基于能压峰特征和改进LSTM的锂电池健康状态估计方法


[0001]本专利技术涉及电池
，具体为一种基于能压峰特征和改进LSTM的锂电池健康状态估计方法。

技术介绍

[0002]由于锂离子电池具有能量密度高、循环寿命长、自放电率低、成本较低、环境污染小等优点,被广泛地应用于储能、电动汽车和自主移动机器人等众多领域。锂电池在不断的循环使用过程中，健康状态(State of Health，SOH)成为评价电池老化程度的关键指标，因此需要准确的进行估计。
[0003]锂电池健康状态估计中，首先需要提取合适的特征。充电时长、充电电压、充电电流、温度变化和各种统计量等是常见的健康状态特征提取方法，但这些方法仅仅只能反应锂电池的衰退过程，无法描述锂电池内部老化的反应机理。在提取特征之后，需要应用数据驱动的方法建立锂电池健康状态估计模型。常用的数据驱动方法包括极限学习机、支持向量机。作为典型的深度学习方法，长短期记忆(Long Short
‑
Term Memory，LSTM)网络在锂电池状态估计中取得了良好的效果，但在电池老化而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于能压峰特征和改进LSTM的锂电池健康状态估计方法，其特征在于，具体包括如下步骤：S1、获取锂离子电池每个充放电循环的健康状态数据、充电电压数据和充电能量数据；S2、提取每个充放电循环中等间隔电压的能量数据，计算每个充放电循环的能压，绘制等间隔电压的能压曲线，并计算出所有充放电循环的阶段峰值；S3、利用所有充放电循环的阶段峰值生成阶段峰值序列，利用高低相关分析方法，在阶段峰值序列中选择能压峰特征序列；S4、将能压峰特征序列与健康状态序列进行归一化预处理；S5、在长短期记忆(Long Short
‑
Term Memory，LSTM)网络中增加翻转层，改进LSTM，将能压峰特征序列与健康状态序列归一化后的数据作为LSTM的输入，构建锂电池健康状态估计模型；S6、应用构建的锂电池健康状态估计模型对锂电池健康状态进行估计。2.根据权利要求1所述的一种基于能压峰特征和改进LSTM的锂电池健康状态估计方法，其特征在于，所述步骤S1具体内容如下：所述每个充放电循环的锂电池健康状态数据为序列H1,H2,...,H
n
，其中H
i
为第i(i＝1,2,...,n)个充放电循环的电池健康状态，n为循环充放电次数，C
i
为第i个充放电循环锂电池的最大放电容量，C为锂电池的额定容量；第i个充放电循环的充电电压数据为序列U
i,0
,U
i,t
,...,U
i,z
×
t
，充电能量数据为序列E
i,0
,E
i,t
,...,E
i,z
×
t
，U
i,0
为第i个充放电循环的初始电压，U
i,z
×
t
为第i个充放电循环的终止电压，E
i,0
为第i个充放电循环的初始能量，E
i,z
×
t
为第i个充放电循环的终止能量，t为充电时数据采样间隔时间，z为采样次数，z
×
t为采样总时间，也是充电总时间。3.根据权利要求2所述的一种基于能压峰特征和改进LSTM的锂电池健康状态估计方法，其特征在于，所述的步骤S2具体内容如下：通过在每个充放电循环i，从初始电压U
i,0
到终止电压U
i,z
×
t
，固定间隔电压ΔV，对能量数据序列E
i,0
,E
i,t
,...,E
i,z
×
t
按如下公式计算能压EV
i,a
，其中a表示计算的能压的编号[a＝1,2,...,(U
i,z
×
t
‑
U
i,0
)/ΔV]，a≤z。绘制每个充放电循环i等间隔电压的能压曲线，在能压曲线中提取所有的阶段峰值F
i,1
,F
i,2
,
…
,F
i,m
，其中m为能压曲线中阶段峰的个数。4.根据权利要求3所述的一种基于能压峰特征和改进LSTM的锂电池健康状态估计方法，其特征在于，所述的步骤S3的具体内容如下：高低相关分析方法在阶段峰序列中选择能压峰特征的方法如下，首先，将所有充放电循环的阶段峰值F
i,1
,F
i,2
,
…
,F
i,m
，整理为m组阶段峰值序列，分别为F
1,1
,F
2,1
,
…
,F
n,1
、F
1,2
,F
2,2
,
…
,F
n,2
、
…
、F
1,m
,F
2,m
,
…
,F
n,m
，随后，将此m组阶段峰值数据序列分别与锂电池健康状态序列进行相关性分析，按如下的公式计算相关度P
j
，
其中F
i,j
表示充放电循环i中第j(j＝1,2,...,m)个阶段峰值，表示所有充放电循环中第j个阶段峰值的均值，表示所有充放电循环中健康状态的均值，在计算了m个相关度P1,P2,
…
,P
m
后，计算P1,P2,
…<...

【专利技术属性】
技术研发人员：张朝龙，杨忠，何怡刚，熊雄，杜博伦，宁暑光，张颖超，叶小岭，周子恒，罗来劲，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：