【技术实现步骤摘要】
一种锂离子电池剩余寿命预测方法及系统
[0001]本专利技术涉及锂离子电池
,尤其涉及一种锂离子电池剩余寿命预测方法及系统
。
技术介绍
[0002]锂离子电池在现代电子设备和电动汽车等领域广泛应用,但其性能随着时间和使用而逐渐衰退,这导致了电池寿命的限制
。
电池的寿命是指电池在特定使用条件下能够维持其性能的时间
。
由于电池更换和维护的成本相对较高,因此对电池剩余寿命进行准确预测对于提高电池的可持续性和降低维护成本至关重要
。
技术实现思路
[0003]基于此,本专利技术有必要提供一种锂离子电池剩余寿命预测方法,以解决至少一个上述技术问题
。
[0004]为实现上述目的,一种锂离子电池剩余寿命预测方法,包括以下步骤:步骤
S1
:通过预设的传感器获取锂电池电气数据以及锂电池工况数据,并根据锂电池电气数据以及锂电池工况数据构建锂电池特征矩阵;步骤
S2
:对锂电池特征矩阵进行时间窗口异常检测,从而获得时间窗口数据;步骤
S3
:对时间窗口数据进行嵌入式降维处理,从而获得低维窗口数据,并根据低维窗口数据构建电池寿命预测模型;步骤
S4
:利用电池寿命预测模型对低维窗口数据进行序列预测,从而获得剩余寿命序列;步骤
S5
:根据剩余寿命序列进行形态学分析,从而获得形态学特征,并根据形态学特征对电池寿命预测模型进行动态参数优化,从而获得寿命动态预测模型;步骤< ...
【技术保护点】
【技术特征摘要】
1.
一种锂离子电池剩余寿命预测方法,其特征在于,包括以下步骤:步骤
S1
:通过预设的传感器获取锂电池电气数据以及锂电池工况数据,并根据锂电池电气数据以及锂电池工况数据构建锂电池特征矩阵;步骤
S2
:对锂电池特征矩阵进行时间窗口异常检测,从而获得时间窗口数据;步骤
S3
:对时间窗口数据进行嵌入式降维处理,从而获得低维窗口数据,并根据低维窗口数据构建电池寿命预测模型;步骤
S4
:利用电池寿命预测模型对低维窗口数据进行序列预测,从而获得剩余寿命序列;步骤
S5
:根据剩余寿命序列进行形态学分析,从而获得形态学特征,并根据形态学特征对电池寿命预测模型进行动态参数优化,从而获得寿命动态预测模型;步骤
S6
:利用寿命动态预测模型对锂电池电气数据以及锂电池工况数据进行剩余寿命预测,从而获得锂离子电池预测剩余寿命
。2.
根据权利要求1所述的方法,其特征在于,步骤
S1
具体为:步骤
S11
:通过预设的传感器获取锂电池电气数据以及锂电池工况数据;步骤
S12
:对锂电池电气数据以及锂电池工况数据进行相关性分析,从而获得相关性矩阵;步骤
S13
:对锂电池电气数据以及锂电池工况数据进行电池工作异常检测,从而获得工作异常数据;步骤
S14
:对锂电池电气数据以及锂电池工况数据进行时域特征提取,从而获得锂电池时域特征;步骤
S15
:对锂电池电气数据以及锂电池工况数据进行频域特征提取,从而获得锂电池频域特征;步骤
S16
:通过相关性矩阵对锂电池时域特征
、
锂电池频域特征以及工作异常数据进行关联矩阵映射,从而获得锂电池特征矩阵
。3.
根据权利要求2所述的方法,其特征在于,步骤
S12
具体为:对锂电池电气数据以及锂电池工况数据进行特征筛选,从而获得电气特征数据以及工况特征数据;对电气特征数据进行协方差矩阵计算,从而获得电气协方差矩阵;对工况特征数据进行协方差矩阵计算,从而获得工况协方差矩阵;根据电气协方差矩阵以及工况协方差矩阵进行矩阵元素合并,从而获得相关性矩阵
。4.
根据权利要求3所述的方法,其特征在于,步骤
S13
具体为:步骤
S131
:将锂电池电气数据以及锂电池工况数据进行时序合并,从而获得待异常检测数据;步骤
S132
:通过异常工作得分计算公式对待异常检测数据进行异常工作得分计算,从而获得异常工作得分数据;步骤
S133
:根据异常工作得分数据进行统计分析,从而获得异常工作阈值;步骤
S134
:通过异常工作阈值对待异常检测数据进行分类计算,从而获得工作异常数据
。5.
根据权利要求4所述的方法,其特征在于,步骤
S132
中的异常工作得分计算公式具体
为:;式中,为异常工作得分,为锂电池电压,为观察时间,为锂电池的电流值,为锂电池的容量,为电池温度值,为锂电池充电速率,为锂电池放电速率,为工况综合参数,为充电速率权重,为放电速率权重,为锂电池平均工作时间
。6.
根据权利要求5所述的方法,其特征在于,步骤
S2
具体为:步骤
S21
:根据待异常检测数据进行时间窗口定义以及滑动步长定义,从而获...
【专利技术属性】
技术研发人员:陈明香,
申请(专利权)人:深圳市神通天下科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。