System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于温度积分特征的电池健康状态预测方法技术_技高网

一种基于温度积分特征的电池健康状态预测方法技术

技术编号:40203390 阅读:8 留言:0更新日期:2024-02-02 22:16
本发明专利技术涉及一种基于温度积分特征的电池健康状态预测方法,属于锂离子动力电池技术,包括如下步骤:在实时工作环境中采集锂离子动力电池工作参数;对工作参数进行去噪、去异常值和平滑处理;用公式从处理后的工作参数中提取温度积分特征;用北方苍鹰优化算法寻找最优的高斯过程回归参数,构建优化高斯过程回归模型;将工作参数输入北方苍鹰优化高斯过程回归模型,预测锂离子动力电池的理想健康状态;将实际健康状态与预测的理想健康状态进行对比,评估当前锂离子动力电池的健康程度。本发明专利技术通过提取锂离子动力电池实时工作参数中的温度积分特征,可有效地反映电池在不同工作状态下的热行为,有助于评估电池的健康状态和预测电池的性能变化。

【技术实现步骤摘要】

本专利技术属于锂离子动力电池技术,具体涉及一种基于温度积分特征的电池健康状态预测方法


技术介绍

1、目前锂离子动力电池大规模运用在电动车领域,因此锂离子动力电池的使用寿命和安全性对电动车的性能和安全具有重要影响。而为了提高电池的使用寿命和安全性,对电池的健康状态进行实时监测和预测是至关重要的。目前,已有很多基于电学模型、大数据和机器学习等技术的电池健康状态监测方法,但在准确性、计算复杂度和实用性等方面仍存在一些缺陷。


技术实现思路

1、本专利技术的目的是针对现有技术中存在的问题,提供了一种基于温度积分特征的电池健康状态预测方法,能有效地反映电池在不同工作状态下的热行为,对电池健康状态预测的准确性更高。

2、技术方案如下:

3、一种基于温度积分特征的电池健康状态预测方法,包括如下步骤:

4、步骤1:在实时工作环境中采集锂离子动力电池工作参数,工作参数包括:电压v(t)、电流i(t)和温度t(t);

5、步骤2:对工作参数进行去噪、去异常值和平滑处理;

6、步骤3:用如下公式从步骤2中处理后的工作参数中提取温度积分特征ti(t):ti(t)=∫[t(t′)-t_ref]dt′,其中t'为时间的积分变量,t(t')为电池在时刻t'的温度;t_ref为电池的正常工作温度;

7、步骤4:用北方苍鹰优化算法寻找最优的高斯过程回归参数,构建优化高斯过程回归模型;

8、步骤5:将锂离子动力电池工作参数输入北方苍鹰优化高斯过程回归模型,预测锂离子动力电池的理想健康状态;

9、步骤6:将锂离子动力电池的实际健康状态与步骤5中预测的理想健康状态进行对比,评估当前锂离子动力电池的健康程度;

10、步骤7:若评估当前锂离子动力电池的健康程度未低于设定阈值,则回到步骤1;若评估当前锂离子动力电池的健康程度已低于设定阈值,则提示更换或维护电池。

11、进一步的,步骤2中去噪采用的滤波器算法,数据平滑采用的滑动窗口算法。

12、进一步的,步骤4中构建北方苍鹰优化高斯过程回归模型的步骤如下:

13、步骤41:初始化北方苍鹰优化算法的参数,参数包括确定每一代中北方苍鹰个体的数量的种群规模、和算法运行的最大迭代次数

14、步骤42:随机生成初始北方苍鹰群的位置,并确定各位置的参数l、σn和σf,其中l为长度尺度,决定了高斯过程的光滑性或变化率,σn为噪声标准差,用于量化数据中的随机误差或噪声,σf为信号标准差,决定了高斯过程模型中预测值的变化幅度;

15、步骤43:对每个北方苍鹰,使用其位置对应的参数值训练高斯过程回归模型;

16、步骤44:设置迭代次数,并比较每轮迭代中训练出的不同高斯过程回归模型的性能,确定最优北方苍鹰的位置;

17、步骤45:更新北方苍鹰群的位置,重复步骤43和44,直到达到最大迭代次数或满足收敛条件;

18、步骤46:使用最优北方苍鹰的位置对应的参数值训练最终的高斯过程回归模型,即获得优化高斯过程回归模型。

19、进一步的,步骤5中的锂离子动力电池的理想健康状态为锂离子动力电池的理想电池容量。

20、进一步的,步骤6中的锂离子动力电池的实际健康状态为锂离子动力电池的实际电池容量。

21、有益效果:

22、1)本专利技术通过提取锂离子动力电池实时工作参数中的温度积分特征,可有效地反映电池在不同工作状态下的热行为,有助于评估电池的健康状态和预测电池的性能变化。

23、2)本专利技术通过北方苍鹰算法改进高斯过程回归模型有助于提高电池健康状态预测的准确性和泛化能力。相较于其他方法,具有更高的准确性,预测偏差低于3%。

24、3)当电池容量预测结果低于设定阈值时,可及时发出预警,有利于及时进行维修或更换电池,确保电动汽车的安全和效率。

本文档来自技高网...

【技术保护点】

1.一种基于温度积分特征的电池健康状态预测方法,其特征在于:包括如下步骤:

2.如权利要求1所述的电池健康状态预测方法,其特征在于:所述的步骤2中去噪采用的滤波器算法,数据平滑采用的滑动窗口算法。

3.如权利要求1所述的电池健康状态预测方法,其特征在于:所述的步骤4中构建北方苍鹰优化高斯过程回归模型的步骤如下:

4.如权利要求1所述的电池健康状态预测方法,其特征在于:所述的步骤5中的锂离子动力电池的理想健康状态为锂离子动力电池的理想电池容量。

5.如权利要求1所述的电池健康状态预测方法,其特征在于:所述的步骤6中的锂离子动力电池的实际健康状态为锂离子动力电池的实际电池容量。

【技术特征摘要】

1.一种基于温度积分特征的电池健康状态预测方法,其特征在于:包括如下步骤:

2.如权利要求1所述的电池健康状态预测方法,其特征在于:所述的步骤2中去噪采用的滤波器算法,数据平滑采用的滑动窗口算法。

3.如权利要求1所述的电池健康状态预测方法,其特征在于:所述的步骤4中构建北方苍鹰优化高斯过...

【专利技术属性】
技术研发人员:刘新田方宇黄碧雄杨皓张恒运
申请(专利权)人:上海工程技术大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1