一种基于多学习机融合的锂电池健康状态估算方法及装置制造方法及图纸

本发明专利技术涉及锂电池技术领域，且公开了一种基于多学习机融合的锂电池健康状态估算方法及装置，通过获取实车锂电池充放电循环数据集，通过数据分析提取充电过程电压和温度；获取目标锂电池健康特征信息集，通过计算得出健康特征变化，获取锂电池健康特征选取，得到电压极差的中位数与电池健康状态相关性最大，构建实车锂电池健康状态估算模型，采用神经网络模型和残差模型补偿日历时间和温度的预测减小误差，综合循环寿命对剩余寿命和电池状态预测结果分析。该基于多学习机融合的锂电池健康状态估算方法及装置可在环境温度变化和电池不同运行方式情况下对实车锂离子电池剩余使用寿命以及健康状态进行精确估计，提高了锂电池健康状态评估和寿命预测的准确性。

【技术实现步骤摘要】

本专利技术涉及锂电池，具体为一种基于多学习机融合的锂电池健康状态估算方法及装置。

技术介绍

1、电动汽车代表现今汽车的发展主流，亦是减少温室气体排放、促进产业绿色发展的重要举措，作为电动汽车的动力来源，动力电池的发展一定程度上决定着电动汽车的未来。

2、锂电池作为评估电池电性能和优化车辆动力控制策略的关键参数，精确估算车用动力电池在不同情况下的健康状态可以更准确地避免过充、过放和过负荷工作，有效保护电池，延长电池使用寿命，在基于机器学习算法构建电池健康状态模型时，如何减轻训练任务的负担或减少所需的数据量，提升算法的自学习能力，同时进一步考虑温度和日历时间对电池退化的影响仍有待进一步研究。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本专利技术提供了一种基于多学习机融合的锂电池健康状态估算方法及装置，具备提高锂电池健康状态评估和寿命预测的准确性和适应不同环境温度和日历时间等优点，解决了上述技术问题。

3、(二)技术方案

4、为实现上述目的，本专本文档来自技高网...

【技术保护点】

1.一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：所述步骤S2中的电池容量计算过程如下：

3.根据权利要求1所述的一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：所述步骤S3基础特征参数包括电压和温度极差值，通过对电压和温度极差值的均值、中位数、方差、标准差进行计算，得到健康统计特征变化。

4.根据权利要求3所述的一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：所述步骤S3的计算公式如下：

5.根据权利要求1所述...

【技术特征摘要】

1.一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：所述步骤s2中的电池容量计算过程如下：

3.根据权利要求1所述的一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：所述步骤s3基础特征参数包括电压和温度极差值，通过对电压和温度极差值的均值、中位数、方差、标准差进行计算，得到健康统计特征变化。

4.根据权利要求3所述的一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：所述步骤s3的计算公式如下：

5.根据权利要求1所述的一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：所述步骤s4中的模型参数包括电池在不同温度和长期高强度运行、长期低强度、长期静置后运行、运行后长期静置四种运行方式时电池的放电容量，并通过cnn-gru网络预测初始模型和gpr残差模型。

6.根据权利要求5所述的一种基于多学习机融合的锂电池健康状态估算方法，其特征在于：所述步骤s5中的估算过程中基于步骤s4中建立的gpr残差模型建立温度残差模型和日历残差模型将平均温度和日历时间作为输入来预测容量残差值。

7.根据权利要求6所述的一种基于多学...

【专利技术属性】
技术研发人员：舒星，吕旻玥，胡远志，冯仁华，林春景，齐创，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：