基于老化因子和混叠网络的梯次利用电池状态估计方法技术

本发明专利技术公开了基于老化因子和混叠网络的梯次利用电池状态估计方法，该方法从退役电池在梯次利用期间的实验数据中提取老化因子，并利用皮尔逊相关系数筛选与真实电池容量之间的具有强关联性的老化因子。搭建时间‑通道混叠网络模型，将筛选后的老化因子作为网络模型的输入，对应的电池容量作为网络输入标签，进行自适应融合，得到预测的电池健康状态。本方法设计了用于梯次利用期间退役电池的健康状态估计方法，充分考虑退役电池的复杂性和多样性，使用多维老化因子作为网络模型输入，关注前后步长相关时序维度信息，提高了网络模型研究时间序列长期依赖关系的能力，测量过程简单，并能够及时、准确估算已退役电池在梯次利用期间的电池健康状态。

【技术实现步骤摘要】

本专利技术属于新能源，涉及动力电池管理，具体涉及基于老化因子和混叠网络的梯次利用电池状态估计方法。

技术介绍

1、新能源汽车的动力电池在充放电次数逐渐增多的过程中会经历衰减。当动力电池的健康状况降至额定容量的80％以下时，无法满足车辆动力需求，必须从电动车上撤下。但这些退役电池仍可在低电容需求领域进行梯次利用。尽管如此，退役电动力电池面临性能急速退化和安全失效风险增加等问题。因此，对梯次利用电池进行准确性能评估至关重要。

2、现有技术中的电池健康状况估计方法主要分为公式计算、基于模型和数据驱动的方法。公式计算虽然简单，但仅提供粗略估算，缺乏完备的理论和方法，无法准确评估电池的实际性能。基于模型的方法存在建模困难的挑战。而车用动力电池退役后涉及的安全状态和电性能状态较为复杂，梯次利用场景多种多样，仅通过公式或建模进行评估无法满足梯次利用的需求，也难以可靠地确保安全性。因此，以数据驱动方法为主，利用历史大数据和测试数据作为神经网络输入，全面且自适应地对梯次利用电池进行评估，是更为有效的方法。但这类方法往往需要对充/放电阶段全部数据进行建模，导致训练本文档来自技高网...

【技术保护点】

1.基于老化因子和混叠网络的梯次利用电池状态估计方法，其特征在于：具体包括如下步骤：

2.如权利要求1所述基于老化因子和混叠网络的梯次利用电池状态估计方法，其特征在于：所述预处理包括异常值处理、缺失值处理、归一化和数据平滑处理。

3.如权利要求2所述基于老化因子和混叠网络的梯次利用电池状态估计方法，其特征在于：对退役电池在梯次利用工况下进行不间断充放电实验，获得原始数据；定义异常值阈值，对原始数据中的异常值置零；使用插值的方法填充被置零的异常值与原始数据中的缺失值；最后进行归一化和数据平滑处理。

4.如权利要求2或3所述基于老化因子和混叠网络的梯次利用...

【技术特征摘要】

1.基于老化因子和混叠网络的梯次利用电池状态估计方法，其特征在于：具体包括如下步骤：

2.如权利要求1所述基于老化因子和混叠网络的梯次利用电池状态估计方法，其特征在于：所述预处理包括异常值处理、缺失值处理、归一化和数据平滑处理。

3.如权利要求2所述基于老化因子和混叠网络的梯次利用电池状态估计方法，其特征在于：对退役电池在梯次利用工况下进行不间断充放电实验，获得原始数据；定义异常值阈值，对原始数据中的异常值置零；使用插值的方法填充被置零的异常值与原始数据中的缺失值；最后进行归一化和数据平滑处理。

4.如权利要求2或3所述基于老化因子和混叠网络的梯次利用电池状态估计方法，其特征在于：所述归一化处理方法为：

5.如权利要求1所述基于老化因子和混叠网络的梯次利用电池状态估计方法，其特征在于：提取的老化因子包括：恒流充...

【专利技术属性】
技术研发人员：何志伟，罗婷婷，鲍政怡，高明裕，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：