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() 基于RVM的电池剩余使用寿命预测方法、系统及设备技术方案_技高网

基于RVM的电池剩余使用寿命预测方法、系统及设备技术方案

技术编号:41329022 阅读:3 留言:0更新日期:2024-05-13 15:07
本发明专利技术公开一种基于RVM的电池剩余使用寿命预测方法、系统及设备,涉及电池技术领域,方法包括:基于目标预测指令,在线获取动态可重构电池中目标电池模组的充放电循环次数、当前次满充电压值及上一次循环放电容量;将目标电池模组的当前次满充电压值及上一次循环放电容量,输入至电池剩余使用寿命预测模型中,以得到对应的预测RUL值;基于预设电池循环次数‑RUL对照表,根据充放电循环次数确定真实RUL值;当真实RUL值与预测RUL值的差值处于预设误差范围内时,将预测RUL值标记为最终的剩余使用寿命值。本发明专利技术能够对电池剩余使用寿命实现在线的长期预测。

【技术实现步骤摘要】

本专利技术涉及电池,特别是涉及一种基于rvm的电池剩余使用寿命预测方法、系统及设备。


技术介绍

1、为了提高电动汽车的续航里程和安全性能,在电池管理系统(batterymanagement system,bms)中确认锂电池的健康状态(state of health,soh)以及剩余使用寿命(remaining useful life,rul)对于整车系统长远安全地运作至关重要。但现有技术中,都只是片面或者简短地探讨了几种机器学习可行性,并没有清楚表明其机器学习中的数据来源、特征值的选取。

2、虽然也有人员采用相关向量机(relevant vector machine,rvm)的方法进行电池健康状态的预测,但主要集中在以下几个方面:针对其中参数的选择以及结合经验模型进行间接预测、对数据的预处理方面、获得更具代表性的特征值方面等。针对于算法本身,rvm相较于svm有着存在置信区间,参数设置少,并且矩阵更稀疏的优势。但所采用的大多数方法都是在离线情况下训练,且无法适应长期预测,且无法直观显示所需结果。


技术实现思路

1、本专利技术的目的是提供一种基于rvm的电池剩余使用寿命预测方法、系统及设备,能够对电池剩余使用寿命实现在线的长期预测。

2、为实现上述目的,本专利技术提供了如下方案:

3、第一方面,本专利技术提供一种基于rvm的电池剩余使用寿命预测方法,包括:

4、基于目标预测指令,在线获取动态可重构电池中目标电池模组的充放电循环次数、当前次满充电压值及上一次循环放电容量;

5、将所述目标电池模组的当前次满充电压值及上一次循环放电容量,输入至电池剩余使用寿命预测模型中,以得到对应的预测rul值;所述电池剩余使用寿命预测模型为采用训练样本集,对预设相关向量机模型进行训练得到的;所述训练样本集中的每个样本均包括一个满充电压值、所述满充电压值对应的上一次循环放电容量及实际剩余使用寿命;

6、基于预设电池循环次数-rul对照表,根据所述充放电循环次数,确定真实rul值;

7、当所述真实rul值与所述预测rul值的差值处于预设误差范围内时,将所述预测rul值标记为最终的剩余使用寿命值。

8、第二方面,本专利技术提供一种基于rvm的电池剩余使用寿命预测系统,包括:

9、电池模组数据获取模块,用于基于目标预测指令,在线获取动态可重构电池中目标电池模组的充放电循环次数、当前次满充电压值及上一次循环放电容量;

10、寿命预测模块,用于将所述目标电池模组的当前次满充电压值及上一次循环放电容量,输入至电池剩余使用寿命预测模型中,以得到对应的预测rul值;所述电池剩余使用寿命预测模型为采用训练样本集,对预设相关向量机模型进行训练得到的;所述训练样本集中的每个样本均包括一个满充电压值、所述满充电压值对应的上一次循环放电容量及实际剩余使用寿命;

11、真实值确定模块,用于基于预设电池循环次数-rul对照表,根据所述充放电循环次数,确定真实rul值;

12、预测寿命确定模块,用于当所述真实rul值与所述预测rul值的差值处于预设误差范围内时,将所述预测rul值标记为最终的剩余使用寿命值。

13、第三方面,本专利技术提供一种电子设备,包括存储器及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使电子设备执行基于rvm的电池剩余使用寿命预测方法。

14、根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:

15、本专利技术公开一种基于rvm的电池剩余使用寿命预测方法、系统及设备,将动态可重构电池中目标电池模组的当前次满充电压值及上一次循环放电容量,输入至电池剩余使用寿命预测模型中,得到对应的预测rul值;其中,电池剩余使用寿命预测模型为采用训练样本集对预设相关向量机模型进行训练得到的;当通过查表得到的真实rul值与预测rul值的差值处于预设误差范围内时,将预测rul值标记为最终的剩余使用寿命值,其相对于简单的查表操作或离线预测,所得到的结果更为精准直观,且实现了在线预测电池剩余使用寿命,能够适用长期预测。

本文档来自技高网...

【技术保护点】

1.一种基于RVM的电池剩余使用寿命预测方法,其特征在于,方法包括:

2.根据权利要求1所述的基于RVM的电池剩余使用寿命预测方法,其特征在于,将所述目标电池模组的当前次满充电压值及上一次循环放电容量,输入至电池剩余使用寿命预测模型的步骤之前,方法还包括:

3.根据权利要求1所述的基于RVM的电池剩余使用寿命预测方法,其特征在于,方法还包括:

4.根据权利要求1所述的基于RVM的电池剩余使用寿命预测方法,其特征在于,所述预设电池循环次数-RUL对照表的构建原则为:

5.一种基于RVM的电池剩余使用寿命预测系统,其特征在于,系统包括:

6.根据权利要求5所述的基于RVM的电池剩余使用寿命预测系统,其特征在于,系统还包括:

7.一种电子设备,其特征在于,包括存储器及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使电子设备执行权利要求1-4任一项所述的基于RVM的电池剩余使用寿命预测方法。

【技术特征摘要】

1.一种基于rvm的电池剩余使用寿命预测方法,其特征在于,方法包括:

2.根据权利要求1所述的基于rvm的电池剩余使用寿命预测方法,其特征在于,将所述目标电池模组的当前次满充电压值及上一次循环放电容量,输入至电池剩余使用寿命预测模型的步骤之前,方法还包括:

3.根据权利要求1所述的基于rvm的电池剩余使用寿命预测方法,其特征在于,方法还包括:

4.根据权利要求1所述的基于rvm的电池剩余使用寿命预测...

【专利技术属性】
技术研发人员:柏绪恒杨峰慈松李学峰李超凡王运方张明
申请(专利权)人:云储新能源科技有限公司
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