【技术实现步骤摘要】
本专利技术涉及锂电池，特别涉及一种基于化成分容数据的锂电池容量预测方法。
技术介绍
1、在现有技术中，实际生产线上锂电池首先会进行化成，以激活电池；随后需要分容，进行多次充放电循环，来标定锂电池的容量，并对产品进行分级。其中，分容工艺需要大量的时间，并且消耗了大量电能。目前仅有头部几个电池企业取消分容工序或减少了分容设备。主要通过以下策略，一是提高前端工艺水平，使得生产的电池容量一致性高；二是基于已有的电池化成大数据与对应容量，建立起预测模型。
2、然而，在现有电池容量预测方法中，存在如下问题：一是提取特征时没有充分利用神经网络的特点，人为提取的特征不一定效果更好；二是在设计时没有充分利用化成时间序列数据的特点，没有设计有效的使用方法；三是现在公开的方法中往往只针对同一种批次的电池，当针对不同批次电池时还需要重新训练网络。
技术实现思路
1、本专利技术利用化成数据的增量容量（incremental capacity，ic）曲线，对其进行归一化处理后，充分利用其时间序列的特点，首...
【技术保护点】
1.一种基于化成分容数据的锂电池容量预测方法，其特征在于，所述基于化成分容数据的锂电池容量预测方法包括以下步骤：
2.根据权利要求1所述基于化成分容数据的锂电池容量预测方法，其特征在于，在步骤1中，所述每段序列的IC曲线为：
3.根据权利要求2所述基于化成分容数据的锂电池容量预测方法，其特征在于，在步骤2中，所述Savitzky-Golay滤波为：
4.根据权利要求3所述基于化成分容数据的锂电池容量预测方法，其特征在于，在步骤3中，对所述IC曲线进行放缩，使其区间变化为[-1:1]之间：
5.根据权利要求1所述基于化成分...
【技术特征摘要】
1.一种基于化成分容数据的锂电池容量预测方法，其特征在于，所述基于化成分容数据的锂电池容量预测方法包括以下步骤：
2.根据权利要求1所述基于化成分容数据的锂电池容量预测方法，其特征在于，在步骤1中，所述每段序列的ic曲线为：
3.根据权利要求2所述基于化成分容数据的锂电池容量预测方法，其特征在于，在步骤2中，所述savitzky-golay滤波为：
4.根据权利要求3所述基于化成分容数据的锂电池容量预测方法，其特征在于，在步骤3中，对所述ic曲线进行放缩，使其区间变化为[-1:1]之间：
5.根据权利要求1所述基于化成分容数据的锂电池容量预测方法，其特征在于，在步骤4中，所述上层训练集取多段时间序列特征中任意两段时间序列，其中在时间序列上较早的作为输入数据，较晚的作为输出标签。
6.根据权利要求1所述基于化成分容数据的锂电池容量预测方...
【专利技术属性】
技术研发人员：孙潇，张文珂，杨晓光，何洪文，孙逢春，
申请(专利权)人：北京理工大学，
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。