容量曲线的电动自行车退役电池剩余寿命预测方法及系统技术方案

本发明专利技术公开了容量曲线的电动自行车退役电池剩余寿命预测方法及系统，涉及深度学习电池剩余寿命预测技术领域，包括：获取电动自行车退役电池全生命周期退化数据并对进行预处理，分解预处理后的数据得到不同的模态分量；对各模态分量进行归一化，并进行学习；将XGBoost模型的输出作为一个新特征，和模态分量进行变化规律的学习，将XGBoost的输出和神经网络的输出进行加权组合得到各模态分量的预测结果；将预测结果进行相加重构得到最终电池剩余寿命预测结果，并进行评估。本发明专利技术通过对电动自行车电池容量数据进行模态分解、特征提取以及特征学习，有效地学习到电池容量序列的变化情况，提高对电动自行车退役电池剩余寿命的预测精度。

【技术实现步骤摘要】

本专利技术涉及深度学习电池剩余寿命预测，具体为容量曲线的电动自行车退役电池剩余寿命预测方法及系统。

技术介绍

1、近年来，随着能源问题与环境问题的日益突出同时伴随着外卖和快递的业务的进一步扩展，电动自行车的存量急速增长。而锂电池凭借着其循环寿命长、能量密度大等突出优点逐渐成为电动自行车电池的主力。除了被应用于电动自行车外，锂离子电池在智能电网、储能等领域也有着较为广泛的应用。因储能领域对电池能量密度要求低于电动自行车，用于电动自行车的锂电池退役后可被用于储能领域。然而，与其他电化学能源相似，因内部物理化学反应的变化，锂离子电池在使用过程中会逐渐出现容量衰减的状况。按照ieee标准规定当电池容量低于出厂额定值的80％时，锂离子电池需要从电动自行车上拆下来。如果退役电池能被妥善处置，这些电池就能够被再次利用，提高经济效益节省资源。

2、相比新电池，退役电池由于老化的特点，需要更为精准的电池健康管理系统，以确保储能设施使用的安全性，防止过度老化造成的危险。对退役锂离子电池的容量估算和剩余寿命的预测可以帮助用户实时监控电池状态并在发生故障前维护电池组以本文档来自技高网...

【技术保护点】

1.容量曲线的电动自行车退役电池剩余寿命预测方法，其特征在于，包括：

2.如权利要求1所述的容量曲线的电动自行车退役电池剩余寿命预测方法，其特征在于：所述预处理包括，对获取到的电动自行车退役电池容量时间序列进行解析、数据清洗以及数据补充；

3.如权利要求2所述的容量曲线的电动自行车退役电池剩余寿命预测方法，其特征在于：所述采用VMD算法分解包括，所述VMD算法将预处理后的电池容量序列数据分解成k个不同的模态分量，对得到的若干个模态分量子序列分别建模预测并重构，分解过程包括问题的建立和问题的求解两个过程；

4.如权利要求3所述的容量曲线的电动自行车退役电...

【技术特征摘要】

1.容量曲线的电动自行车退役电池剩余寿命预测方法，其特征在于，包括：

2.如权利要求1所述的容量曲线的电动自行车退役电池剩余寿命预测方法，其特征在于：所述预处理包括，对获取到的电动自行车退役电池容量时间序列进行解析、数据清洗以及数据补充；

3.如权利要求2所述的容量曲线的电动自行车退役电池剩余寿命预测方法，其特征在于：所述采用vmd算法分解包括，所述vmd算法将预处理后的电池容量序列数据分解成k个不同的模态分量，对得到的若干个模态分量子序列分别建模预测并重构，分解过程包括问题的建立和问题的求解两个过程；

4.如权利要求3所述的容量曲线的电动自行车退役电池剩余寿命预测方法，其特征在于：所述归一化包括，对经过vmd分解得到的k个模态分量分别进行归一化处理，初始时间序列为通过归一化计算将时间序列里的每个值限定在[0，1]范围内；

5.如权利要求4所述的容量曲线的电动自行车退役电池剩余寿命预测方法，其特征在于：所述构建xgboost模型包括，通过多次迭代训练多个决策树模型，并将决策树模型组合进行预测；

6.如权...

【专利技术属性】
技术研发人员：赵博超，马嘉骏，栾文鹏，刘博，
申请(专利权)人：天津大学，
类型：发明
国别省市：