锂电池剩余使用寿命预测方法、系统及介质技术方案

本申请涉及一种锂电池剩余使用寿命预测方法、系统及介质，方法包括，数据预处理，提取间接健康因子IHI，对提取的间接健康因子IHI进行融合，然后对融合后的间接健康因子IHI进行小波滤噪；网络优化，将粒子群算法PSO中的粒子群划分为个，对每个子群独立优化并引入子群合并与分裂形成动态多群粒子群算法，将LSTM网络结构中的遗忘门和输入门进行耦合，将改进CNN‑LSTM网络中需要手动确定的超参数输入动态多群粒子群算法中，进行轮寻优以最终确定网络中的超参数；锂电池剩余使用寿命预测。本申请实现更为准确的参数计算，并避免出现局部最优等问题。

【技术实现步骤摘要】

本申请涉及锂电池预测性维护与健康管理领域，具体为一种锂电池剩余使用寿命预测方法、系统及介质。

技术介绍

1、锂离子电池作为电动汽车、电网系统和消费电子等应用领域的核心动力源，已成为现代社会不可或缺的组成部分。充放电循环次数的增加将不可避免地导致电池效率的持续衰减并最终影响系统整体性能和可靠性。建立可靠的电池健康状态预测系统对保障电子设备和储能设备的安全高效运行至关重要。而剩余使用寿命（rul）作为表征电池健康状态的关键指标，其准确估计可支持用户指定维护更换计划并做出科学管理决策。

2、随着机器学习和人工智能技术的兴起，基于数据驱动的电池寿命预测与健康评估方法蓬勃发展。目前学术界已采用多种模型进行电池rul预测，包括决策树(dt)、随机森林(rf)、多层感知机(mlp)、长短期记忆网络(lstm)、循环神经网络(rnn)以及双向lstm(bi-lstm)等。

3、在群智能优化算法中，粒子群算法(pso)因其结构简单、收敛速度快得到了学者们的广泛关注。但其核心缺陷在于粒子在搜索过程中容易过早收敛，陷入局部最优解。p>

本文档来自技高网...

【技术保护点】

1.一种锂电池剩余使用寿命预测方法，其特征在于，包括以下具体步骤：

2.根据权利要求1所述的一种锂电池剩余使用寿命预测方法，其特征在于，所述提取间接健康因子IHI包括从锂离子电池充放电数据中提取能够反映电池容量退化趋势的间接健康因子，提取结果为：不同循环下的电压斜率最小值、充电温度到达峰值时间、等时间间隔放电电压、等时间间隔放电温度差、等压升充电时间、内阻曲线、等放电电压持续时间、放电电压到达最低值时间和放电温度到达峰值时间。

3.根据权利要求1所述的一种锂电池剩余使用寿命预测方法，其特征在于，所述对提取的间接健康因子IHI进行融合具体为，使用标准化公式对IHI构...

【技术特征摘要】

1.一种锂电池剩余使用寿命预测方法，其特征在于，包括以下具体步骤：

2.根据权利要求1所述的一种锂电池剩余使用寿命预测方法，其特征在于，所述提取间接健康因子ihi包括从锂离子电池充放电数据中提取能够反映电池容量退化趋势的间接健康因子，提取结果为：不同循环下的电压斜率最小值、充电温度到达峰值时间、等时间间隔放电电压、等时间间隔放电温度差、等压升充电时间、内阻曲线、等放电电压持续时间、放电电压到达最低值时间和放电温度到达峰值时间。

3.根据权利要求1所述的一种锂电池剩余使用寿命预测方法，其特征在于，所述对提取的间接健康因子ihi进行融合具体为，使用标准化公式对ihi构成的特征矩阵进行标准...

【专利技术属性】
技术研发人员：陈玉学，臧祉杰，汤文军，杨同寿，赵新，王瑞刚，
申请(专利权)人：福建长航绿色智能船舶研究院有限公司，
类型：发明
国别省市：