一种锂电池容量衰减趋势预测方法及系统与流程

本发明涉及锂电池检测，特别指一种锂电池容量衰减趋势预测方法及系统。

背景技术：

1、锂电池具有高能量比、高循环寿命、无记忆效应等优点，广泛应用于船舶、汽车、航空航天等领域。然而，锂电池经过长期的充放电循环后，可用容量会下降，性能会下降，并可能出现安全隐患，因此，预测锂电池的容量衰减趋势非常重要。

2、在锂电池的循环寿命加速测试中，不同的测试工况条件(如温度、倍率等)、测试条件、环境切换、锂电池静置等都会对容量衰减趋势造成影响，且由于锂电池的弛豫效应，往往会在中间过程产生电池容量反向增生的现象，如何准确地分析影响因素并预测衰减趋势，对于锂电池的状态估计和老化预测有非常重要的意义。

3、针对电池容量衰减趋势的预测，传统上存在基于模型的预测方法和基于数据驱动的预测方法。基于模型的预测方法需要对退化机理进行深入理解、充分反映退化过程的特征或退化模型的经验知识，这限制了模型的实际应用；基于数据驱动的预测方法，即使用机器学习或深度学习对锂电池大数据进行分析并提取特征，进而进行电池容量衰减趋势的预测，然而，该方法没有考虑容量增生的影响，导致预测结果与真实结果存在一定偏差。

4、因此，如何提供一种锂电池容量衰减趋势预测方法及系统，实现提升容量衰减趋势预测的精度，成为一个亟待解决的技术问题。

技术实现思路

1、本发明要解决的技术问题，在于提供一种锂电池容量衰减趋势预测方法及系统，实现提升容量衰减趋势预测的精度。

2、第一方面，本发明提供了一种锂电池容量衰减趋势预测方法，包括如下步骤：

3、步骤s10、基于cnn和lstm创建一正常衰减预测模型，并对所述正常衰减预测模型进行训练；

4、步骤s20、基于dnn创建一容量增生预测模型，并对所述容量增生预测模型进行训练；

5、步骤s30、基于训练后的所述正常衰减预测模型以及容量增生预测模型生成一容量衰减趋势预测模型；

6、步骤s40、利用所述容量衰减趋势预测模型进行锂电池的容量衰减趋势预测。

7、进一步地，所述步骤s10具体包括：

8、步骤s11、基于cnn和lstm创建一正常衰减预测模型；所述cnn采用conv2d卷积核，用于将输入数据卷积成lstm需要的数据维度；

9、步骤s12、获取大量的至少包括电压、电流、电阻、温度、功率以及充放电时间的第一充放电数据；

10、步骤s13、设定一时长阈值，基于所述时长阈值对第一充放电数据进行顺序截取得到若干个充放电子数据，对时长不满足所述时长阈值的充放电子数据用0进行填充；

11、步骤s14、利用各所述充放电子数据对正常衰减预测模型进行训练。

12、进一步地，所述步骤s20具体为：

13、基于dnn创建一用于预测容量增生幅度和容量增生周期的容量增生预测模型；获取大量的至少包括静置时间、环境温度、soh、电池容量以及充放电策略的第二充放电数据，利用各所述第二充放电数据对容量增生预测模型进行训练。

14、进一步地，所述容量增生幅度的计算公式为：

15、容量增生幅度＝(增生后的soh-增生前的soh)/增生前的soh；

16、所述容量增生周期表示相邻两次容量增生的等效充放电循环次数。

17、进一步地，所述步骤s30中，所述容量衰减趋势预测模型用于将正常衰减预测模型预测的容量，融合容量增生预测模型预测的容量增生幅度和容量增生周期的相对值，进而以容量增生幅度和容量增生周期的绝对值拟合输出容量衰减曲线。

18、第二方面，本发明提供了一种锂电池容量衰减趋势预测系统，包括如下模块：

19、正常衰减预测模型训练模块，用于基于cnn和lstm创建一正常衰减预测模型，并对所述正常衰减预测模型进行训练；

20、容量增生预测模型训练模块，用于基于dnn创建一容量增生预测模型，并对所述容量增生预测模型进行训练；

21、容量衰减趋势预测模型生成模块，用于基于训练后的所述正常衰减预测模型以及容量增生预测模型生成一容量衰减趋势预测模型；

22、容量衰减趋势预测模块，用于利用所述容量衰减趋势预测模型进行锂电池的容量衰减趋势预测。

23、进一步地，所述正常衰减预测模型训练模块具体包括：

24、正常衰减预测模型创建单元，用于基于cnn和lstm创建一正常衰减预测模型；所述cnn采用conv2d卷积核，用于将输入数据卷积成lstm需要的数据维度；

25、第一充放电数据获取单元，用于获取大量的至少包括电压、电流、电阻、温度、功率以及充放电时间的第一充放电数据；

26、充放电数据截取单元，用于设定一时长阈值，基于所述时长阈值对第一充放电数据进行顺序截取得到若干个充放电子数据，对时长不满足所述时长阈值的充放电子数据用0进行填充；

27、模型训练单元，用于利用各所述充放电子数据对正常衰减预测模型进行训练。

28、进一步地，所述容量增生预测模型训练模块具体用于：

29、基于dnn创建一用于预测容量增生幅度和容量增生周期的容量增生预测模型；获取大量的至少包括静置时间、环境温度、soh、电池容量以及充放电策略的第二充放电数据，利用各所述第二充放电数据对容量增生预测模型进行训练。

30、进一步地，所述容量增生幅度的计算公式为：

31、容量增生幅度＝(增生后的soh-增生前的soh)/增生前的soh；

32、所述容量增生周期表示相邻两次容量增生的等效充放电循环次数。

33、进一步地，所述容量衰减趋势预测模型生成模块中，所述容量衰减趋势预测模型用于将正常衰减预测模型预测的容量，融合容量增生预测模型预测的容量增生幅度和容量增生周期的相对值，进而以容量增生幅度和容量增生周期的绝对值拟合输出容量衰减曲线。

34、本发明的优点在于：

35、通过创建用于预测锂电池容量主要衰减趋势的正常衰减预测模型，创建用于预测容量增生幅度和容量增生周期的容量增生预测模型，并对正常衰减预测模型和容量增生预测模型进行训练，再基于训练后的正常衰减预测模型以及容量增生预测模型生成容量衰减趋势预测模型，最后利用容量衰减趋势预测模型进行锂电池的容量衰减趋势预测，即综合考虑了锂电池退化过程中的主要衰减趋势以及容量增生，降低容量衰减趋势预测的误差，进而极大的提升了容量衰减趋势预测的精度。

技术特征：

1.一种锂电池容量衰减趋势预测方法，其特征在于：包括如下步骤：

2.如权利要求1所述的一种锂电池容量衰减趋势预测方法，其特征在于：所述步骤s10具体包括：

3.如权利要求1所述的一种锂电池容量衰减趋势预测方法，其特征在于：所述步骤s20具体为：

4.如权利要求3所述的一种锂电池容量衰减趋势预测方法，其特征在于：所述容量增生幅度的计算公式为：

5.如权利要求1所述的一种锂电池容量衰减趋势预测方法，其特征在于：所述步骤s30中，所述容量衰减趋势预测模型用于将正常衰减预测模型预测的容量，融合容量增生预测模型预测的容量增生幅度和容量增生周期的相对值，进而以容量增生幅度和容量增生周期的绝对值拟合输出容量衰减曲线。

6.一种锂电池容量衰减趋势预测系统，其特征在于：包括如下模块：

7.如权利要求6所述的一种锂电池容量衰减趋势预测系统，其特征在于：所述正常衰减预测模型训练模块具体包括：

8.如权利要求6所述的一种锂电池容量衰减趋势预测系统，其特征在于：所述容量增生预测模型训练模块具体用于：

9.如权利要求8所述的一种锂电池容量衰减趋势预测系统，其特征在于：所述容量增生幅度的计算公式为：

10.如权利要求6所述的一种锂电池容量衰减趋势预测系统，其特征在于：所述容量衰减趋势预测模型生成模块中，所述容量衰减趋势预测模型用于将正常衰减预测模型预测的容量，融合容量增生预测模型预测的容量增生幅度和容量增生周期的相对值，进而以容量增生幅度和容量增生周期的绝对值拟合输出容量衰减曲线。

技术总结
本发明提供了锂电池检测技术领域的一种锂电池容量衰减趋势预测方法及系统，方法包括如下步骤：步骤S10、基于CNN和LSTM创建一正常衰减预测模型，并对所述正常衰减预测模型进行训练；步骤S20、基于DNN创建一容量增生预测模型，并对所述容量增生预测模型进行训练；步骤S30、基于训练后的所述正常衰减预测模型以及容量增生预测模型生成一容量衰减趋势预测模型；步骤S40、利用所述容量衰减趋势预测模型进行锂电池的容量衰减趋势预测。本发明的优点在于：极大的提升了容量衰减趋势预测的精度。

技术研发人员：何学智,汤慈全,刘作斌
受保护的技术使用者：福建星云电子股份有限公司
技术研发日：
技术公布日：2024/1/12