用于预测电池的健康状态的方法和相关装置与流程

本公开总体上涉及电池运维，并且更具体地涉及一种用于预测电池的健康状态的方法和相关装置。

背景技术：

1、电池的健康状态(state of health，soh)随时间变化规律，也即电池的老化模式，可以用于评估电池的剩余寿命，因此电池的健康状态预测是电池运维技术领域的核心问题之一。但是，电池的老化模式与电池的用况(即电池的使用方式，包括充电模式、放电模式或工作负载模式等)息息相关，即使是相同的电池在不同的用况下也会经历不同的老化模式，例如如图1所示。因此，从给定用况(例如，实验室完全充放电测试情况)的电池数据训练得到的电池健康状态预测模型可能难以适于预测电池在新用况下的健康状态随时间变化规律。另外，在实际需要预测电池的健康状态时，往往至多仅有该电池少量的寿命早期数据，而不像在实验室测试电池时可以获得电池的全寿命周期数据，例如如图2所示。因此，在真实预测场景中，电池数据样本的稀少可能导致难以准确预测电池的健康状态。

技术实现思路

1、根据本公开的第一方面，提供了一种用于预测电池的健康状态的方法，包括：获取源域电池数据和目标域电池数据，所述源域电池数据包括多个参考电池中的每个参考电池在多种参考用况中的相应一种参考用况下在全寿命周期的电压随时间变化曲线，所述目标域电池数据包括目标电池在实际用况下在寿命早期的电压随时间变化曲线；基于所述多个参考电池的电压随时间变化曲线识别所述多个参考电池共同的特征电压变化区间，每个参考电池在所述特征电压变化区间内的电压变化模式都在该参考电池的电压随时间变化曲线中周期性出现；构造源域样本集合，包括对于在每个参考电池的电压随时间变化曲线中出现的每次特征电压变化区间都构造一个源域样本，该源域样本的样本输入包括该参考电池在该特征电压变化区间之前的第一多次特征电压变化区间的特征值和健康状态，特征值与健康状态有关，该源域样本的样本输出包括该参考电池在该特征电压变化区间之后的第二多次特征电压变化区间的健康状态；基于源域样本集合构造度量函数，所述度量函数用于度量样本输入之间的相似性；对于在目标电池的电压随时间变化曲线中出现的每次特征电压变化区间都构造一个目标域样本，该目标域样本的样本输入包括该目标电池在该特征电压变化区间之前的第一多次特征电压变化区间的特征值和健康状态；以及将基于度量函数确定的目标域样本的样本输入与源域样本集合中的源域样本的样本输入之间的相似性作为权值对源域样本集合中的源域样本的样本输出进行加权，从而合成目标域样本的样本输出作为目标电池的健康状态的预测值。

2、根据本公开的第二方面，提供了一种用于预测电池的健康状态的装置，包括：电池数据获取模块，被配置为获取源域电池数据和目标域电池数据，所述源域电池数据包括多个参考电池中的每个参考电池在多种参考用况中的相应一种参考用况下在全寿命周期的电压随时间变化曲线，所述目标域电池数据包括目标电池在实际用况下在寿命早期的电压随时间变化曲线；特征区间识别模块，被配置为基于所述多个参考电池的电压随时间变化曲线识别所述多个参考电池共同的特征电压变化区间，每个参考电池在所述特征电压变化区间内的电压变化模式都在该参考电池的电压随时间变化曲线中周期性出现；源域样本构造模块，被配置为构造源域样本集合，包括对于在每个参考电池的电压随时间变化曲线中出现的每次特征电压变化区间都构造一个源域样本，该源域样本的样本输入包括该参考电池在该特征电压变化区间之前的第一多次特征电压变化区间的特征值和健康状态，特征值与健康状态有关，该源域样本的样本输出包括该参考电池在该特征电压变化区间之后的第二多次特征电压变化区间的健康状态；度量函数构造模块，被配置为基于源域样本集合构造度量函数，所述度量函数用于度量样本输入之间的相似性；目标域样本构造模块，被配置为对于在目标电池的电压随时间变化曲线中出现的每次特征电压变化区间都构造一个目标域样本，该目标域样本的样本输入包括该目标电池在该特征电压变化区间之前的第一多次特征电压变化区间的特征值和健康状态；以及健康状态预测模块，被配置为将基于度量函数确定的目标域样本的样本输入与源域样本集合中的源域样本的样本输入之间的相似性作为权值对源域样本集合中的源域样本的样本输出进行加权，从而合成目标域样本的样本输出作为目标电池的健康状态的预测值。

3、根据本公开的第三方面，提供了一种用于预测电池的健康状态的计算设备，包括：一个或多个处理器；以及存储计算机可执行指令的存储器，所述计算机可执行指令在被所述一个或多个处理器执行时使得所述一个或多个处理器执行根据本公开的第一方面的任一实施例所述的用于预测电池的健康状态的方法。

4、根据本公开的第四方面，提供了一种其上存储有计算机可执行指令的非瞬态存储介质，所述计算机可执行指令在被计算机执行时使得计算机执行根据本公开的第一方面的任一实施例所述的用于预测电池的健康状态的方法。

5、通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得更为清楚。

技术特征：

1.一种用于预测电池的健康状态的方法，包括：

2.根据权利要求1所述的方法，还包括：

3.根据权利要求1或2所述的方法，其中，每个参考电池在特征电压变化区间内的电压变化模式是单调的并且处于充电阶段。

4.根据权利要求3所述的方法，其中，通过以下操作识别所述多个参考电池共同的特征电压变化区间：

5.根据权利要求1或2所述的方法，其中，特征值是单位电压变化范围的电量变化值。

6.根据权利要求2所述的方法，其中，

7.根据权利要求6所述的方法，其中，基于在目标电池的电压随时间变化曲线中特征电压变化区间出现的次数确定r，并且基于样本输出相对于样本输入的预设时域缩放比例确定(r×s)。

8.根据权利要求6所述的方法，其中，构造源域样本集合还包括：按不同周期缩放比分别对源域样本进行时域缩放，以得到按不同周期缩放比增强后的源域样本，其中参考电池b的第k次特征电压变化区间的按周期缩放比l增强后的源域样本包括

9.根据权利要求8所述的方法，其中，

10.根据权利要求8所述的方法，其中，基于源域样本集合构造度量函数fθ，使得

11.根据权利要求10所述的方法，其中，通过基于源域样本集合创建训练数据集以对神经网络模型进行训练来求解度量函数fθ的参数θ，所述神经网络模型的损失函数lθ被构造为

12.根据权利要求10所述的方法，其中，令c为目标电池，目标电池c的特征电压变化区间j具有特征值和健康状态则构造目标域样本包括：

13.根据权利要求12所述的方法，其中，周期缩放比q独立于周期缩放比l设置。

14.根据权利要求12所述的方法，其中，基于度量函数fθ确定按不同周期缩放比增强后的目标域样本与源域样本集合中的源域样本之间的匹配程度包括：

15.根据权利要求14所述的方法，其中，目标电池的未来健康状态被确定为其中分别是目标电池在第次出现特征电压变化区间时的健康状态的预测值。

16.根据权利要求1所述的方法，还包括：

17.一种用于预测电池的健康状态的装置，包括：

18.根据权利要求17所述的装置，其中，

19.一种用于预测电池的健康状态的计算设备，包括：

20.一种其上存储有计算机可执行指令的非瞬态存储介质，所述计算机可执行指令在被计算机执行时使得计算机执行根据权利要求1至16中任一项所述的用于预测电池的健康状态的方法。

技术总结
本公开涉及用于预测电池的健康状态的方法和相关装置。方法包括：获取包括参考电池在全寿命周期的电压随时间变化曲线的源域数据和包括目标电池在寿命早期的电压随时间变化曲线的目标域数据；识别特征电压变化区间；构造源域样本，其样本输入包括每个参考电池在每个特征电压变化区间之前的第一多次特征电压变化区间的特征值和健康状态，其样本输出包括该参考电池在该特征电压变化区间之后的第二多次特征电压变化区间的健康状态；基于源域样本构造度量样本输入相似性的度量函数；以类似构造源域样本的方式构造目标域样本；用目标域样本的样本输入与源域样本的样本输入之间的相似性对源域样本的样本输出加权以合成目标电池的健康状态预测值。

技术研发人员：张勇,李元春,李慧,刘云新,张策
受保护的技术使用者：数据天地创新科技有限公司
技术研发日：
技术公布日：2024/1/15