本申请涉及电池寿命预测,尤其涉及一种电池剩余寿命预测方法及装置。
背景技术:
1、电池因其高功率和能量密度、无记忆效应、低自放电率和长循环寿命的特性在储能领域被广泛应用,它可以存储和释放大量的电能,以满足电力需求的峰值和谷值之间的差异。
2、然而,电池的剩余寿命随着时间的推移逐渐退化,为了保证储能系统的可靠性及安全性,如何对电池的剩余寿命进行准确预测已成为亟需解决的问题。
技术实现思路
1、为了解决上述问题,本申请提出了一种电池剩余寿命预测方法及装置。
2、根据本申请的第一方面,提供了一种电池剩余寿命预测方法,包括:
3、基于待测电池最新一次循环的v-q放电曲线,确定所述待测电池当前的第一健康因子和第二健康因子;
4、根据所述第一健康因子和所述第二健康因子,确定所述待测电池是否处于早期循环阶段;
5、若所述待测电池处于早期循环阶段,将所述第一健康因子和所述第二健康因子输入至预设的基于加权最小二乘的支持向量机,获得所述待测电池的剩余寿命预测值;其中,所述基于加权最小二乘的支持向量机已学习得到电池的第一健康因子和第二健康因子与剩余寿命的映射关系。
6、在本申请的一些实施例中,所述基于待测电池最新一次循环的v-q放电曲线,获取所述待测电池当前的第一健康因子和第二健康因子,包括:
7、确定所述v-q放电曲线与坐标轴所围成的第一面积,并将所述第一面积作为所述第一健康因子;
8、根据所述v-q放电曲线,确定对容量求导后的dv/dq曲线;
9、确定所述dv/dq曲线与坐标轴所围成的第二面积,并将所述第二面积作为所述第二健康因子。
10、作为一种可能的实现方式,所述根据所述第一健康因子和所述第二健康因子,确定所述待测电池是否处于早期循环阶段,包括:
11、将所述第一健康因子与预设的第一健康因子阈值进行比对,并将所述第二健康因子与预设的第二健康因子阈值进行比对;
12、若所述第一健康因子大于所述第一健康因子阈值,且所述第二健康因子小于所述第二健康因子阈值,确定所述待测电池处于早期循环阶段。
13、在本申请的一些实施例中,所述基于加权最小二乘的支持向量机的训练过程包括:
14、基于电池的历史循环数据,确定训练集{(), (),…()},其中,n为样本容量,为基于所述历史循环数据确定的第一健康因子样本和第二健康因子样本,为与所对应的剩余寿命标签值;
15、确定核函数的函数表达式如下:
16、(1)
17、其中,为核函数;是径向基核函数的半径;
18、基于所述训练集和所述核函数,求解表达式(2)的最小值;
19、(2)
20、(3)
21、其中,为权值向量,c为正则化参数且c为大于0的常数;为所对应的误差项;为对应的权重向量;;和为权重误差的阈值;
22、获得所述基于加权最小二乘的支持向量机的函数表达式如下式(4):
23、(4)
24、其中,和为拉格朗日乘子。
25、其中,所述基于电池的历史循环数据,确定训练集,包括:
26、从所述电池的历史循环数据,确定电池容量衰减小于衰减阈值的目标历史循环数据;
27、基于所述目标历史循环数据,确定所述训练集。
28、在本申请的一些实施例中,求解所述表达式(2)时以如下等式(5)作为约束条件:
29、(5)
30、其中,φ(·)为非线性函数,φ(·)将训练集中的映射到高维特征空间,b为偏置值;
31、根据本申请的第二方面,提供了一种电池剩余寿命预测装置,包括:
32、第一确定模块,用于基于待测电池最新一次循环的v-q放电曲线,确定所述待测电池当前的第一健康因子和第二健康因子;
33、第二确定模块,用于根据所述第一健康因子和所述第二健康因子,确定所述待测电池是否处于早期循环阶段;
34、预测模块,用于若所述待测电池处于早期循环阶段,将所述第一健康因子和所述第二健康因子输入至预设的用于预测电池剩余寿命的支持向量机,获得所述待测电池的剩余寿命预测值;其中,所述支持向量机为基于加权最小二乘的支持向量机,且所述支持向量机已学习得到电池的第一健康因子和第二健康因子与剩余寿命的映射关系。
35、根据本申请的第三方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现上述第一方面所述的方法。
36、根据本申请的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一方面所述的方法。
37、根据本申请实施例的电池剩余寿命预测方法,基于待测电池最新一次循环的放电曲线,确定待测电池当前的第一健康因子和第二健康因子,根据第一健康因子和第二健康因子,确定待测电池是否处于早期循环阶段,若待测电池处于早期循环阶段,将第一健康因子和第二健康因子输入至预设的加权最小二乘的支持向量机,获得待测电池的剩余寿命预测值;其中,基于加权最小二乘的支持向量机已学习得到电池的第一健康因子和第二健康因子与剩余寿命的映射关系。本方案通过v-q放电曲线提取健康因子,并采用基于加权最小二乘的向量机对电池的剩余寿命进行预测,可以有效的提升预测精度。
38、本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
1.一种电池剩余寿命预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述基于待测电池最新一次循环的v-q放电曲线,获取所述待测电池当前的第一健康因子和第二健康因子,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一健康因子和所述第二健康因子,确定所述待测电池是否处于早期循环阶段,包括:
4.根据权利要求1所述的方法,其特征在于,所述基于加权最小二乘的支持向量机的训练过程包括:
5.根据权利要求4所述的方法,其特征在于,所述基于电池的历史循环数据,确定训练集,包括:
6.根据权利要求4所述的方法,其特征在于,求解所述表达式(2)时以如下等式(5)作为约束条件:
7.一种电池剩余寿命预测装置,其特征在于,包括:
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块具体用于:
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1至6中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一所述的方法。