一种锂离子电池剩余寿命估测方法、装置以及存储介质与流程

本发明属于锂离子电池，具体涉及一种锂离子电池剩余寿命估测方法、装置以及存储介质。

背景技术：

1、由于锂离子电池在成本、能量密度和寿命方面的优异综合特性，已广泛应用于电动汽车、可再生能源系统和智能电网等领域。作为新能源系统储能单元中最重要以及最昂贵的部件，锂离子电池需要仔细监控和操作。众所周知，锂离子电池的性能在使用的过程中将随着使用不可避免地下降。锂离子电池性能的退化是一个非线性电化学过程，具有极其复杂的内部机制，并且在不同的工作条件下，退化机制差异很大。通常，当电池的容量下降到其初始值的80％时，就视为电池就会达到其使用寿命。准确而快速地预测电池剩余使用寿命对于bms确保运行可靠性和安全性至关重要，这对于电池制造商或者电池资产持有者确定电池维护策略至关重要。

2、近年来，人们提出了许多电池剩余使用寿命的预测方法。例如cn114839553a公开了一种电池剩余使用寿命预测方法和装置，需要对多个样本电池进行充放电实验，获取每个样本电池多次充放电循环的实验数据；根据每个样本电池多次充放电循环的实验数据获取每个样本电池的老化特性数据；对每个样本电池的老化特性数据进行预处理和特征工程，以所选择的特征构成数据集，并将数据集分为训练集和测试集；构建cnn和lstm的组合模型，其中，cnn去除了全连接层，输出为一维的特征向量，cnn的输出作为lstm的输入；通过训练集对cnn和lstm的组合模型进行训练，以得到电池剩余使用寿命预测器，并通过测试集对电池剩余使用寿命预测器进行测试；通过最终得到的电池剩余使用寿命预测器对待预测电池的剩余使用寿命进行预测。又例如cn113985294a提供了一种电池剩余寿命的预估方法及装置。其中，电池剩余寿命的预估方法包括获取锂电池历史充放电循环数据，并从其中提取从第一电压到第二电压的放电时间差和前向循环的电池容量，进而构成初始特征向量；基于初始特征向量及预先训练完成的寿命预测模型，进行迭代预测直到预测容量低于额定容量的预设比例，最终获得锂电池的剩余使用寿命预测值；其中，寿命预测模型为经天牛须搜索算法优化初始化参数的极限学习机模型。该预估方法提高了极限学习机的精准度及稳定性，最终提高了锂电池剩余使用寿命预测值的准确性。

3、由此可见，现有的电池剩余使用寿命估算将整个充电和/或放电过程的数据作为输入，或从中人为地提取特征来描述电池寿命，但在实际应用中，由于电池在实践中并不总是充满电或放电，例如，车用动力电池出于保护电池寿命的目的，通常人为限制了电池放电的最低soc值或者最高充电的soc值。此外，现有方法通常假设电池工作条件以及充放电策略是恒定不变的，但实际中很少存在这种工况，在大多数情况下，电池充电过程是随机的。因此实际使用中采用电池整个充电和/或放电过程的数据来进行剩余寿命估计条件苛刻，可行度较低，使用电池整个充电和/或放电过程的数据训练而获得的模型对比真实使用环境也存在一定的误差。综上所述，这些因素导致：1、电池剩余寿命的估测对数据的要求完整度高，大多需要全程数据，实际中不易获得；2、现有方法过于理想化，与实际工况切合度不高，导致预测的精度不够高。

4、本发明针对上述问题，充分考虑电池工作的不同环境、不同的充放电策略，不同的充放电强度等因素，利用一种全新的数据加工手段以及对应的卷积神经网络模型，提出一种切合电池实际使用真实工况的电池剩余寿命预测方法。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种锂离子电池剩余寿命估测方法、装置以及存储介质，充分考虑了电池工作的环境、充放电策略以及充放电强度等因素，利用一种全新的数据加工手段以及对应的卷积神经网络模型，从而实现对锂离子电池在复杂工作环境下的剩余寿命的估测。

2、为达到上述目的，本发明提供如下技术方案：

3、本发明所提供的一种锂离子电池剩余寿命估测方法，包括：

4、步骤s01、采集目标锂离子电池在不同充放电循化下所对应连续soc值变化的状态信息；连续soc值变化区间为10％-30％；状态信息包括每次充放电循环中的循环周期数、电压、电流、电池温度、环境温度以及soc信息；循环周期数大于10次；

5、步骤s02、对状态信息进行预处理后以soc值及充电循环周期数分别对应二维坐标系的两个坐标轴生成二维表格，利用状态信息对二维表格进行加工得到多个数据表格，多个表格数据包括电压数据表格、电流数据表格以及温度数据表格；

6、步骤s03、将电压数据表格、电流数据表格以及温度数据表格输入预先训练的估测神经网络模型，输出锂离子电池剩余寿命的估测结果。

7、优选的，连续soc变化区间为20％，循环周期数为20次。

8、优选的，温度数据为电池温度信息或者电池温度信息与环境温度的差值。

9、优选的，神经网络模型通过以下步骤训练得到：

10、步骤s1、获取电池充放电实验数据集；

11、步骤s2、对电池充放电实验数据集中的数据进行预处理后，构建电池充放电特性神经网络训练数据集与验证数据集；

12、步骤s3、利用训练数据集输入预先搭建好的卷积神经网络模型中进行训练，并根据贝叶斯优化算法调整卷积神经网络模型中的超参数，得到训练好的卷积神经网络模型，其中，超参数包括卷积层中的过滤器数量、卷积核的大小、轮询大小、全连接层中的神经元数量；

13、步骤s4、利用验证数据集对训练好的卷积神经网络模型进行验证，根据卷积神经网络模型输出的估测结果和实际结果的误差对比预设允许的误差范围来判断是否验证通过，若验证未通过则继续调整卷积神经网络模型中的超参数，直至验证数据集验证通过后得到估测神经网络模型。

14、优选的，卷积神经网络模型从输入至输出依次包括：第一3d卷积层、第二3d卷积层、第一2d卷积层、第二2d卷积层、池化层以及接层，采用残差网络结果搭建；第一3d卷积层初步融合了电流与电压、电流与温度之间的特征，输出初步融合3d矩阵；第二3d卷积层进一步融合初步融合3d矩阵输出2d矩阵；第二3d卷积层的输出以及第一2d卷积层的输出被转移到残差网络，通过跳跃连接将提取的特征信息矩阵转移到全连接层，在残差网络的每个连接中使用池化层或dropout层。

15、优选的，电池充放电实验数据集通过以下步骤得到：

16、步骤s11、将同一规格参数的多个电池样本随机分成n个第一类组，将n个第一类组分别对应采用n种不同的充放电策略；

17、步骤s12、将每个第一类组分成m个第二类组，将m个第二类组分别对应采用m种不同的环境温度；

18、步骤s13、通过电池bms、测试传感器或者外部温度传感器间隔记录分组后的电池在每次充放电循环中的循环周期数、电压、电流、电池温度、环境温度、soc信息，从而收集到m*n组对应不同充电策略以及环境温度的全周期电池充放电实验数据集，其中，间隔记录参考为soc值或者时间值。

19、优选的，步骤s2包括：

20、步骤s21、对于电池充放电实验数据集中的任意一组数据，使用降噪方法去除其中的干扰数据；

21、步骤s22、设根据预先定的多个连续soc变化区间，以soc变化区间以及循环周期数分别对应二维坐标系的两个坐标轴生成二维表格；

22、步骤s23、利用该组数据的电压、电流以及温度数据分别对二维表格进行加工得到表格数据，利用表格数据生成第一数据集；

23、步骤s24、确定电池充放电实验数据集中的每一组数据所对应的第一数据集后，随机分配80％的第一数据集作为训练数据集，剩余20％的第一数据集作为验证数据集。

24、优选的，还包括：

25、记录验证数据集中多个第一数据集在估测神经网络模型验证过程中所产生的该数据集的拟合精度误差数值；

26、当状态信息中多次充放电循环所对应的soc区间、温度值以及充电策略的离散程度至少一项大于对应预设的第一离散程度阈值、第二离散程度阈值以及第三离散程度阈值时，根据所记录的根据不同soc区间、不同温度、不同充电策略的拟合精度误差数值，对估测结果进行加权平均计算得到第二估测结果。

27、为达到以上目的，本发明还提供了一种锂离子电池剩余寿命估测装置，包括：

28、数据采集模块，用于采集目标锂离子电池在不同充放电循化下所对应连续soc值变化的状态信息；连续soc值变化区间为10％-30％；状态信息包括每次充放电循环中的循环周期数、电压、电流、电池温度、环境温度以及soc信息；循环周期数大于10次；

29、数据处理模块，用于对状态信息进行预处理后以soc值及充电循环周期数分别对应二维坐标系的两个坐标轴生成二维表格，利用状态信息对二维表格进行加工得到多个数据表格，多个表格数据包括电压数据表格、电流数据表格以及温度数据表格；

30、剩余寿命估测模块，用于将电压数据表格、电流数据表格以及温度数据表格输入预先训练的估测神经网络模型，输出锂离子电池剩余寿命的估测结果。

31、为达到以上目的，本发明还提供了一种计算机存储介质，计算机存储介质存储有计算机可执行指令，计算机可执行指令被执行时实现权利要求1至8任一项方法的步骤。

32、本发明至少取得了以下有益效果：

33、1.充分考虑到了电池工作的环境、充放电策略以及充放电强度等因素，利用一种全新的数据加工手段通过卷积神经网络模型，从而实现对锂离子电池在复杂工作环境下的剩余寿命的估测。

34、2.构建的模型集成了三维和二维神经网络，将电池的电压、电流和温度曲线作为输入，而不是将它们视为模型输入的三个不同通道，这样可以更好地捕捉电池内部的复杂关系，有效地提取和建模了其中隐藏的特征，并将周期之间的差异作为并行网络结构，以提高精度。

35、3.利用残差网络保留不同深度的特征，有效捕捉曲线的整体趋势和各周期之间的差异，进一步提高预测性能。结果表明，本方法能够利用较为短的连续soc数值变化区间在较少次循环的数据预测电池从电池早期到寿命结束的电池寿命。

36、本发明的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。