一种新能源汽车电池包寿命预测方法及系统

本发明涉及电池，具体涉及一种新能源汽车电池包寿命预测方法及系统。

背景技术：

1、新能源汽车产业的蓬勃发展推动了锂电池大规模应用。作为电动汽车的核心组件，锂电池因具有高能量密度、低自放电率、长周期寿命、快速充电能力等优点。然而，锂电池在多次充电与放电循环后，锂电池内部会发生一系列的物化学反应导致电池老化和退化的问题。电池的老化会导致电池容量下降、充电时间延长，内部会产生锂枝晶刺穿隔膜导致电池内部短接，造成电池的热失控引发燃烧爆炸，最终影响汽车的续航里程和可靠性。因此，准确估计锂离子电池健康度(soh)以及预测电池剩余寿命(rul)是电池管理的重要内容，对延长电池寿命和保障电池系统可靠性和稳定性具有重要意义。目前的研究和技术着重于研究道路车辆电池的剩余寿命预测，而关于利用电池包测试时的数据进行寿命预测研究和技术。对电池包测试后利用测试的数据对电池剩余寿命预测可以避免需要在车辆行驶在道路上进行数据采集，然后通过模型训练预测soh导致预警不够提前的问题。

技术实现思路

1、针对上述问题，本发明提出了一种新能源汽车电池包寿命预测方法及系统。

2、本发明采用的技术方案是：

3、本发明提供了一种新能源汽车电池包寿命预测系统，系统包括：附图1中的，上位机控制软件(1)、电池控制模块(2)、振动控制器(4)、振动台(5)、环境仓部分(3)。

4、新能源汽车电池包寿命预测系统的电池控制模块通过以太网或串口与上位机通讯。上位机控制软件通过自定义的命令控制电池控制模块的数据采集频率、采集精度、及采集格式、电池充放电策略。电池控制模块通过以太网或者串口定时发送采集的数据给上位机控制软件。

5、新能源汽车电池包寿命预测系统的电池控制模块包含mcu微控制器、电池充放电电压电流检测模块、以太网通讯模块、串口通讯模块，内置soc和soh估算算法实时计算电池的电池充电状态soc和电池健康状态值soh信息。

6、新能源汽车电池包寿命预测系统的上位机控制软件通过以太网控制振动控制器，振动控制器控制振动台对电池包进行振动老化测试，振动类型包括正弦振动测试、随机振动测试、冲击振动测试，以及上述三种类型的两两的组合类型。

7、新能源汽车电池包寿命预测系统的上位机控制软件通过以太网或串口控制环境仓，环境仓的通讯协议为modbus，环境仓功能包含温度控制、湿度控制、气压控制。上位机控制软件设置不同的温度、湿度、气压的策略来测试电池包在不同环境下的充放电变化。

8、新能源汽车电池包寿命预测系统的上位机控制软件基于预先设计的测试策略，对电池进行循环充放电测试。在测试过程中，上位机控制软件通过电池控制模块采集的数据包含时间戳、电池电压、电池电流、电池内阻、电池温度。上位机控制软件通过振动控制器采集的数据包括时间戳、加速度、速度、位移、频率、驱动。上位机控制软件通过环境仓采集的数据包括时间戳、温度、湿度、压强。对采集的数据上位机控制软件按照数据表的方式写入数据库表中。

9、上位机控制软件内置的一种新能源汽车电池包寿命预测方法包括如下步骤：

10、s1：通过新能源汽车电池包寿命预测系统，上位机控制软件进行电池测试和数据采集。

11、s2：数据预处理：对于数据库中采集到的数据，通过箱线图法和3σ准则对异常数据筛选，超出正常范围的数据进行剔除。

12、s3：对采集电池所得到的数据进行ceemdan分解，获得关于电池老化特征数据的本征模态分量和残差分量。

13、s4：综合采集的数据和ceemdan分解得到的数据，基于高斯过程回归算法构建的电池老化趋势模型，预测得到初始寿命预测结果。

14、s5：综合采集的数据和ceemdan分解得到的数据，结合双向门控循环单元模型对s4步骤初始预测结果进行残差补偿，获得初始寿命预测残差补偿。

15、s6：将初始寿命预测结果与初始寿命预测残差补偿相加得到电池寿命预测值。

16、一种新能源汽车电池包寿命预测方法中的s2步骤数据预处理方法具体步骤如下：

17、(1)对需要过滤异常数据的特征列统计其最小值、最大值、中位数、平均数，记为μ、方差、和标准差σ。

18、(2)应用箱线图法过滤法，统计数据列的第一四分位数q1：等于该样本中所有数值由小到大排列后第25％的数据，第三四分位数q3：等于该样本中所有数值由小到大排列后第75％的数字及四分位间距iqr＝q3-q1。对于数值超出下限计算公式(q1-1.5·iqr)的异常数据和数值超出上限计算公式(q3+1.5·iqr)异常数据进行删除操作。

19、(3)应用3σ准则过滤法对异常数据筛选，对于数据值超出下限计算公式(μ-3σ)的异常数据和超上限计算公式(μ+3σ)异常数据进行删除操作。

20、(4)对需要过滤异常数据使用箱线图法过滤法及3σ准则过滤法，只保留在两种过滤法合理范围内的数据，即没有超过任何一种过滤法上限或者下限。

21、一种新能源汽车电池包寿命预测方法中的s3步骤对采集电池所得到的数据进行ceemdan分解，选取电池的电池电压、电池电流、电池内阻、soc为电池信号特征向量。具体包括：

22、(1)对每一个电池信号特征向量s(t)加入高斯白噪声ωi(t)得到新的信号，如下所示：

23、

24、其中：ε0为控制附加噪声与原始信号之间的信噪比。

25、(2)对上述s(t)信号进行i次eemd分解，得到第一阶模态分量，如下所示：

26、

27、(3)计算第一残余分量如下式所示：

28、r1(t)＝s(t)-imf1(t)

29、(4)先从白噪声的emd分解中得到第一本征模态分量的值，然后将其加到残差信号中。待分解信号更新为r1(n))+ε1e1(ωi(n))。重复第2步的计算得到imf2，如下所示：

30、

31、(5)继续计算当k＝2，3，…，k时的残差分量，如下所示：

32、rk(t)＝rk-1(t)-imfk(t)

33、(6)分解当i＝1，2，3，…，i时的rk(n)+εkek(ωi(n))，直到获取到所有的emd分解第一本征模态分量，如下所示：

34、

35、(7)重复步骤5到7直到残差信号最多只有一个极值。

36、(8)最后，原始信号可以通过k个本征模态分量imfk和残差分量r(t)表示：

37、

38、一种新能源汽车电池包寿命预测方法所述的s4步骤基于高斯过程回归算法构建的电池老化趋势模型，预测得到初始寿命预测结果。具体包括：

39、(1)取数据矩阵a中的振动台特征向量、环境仓特征向量、电池的电池电压、电池电流、电池内阻、soc、k个本征模态分量imfk和残差分量r(t)为xt向量，soh为yi。组成矩阵d＝(x，y)＝{(xt，yt|t＝1，...，n}。

40、(2)对于新的数据x*，选取其的电池电压、电池电流、电池内阻、soc的加入到历史电池信号特征向量中，使用ceemdan分解获得过k个本征模态分量imfk和残差分量r(t)，并且加入到数据矩阵a中。

41、(3)对于新的数据xt*，其预测的初始寿命预测结果sohyt*，如下表示：

42、yt*＝k(x*，x)k(x，x)-1y

43、其中：k为协方差函数，为径向基函数核。

44、一种新能源汽车电池包寿命预测方法所述的s5步骤结合双向门控循环单元模型对s4步骤初始预测结果进行残差补偿，获得初始寿命预测残差补偿。双向门控循环单元结构包含更新门和重置门。更新门决定是否更新当前时间步的隐藏状态，重置门决定是否忽略历史输入并重新初始化隐藏状态。通过更新门和重置门的组合提取电池老化信号中的特征。具体包括：

45、(1)取数据矩阵a中的振动台特征向量、环境仓特征向量、电池的电池电压、电池电流、电池内阻、soc、k个本征模态分量imfk和残差分量r(t)为xt向量，soh为yi。组成矩阵d＝(x，y)＝{(xt，yt|t＝1，...，n}。

46、(2)基于深度学习框架搭建双向门控循环单元模型单元，通过t时刻的输入xt计算重置门的结果rt和更新门的结果zt，计算方法如下所示：

47、rt＝σ(wrxt+urht-1+br)

48、zt＝σ(wzxt+uzht-1+bz)

49、其中：ht-1为t-1时刻的隐藏状态向量，wr和wz为xt对应重置门和更新门的权重矩阵，ur和uz为br和bz为偏置向量，⊙为hadamard积运算。σ为sigmoid函数，对每一个元素执行操作。

50、(3)通过输入向量xt和重置门的结果rt及t-1时刻的隐藏状态ht-1计算候选隐藏状态计算方法如下所示：

51、

52、其中：φ为tanh函数，⊙为hadamard积运算，wh和uh分别为权重矩阵，bh为偏置向量。

53、(5)通过更新门的结果zt和候选隐藏状态计算输出隐藏状态ht，计算方法如下所示：

54、

55、其中：⊙为hadamard积运算。

56、(6)在输出隐藏状态ht之后加入线性层计算得到初始寿命预测残差补偿，计算方法如下所示：

57、

58、其中：wo为权重矩阵，σ为sigmoid函数，对每一个元素执行操作。

59、一种新能源汽车电池包寿命预测方法所述的步骤s6述初始寿命预测结果与初始寿命预测残差补偿相加得到合并的电池寿命预测值。所述电池寿命预测值用于根据预设电池健康状态值阈值比较确定对应的充放电循环数得到电池寿命预测结果。

60、本发明具有的有益效果是：

61、新能源汽车电池包寿命预测系统可以对电池包测试并且记录测试过程中的数据，汽车电池包寿命预测方法利用电池包测试时的数据进行寿命预测。对电池包测试后利用测试的数据对电池剩余寿命预测可以避免需要在车辆行驶在道路上进行数据采集，然后通过模型训练预测soh导致预警不够提前的问题。