电池寿命预测模型生成及预测方法、装置、设备及介质与流程

本发明涉及电池，尤其涉及电池寿命预测模型生成及预测方法、装置、设备及介质。

背景技术：

1、电池剩余使用寿命(remaining useful life,rul)是指从当前充放电周期到电池失效时(通常认为电池容量为初始额定容量的70％时)所经历的循环次数。由于电池老化过程的复杂机理和电池内部化学行为的影响因素和rul呈高度非线性的关系，这是预测rul的最大阻碍。

2、目前存在很多电池剩余使用寿命预测方法，主要有基于模型的方法和基于数据驱动的方法。基于数据驱动的方法如相关向量机、支持向量机等虽然有不需要分析电池内部复杂的化学反应的优势，但其无法有效处理序列数据的长依赖性，不适于电池剩余使用寿命预测。

技术实现思路

1、有鉴于此，有必要提供电池寿命预测模型生成及预测方法、装置、设备及介质，用以解决现有技术对电池剩余使用寿命的预测效果较差的问题。

2、为了解决上述问题，本发明提供一种电池寿命预测模型生成方法，包括：

3、提取电池的充电参数，其中，所述充电参数包括：电池分别充电至预设的若干个等电压区间的充电时长、充电容量累计量、充电能量累计量、充电容量方差、充电容量平均值、能量方差以及能量平均值；

4、分别计算各个等电压区间的相关值，并将相关值最大的等电压区间确定为最优电压区间；

5、基于bp神经网络以及所述最优电压区间建立容量估计模型；

6、基于lstm算法与所述容量估计模型建立电池寿命预测模型。

7、在一种可能的实现方式中，所述提取电池的充电参数包括：

8、对电池进行恒流充电，直至电池电压达到预设的最大电压值停止；

9、实时记录电池分别充电至所述若干个等电压区间时的充电参数。

10、在一种可能的实现方式中，所述分别计算各个等电压区间的相关值，包括：

11、分别计算所述各个等电压区间内各个充电参数的相关值；

12、将单个等电压区间内各个充电参数的相关值进行总和，得到所述等电压区间的相关值。

13、在一种可能的实现方式中，所述等电压区间的相关值包括：皮尔逊相关值。

14、在一种可能的实现方式中，所述基于bp神经网络以及所述最优电压区间建立容量估计模型，包括：

15、将所述最优电压区间内的各个充电参数对bp神经网络进行训练，得到容量估计模型。

16、在一种可能的实现方式中，所述基于lstm算法与所述容量估计模型建立电池寿命预测模型，包括：

17、基于所述容量估计模型获取电池的剩余容量；

18、基于所述剩余容量对lstm算法进行训练，得到所述电池寿命预测模型。

19、本发明还提供一种预测方法，应用于电池剩余寿命预测，包括：

20、获取电池的剩余容量；

21、将所述剩余容量输入至电池寿命预测模型，得到预测结果；

22、其中，所述电池寿命预测模型根据上述各方法项中任意一项所述的电池寿命预测模型生成方法获得。

23、本发明还提供一种预测装置，包括：

24、剩余容量获取模块，用于获取电池的剩余容量；

25、剩余寿命估计模块，用于将所述剩余容量输入至电池寿命预测模型，得到预测结果；

26、其中，所述电池寿命预测模型根据上述各方法项中任意一项所述的电池寿命预测模型生成方法获得。

27、本发明还提供一种设备，包括：

28、存储器，用于存储程序；

29、处理器，与所述存储器耦合，用于执行所述存储器中存储的程序，以实现上述各方法项中任意一项所述的电池寿命预测模型生成方法，或，上述各方法项中所述的预测方法中的步骤。

30、本发明还提供一种介质，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时能够实现上述各方法项中任意一项所述的电池寿命预测模型生成方法，或，上述各方法项中所述的预测方法中的步骤。

31、本发明的有益效果是：本发明提供了一种电池寿命预测模型生成方法，首先提取单次恒流充电过程中电池电压处于不同等电压区间时的参数，然后根据这些参数与剩余容量的相关性选取得到最优电压区间，并基于与最优电压区间对应的参数对bp模型进行训练，得到具有较高准确度的剩余容量预估模型，最后再进一步根据剩余容量预估模型与长短期记忆网络(long short-term memory,lstm)建立电池rul预测模型，得到高效且精准的预测结果，从而有效地解决了现有技术对电池剩余使用寿命的预测效果较差的问题。

技术特征：

1.一种电池寿命预测模型生成方法，其特征在于，包括：

2.根据权利要求1所述的电池寿命预测模型生成方法，其特征在于，所述提取电池的充电参数包括：

3.根据权利要求1所述的电池寿命预测模型生成方法，其特征在于，所述分别计算各个等电压区间的相关值，包括：

4.根据权利要求1所述的电池寿命预测模型生成方法，其特征在于，所述等电压区间的相关值包括：皮尔逊相关值。

5.根据权利要求1所述的电池寿命预测模型生成方法，其特征在于，所述基于bp神经网络以及所述最优电压区间建立容量估计模型，包括：

6.根据权利要求1所述的电池寿命预测模型生成方法，其特征在于，所述基于lstm算法与所述容量估计模型建立电池寿命预测模型，包括：

7.一种预测方法，应用于电池剩余寿命预测，其特征在于，包括：

8.一种预测装置，其特征在于，包括：

9.一种设备，其特征在于，包括：

10.一种介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时能够实现上述权利要求1至6中任意一项所述的电池寿命预测模型生成方法，或，权利要求7所述的预测方法中的步骤。

技术总结
本发明涉及一种电池寿命预测模型生成及预测方法、装置、设备及介质，属于电池技术领域，其中，电池寿命预测模型生成方法包括：提取电池的充电参数，其中，充电参数包括：电池分别充电至预设的若干个等电压区间的充电时长、充电容量累计量、充电能量累计量、充电容量方差、充电容量平均值、能量方差以及能量平均值；分别计算各个等电压区间的相关值，并将相关值最大的等电压区间确定为最优电压区间；基于BP神经网络以及最优区间建立容量估计模型；基于LSTM算法与容量估计模型建立电池寿命预测模型。本发明有效地解决了现有技术对电池剩余使用寿命的预测效果较差的问题。

技术研发人员：许开华,张宇平,黄燕琴,刘虹灵,骆凡,别传玉,宋华伟,王雪晴,王朝京
受保护的技术使用者：武汉动力电池再生技术有限公司
技术研发日：
技术公布日：2024/9/29