基于大数据分析的扫雷式电芯循环寿命预测方法与流程

本发明属于电芯性能预测，具体涉及基于大数据分析的扫雷式电芯循环寿命预测方法。

背景技术：

1、电芯通常是指单个含有正、负极的最小电能储存单元，是组成电池的电化学基本单元，一般不直接单独使用，大多数情况下是采用多个电芯封装组成电池模组，数个模组再通过bms和热管理系统共同控制或管理进而组成电池包，通常所说的电池一般都是指的电池包。电池都具有一定的循环寿命，锂电池的电芯循环寿命一般不低于2000次，经过特殊设计的锂电池电芯循环寿命甚至可达上万次。循环寿命预测对于锂电池电芯的生产使用具有重大意义，长期以来都是锂电池领域技术人员重要的研究课题，目前受限于锂电池电芯循环数据量较少，电芯循环寿命模型预测精度和广泛程度还有待提升。

技术实现思路

1、针对上述情况，本发明提供了基于大数据分析的扫雷式电芯循环寿命预测方法，通过电芯前期循环数据分析，能够比较准确地预测电芯容量到达80％soh荷电状态对应的循环圈数。

2、为了实现以上目的，本发明提供了一种基于大数据分析的扫雷式电芯循环寿命预测方法，包括以下步骤：

3、s1.读取数据：获取电芯20-200圈循环数据，所述循环数据包括循环圈数和放电容量，经清洗、筛选和求均值，得到初始阶段的循环数据；

4、s2.确定控制方程：使用多项式对s1中初始阶段的循环数据进行拟合，得到初始阶段的容量衰减模型多项式方程：

5、f(x)＝ax3+bx2+cx+d   (1)

6、其中：a、b、c为多项式系数，x为循环圈数，d为电芯初始容量；

7、s3.训练模型：通过对s1中数据的循环圈数和电芯容量，使用s2中的方程拟合出系数，得到训练模型方程：

8、f′(x)＝a′x3+b′x2+c′x+d′   (2)

9、通过加入均方误差根(rmse)和r-平方(r2)来控制拟合精度；

10、s4.数据扫描：对电池整个周期进行数据点位扫描，保证各阶段的预测数据落在如下范围：a′*前期，下限0.4，上限0.8，步长0.05；b′*中期，下限0.1，上限0.105，步长0.001；c′*后期，下限0.01，上限0.2，步长0.01；

11、s5.预测模型：使用前期数据的多种变化率，再加入缓曲线和高次项进行预测，具体方法如下：

12、s5-1.首先对s1中数据做差分，得到容量随着循环圈数的变化率，取其中的最大值qmax，最小值qmin，平均值qmean；

13、s5-2.然后做成一元多次方程：

14、y＝q+qmax*x0.99+qmean*x0.1   (3)

15、其中，y为预测容量，q为初始循环圈数容量，x为初始循环圈数之后循环圈数；

16、s6.绘制图形：通过s5中上述步骤可绘制出预测曲线和预测范围散点图；

17、s7.性能评估：使用80％soh的容量对应的循环圈数作为评估因素，能够得到对应的准确率。

18、优选地，步骤s1中对于初始阶段的循环数据可进一步缩小到50-100圈，以进一步优化获取初始阶段的循环数据。

19、具体的，步骤s3中训练模型方程(2)可理解为通过缩放因子z调控方程(1)得到预测模型方程

20、f′(x)＝z×(ax3+bx2+cx+d)  (4)

21、的变形，通过改变z值，调控不同阶段的曲线变化，从而预测容量衰减区间。

22、进一步地，在得到预测模型方程(4)的基础上，可通过向预测模型输入目标循环圈数，进而输出目标循环圈数预测的容量数据。

23、进一步地，还可通过将预测容量数据与真实数据进行对比，从而输出模型预测精度。

24、进一步地，通过修改预测模型方程中缩放因子库提升进度，并重复迭代求精，增加预测目标圈数，绘制完整循环曲线，进而形成预测容量衰减的范围，并在此基础上寻求电芯容量衰减跳水点和拐点。

25、本发明还包括能够使其正常使用的其它组件，均为本领域的常规手段，另外，本发明中未加限定的装置或组件，均采用本领域的现有技术。

26、本发明的有益效果如下：

27、本发明提供的基于大数据分析的扫雷式电芯循环寿命预测方法，通过缩放因子能够调控预测模型的准确性，可以定量的考虑预测模型的优劣；能够在电芯循环前期，对后期的数据有一定的预期效果，尤其是对循环性能较差的电芯识别效果更好，缩短研发周期；可以随着电芯循环寿命数据量的增加，建立对电芯的基础数据库，对后期的研发具有非常大的意义。

技术特征：

1.基于大数据分析的扫雷式电芯循环寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于大数据分析的扫雷式电芯循环寿命预测方法，其特征在于：步骤s1中对于初始阶段的循环数据优化获取50-100圈，以进一步优化初始阶段的循环数据。

3.根据权利要求1所述的基于大数据分析的扫雷式电芯循环寿命预测方法，其特征在于：步骤s3中训练模型方程(2)可理解为通过缩放因子z调控方程(1)得到预测模型方程

4.根据权利要求3所述的基于大数据分析的扫雷式电芯循环寿命预测方法，其特征在于：在得到预测模型方程的基础上，可通过向预测模型输入目标循环圈数，进而输出目标循环圈数预测的容量数据。

5.根据权利要求4所述的基于大数据分析的扫雷式电芯循环寿命预测方法，其特征在于：可通过将预测容量数据与真实数据进行对比，从而输出模型预测精度。

6.根据权利要求5所述的基于大数据分析的扫雷式电芯循环寿命预测方法，其特征在于：通过修改预测模型方程中缩放因子库提升进度，并重复迭代求精，增加预测目标圈数，绘制完整循环曲线，进而形成预测容量衰减的范围，并在此基础上寻求电芯容量衰减跳水点和拐点。

技术总结
本发明具体涉及电芯性能预测技术领域的一种基于大数据分析的扫雷式电芯循环寿命预测方法，包括以下步骤：S1.读取数据：获取初始阶段的循环数据；S2.确定控制方程：对初始阶段的循环数据进行拟合，得到初步衰减模型方程；S3.训练模型：通过拟合出系数，得到训练模型方程；S4.数据扫描：对电池整个周期进行数据点位扫描；S5.预测模型：前期数据的多种变化率再加入缓曲线和高次项得到预测容量模型；S6.绘制图形：绘制出预测曲线和预测范围散点图；S7.性能评估：使用80％SOH的容量对应的循环圈数作为评估因素得到对应的准确率。本发明的有益效果为通过电芯前期循环数据分析，能够准确地预测电芯循环寿命。

技术研发人员：李凌云,李云峰,丁孟辉,王璐,闫春生,薛旭金,李霞,周阳
受保护的技术使用者：多氟多新材料股份有限公司
技术研发日：
技术公布日：2025/1/28