[发明专利]一种动力电池剩余使用寿命的预测方法

权利要求书

1.一种动力电池剩余使用寿命的预测方法，其特征在于：获取电动汽车每次行车时的动力电池状态数据，建立人工神经网络模型，将所述动力电池状态数据作为人工神经网络模型的输入，训练人工神经网络模型的训练参数；获取待测电动汽车中的动力电池状态数据，作为具有训练参数的人工神经网络的输入，根据人工神经网络的输入输出映射关系，得到人工神经网络的输出，即动力电池剩余使用寿命的预测结果。

2.根据权利要求1所述的方法，其特征在于：所述动力电池状态数据包括动力电池总电压、动力电池的平均温度、动力电池充放电电流、单节动力电池的SOC、单节动力电池的电芯电压和单节动力电池的SOH。

3.根据权利要求1所述的方法，其特征在于：所述人工神经网络模型的建立具体采用：建立N层人工神经网络，其中只有一层隐含层，设置每层的节点数，根据传输函数和训练函数建立人工神经网络模型。

4.根据权利要求3所述的方法，其特征在于：所述N层人工神经网络具有输入层和输出层，输入层的节点数为6，输出层的节点数为1；隐含层的节点数根据下式确定：

n=ni+n0+a]]>

式中：n为隐含层的节点数；n_i输入节点数；n₀为输出节点数；a为1—10之间的常数。

5.根据权利要求1所述的方法，其特征在于：所述动力电池剩余使用寿命的预测结果包括：根据所述具有训练参数的人工神经网络预测得到动力电池剩余容量达到失效时所对应的动力电池充放电次数，根据电池循环寿命原理，得到动力电池剩余使用寿命的预测结果。

6.根据权利要求1所述的方法，其特征在于：获取所述动力电池所有单节电池的SOC值，对其做平均化处理，采用最接近平均SOC值的单体电池SOC值作为动力电池状态数据之一。

7.根据权利要求1所述的方法，其特征在于：获取所述动力电池所有单节电池的电芯电压，对其做平均化处理，采用最接近平均电芯电压值的单体电池电芯电压值作为动力电池状态数据之一。

8.根据权利要求1所述的方法，其特征在于：获取所述动力电池所有单节电池的SOH值，对其做平均化处理，采用最接近平均SOH值的单体电池SOH值作为动力电池状态数据之一。

9.根据权利要求1所述的方法，其特征在于：所述人工神经网络模型具有传输函数，用于层与层之间的数据转换与传输。

10.根据权利要求1所述的方法，其特征在于：所述人工神经网络模型具有训练函数，用于基于作为输入和输出的动力电池状态数据、动力电池剩余使用寿命，训练人工神经网络模型的参数。