[发明专利]一种锂离子电池剩余使用寿命数模融合预测方法

说明书

本发明公开了一种锂电池剩余使用寿命数模融合预测方法，包括利用锂电池历史数据库中锂电池低温容量退化数据以及锂电池低温剩余使用寿命和锂电池低温剩余使用寿命进行模型训练，得到锂电池低温剩余使用寿命预测模型；通过将待测锂电池的部分低温容量退化数据输入到所述锂电池低温剩余使用寿命预测模型中，进行待测锂电池低温剩余使用寿命的预测，得到锂电池低温剩余使用寿命预测值；利用所述锂电池低温剩余使用寿命预测值，确定待测锂电池高温剩余使用寿命预测方程；用所确定的待测锂电池高温剩余使用寿命预测方程，计算出锂电池高温预测剩余使用寿命。

技术领域

本发明涉及一种基于数据驱动与模型驱动融合的锂电池剩余使用寿命预测方法，它将数据驱动方法和模型驱动方法各自的优势结合起来，完成了锂离子电池在不同温度下的剩余使用寿命预测。适用于锂离子寿命预测等领域。

背景技术

锂离子电池(俗称锂电池)，是一种二次电池(充电电池)，它主要依靠锂离子在正极和负极之间移动来工作，具有能量密度高、开路电压高、输出功率大、无记忆效应、低自放电、工作温度范围宽、充放电速度快等优点，并因此广泛应用于笔记本电脑、手机等电子产品行业；电动自行车、电动汽车等交通工具行业；航空航天等国防军事行业；以及被应用于助听器、心脏起搏器和其他一些非生命维持器件等医学行业。作为核心部件，锂离子电池起火所带来的损失都是巨大的。如果能够在锂电池老化之前就对其电池进行更换，应该能够对锂电池事故的预防起一定积极作用，但是盲目的提早更换锂电池，必然会造成巨大的浪费。因此，准确地预测锂电池剩余使用寿命意义重大。

目前对锂离子电池剩余使用寿命的预测方法主要分为基于模型驱动、数据驱动及融合型方法三类。基于模型驱动的方法能够对锂电池的故障机理进行建模，能够很好地反映电池物理和电化学特性，但是存在建模较难或者模型参数识别困难的问题；基于数据驱动的方法简单实用，仅仅需要试验数据和状态监测数据的支持就能够实现，但易受到数据不确定性和不完整性的影响，鲁棒性和适应性较差。基于融合型的方法将多种方法进行了集成，弥补单一模型的不足，充分发挥不同模型的各自优点，能够获得更优的性能。但目前融合策略大多数都停留在决策层融合，只是简单的结果集成，不能完全发挥融合型方法的优势。本发明通过融合数据驱动方法和模型驱动各自的优点，完成了锂离子电池在不同温度下的剩余使用寿命预测，借此对锂电池实际使用中的寿命管理进行辅助。

发明内容

本发明的目的是提供一种锂离子电池剩余使用寿命数模融合预测方法，基于数据驱动与模型驱动融合的方法，将数据驱动方法和模型驱动方法的优点结合起来，完成锂电池在25℃、45℃和60℃下的寿命预测。

根据本发明的一个实施例，本发明提供的一种锂电池剩余使用寿命数模融合预测方法包括：

利用锂电池历史数据库中锂电池低温容量退化数据以及锂电池低温剩余使用寿命和锂电池低温剩余使用寿命进行模型训练，得到锂电池低温剩余使用寿命预测模型；

通过将待测锂电池的部分低温容量退化数据输入到所述锂电池低温剩余使用寿命预测模型中，进行待测锂电池低温剩余使用寿命的预测，得到锂电池低温剩余使用寿命预测值；

利用所述锂电池低温剩余使用寿命预测值，确定待测锂电池高温剩余使用寿命预测方程；

用所确定的待测锂电池高温剩余使用寿命预测方程，计算出锂电池高温预测剩余使用寿命。

根据本发明的另一个实施例，本发明提供的一种锂电池剩余使用寿命数模融合预测方法包括：

利用锂电池历史数据库中锂电池低温容量退化数据以及锂电池低温剩余使用寿命和锂电池低温剩余使用寿命进行模型训练和验证处理，得到锂电池低温剩余使用寿命预测模型和锂电池高温剩余使用寿命修正预测方程；

通过将待测锂电池的部分低温容量退化数据输入到所述锂电池低温剩余使用寿命预测模型中，进行待测锂电池低温剩余使用寿命的预测，得到锂电池低温剩余使用寿命预测值；