[发明专利]一种基于BP神经网络的锂离子电池劣化分类方法

权利要求书

1.一种基于BP神经网络的锂离子电池劣化分类方法，其特征在于包括以下步骤：

a.抽取一定样本的锂离子电池，并对这些样本的锂离子电池进行循环老化实验后进行评测，获取等效直流内阻谱与有效容量；在充电过程中，电池充入的总电量为电池的有效容量；所述等效直流内阻谱是根据锂离子电池评测得到的数据，建立在不同温度T与充放电倍率C条件下，Q_cum/C₀与充电等效内阻的关系曲线；其中，Q_cum为评测过程中累计充电电量，C₀为该锂离子电池的标称容量；

b.根据上述样本的锂离子电池循环老化实验 后的有效容量建立划分锂离子电池划分劣化等级的标准；

c.对锂离子电池的构建BP神经网络模型；

d.通过锂离子电池模型计算获得待测锂离子电池在充电过程中的样本参数，将样本参数输入上述BP神经网络模型后运算获取待测锂离子电池的劣化等级；其中，所述样本参数为T，C，R0.3，R0.5，R0.7，上述R0.3、R0.5、R0.7分别为Q_cum/C₀为0.3、0.5以及0.7下的充电等效内阻。

2.根据权利要求1所述的一种基于BP神经网络的锂离子电池劣化分类方法，其特征在于：所述步骤a中对样本的锂离子电池进行循环老化实验的具体步骤包括：

a1.分别设定每个锂离子电池样本在循环老化实验中的温度T与充放电倍率C；

a2.对每个锂离子电池样本进行的循环老化实验；

a3.每循环一定次数后对锂离子电池进行一次评测，获得锂离子电池的有效容量C_n、充电等效内阻以及评测过程中累计充电电量Q_cum；

a4.重复步骤a2及a3，直至当锂离子电池的C_n/C₀小于0.7后，停止该电池的循环老化测试，其中C₀为该锂离子电池的标称容量；

a5. 根据锂离子电池评测得到的数据，建立在不同温度T与充放电倍率C条件下，Q_cum/C₀与充电等效内阻的关系曲线，形成等效直流内阻谱。

3.根据权利要求2所述的一种基于BP神经网络的锂离子电池劣化分类方法，其特征在于：所述步骤b中锂离子电池划分劣化等级的标准为，当C_n/C₀＞0.9时，为一级劣化L1；当0.8＜C_n/C₀≤0.9时，为二级劣化L2；当0.7＜C_n/C₀≤0.8时，为三级劣化L3；当C_n/C₀≤0.7时，为四级劣化L4；当锂离子电池达到四级劣化L4时，该锂离子电池的参数不参与构建BP神经网络模型。

4.根据权利要求3所述的一种基于BP神经网络的锂离子电池劣化分类方法，其特征在于：所述步骤c的BP神经网络模型包含输入层、隐含层与输出层；其中，输入层有5个神经元X=（T，C，R0.3，R0.5，R0.7），隐含层有10个神经元Q=(q1，q2，…q10)，输出层有3个神经元Y=(L1，L2，L3)，锂离子电池的劣化等级为L=max(L1，L2，L3)，隐含层输出向量为QO=(qO1，qO2，…qO10)，输出层输入向量为YI=(yI1，yI2，yI3)，输出层输出向量为YO=(yO1，yO2，yO3)，输入层与隐含层之间的连接权值向量为W=(w1，w2，…w5)，隐含层与输出层之间的连接权值向量为V=(v1，v2，…v10)；上述R0.3、R0.5、R0.7分别为Q_cum/C₀为0.3、0.5以及0.7下的充电等效内阻。