[发明专利]一种锂电池剩余寿命预测方法

权利要求书

1.一种锂电池剩余寿命预测方法，其特征在于，包括：

(1)采集锂电池多个充放电循环的电容量，并对采集的多个电容量进行归一化；

(2)对归一化后的多个电容量进行窗口划分，并将每个窗口内的电容量和每个窗口的下一个电容量作为训练数据集；

(3)将所述训练数据集输入包括卷积神经网络和长短记忆循环神经网络的退化状态模型进行训练，得到用于预测锂电池寿命的退化状态模型；

(4)将所述训练数据集最后一个窗口数据输入到训练好的退化状态模型中进行滑动预测，得到预测的电容量；

(5)判断预测的电容量是否达到容量退化阈值点；若是，则直接进入步骤(6)；若否，则返回执行步骤(4)；

(6)根据预测的容量值对应的滑动循环次数预测待测锂电池的剩余寿命。

2.根据权利要求1所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(1)中所述归一化具体为：采集的所有电容量除以第一个充放电循环的电容量。

3.根据权利要求2所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(2)中所述根据采集的多个电容量确定滑动窗口大小，具体包括：

(2.1)归一化的k个电容量表示为X_train＝[x(1),x(2),...,x(k)]，定义一个大小为d的窗口，第i个窗口内向量为：

(2.2)遍历寻找与第i个窗口内向量欧几里得距离最小的第p个窗口内向量其欧几里得距离表示为：

(2.3)当窗口大小从d增加到d+1时，第i个窗口内向量与第p个窗口内向量欧几里得距离为：

(2.4)利用判断准则判断所述第p个窗口内向量是否是所述第i个窗口内向量的假最邻近向量；其中R_T为设定阈值；

(2.5)计算所有滑动窗口内假最邻近向量的百分比；

(2.6)滑动窗口大小d从1到k-1不断增加，重复步骤(2.3)-(2.5)，将假最邻近向量的百分比最接近0时的d值作为最佳滑动窗口大小。

4.根据权利要求3所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(2.4)中所述设定阈值R_T≥10。

5.根据权利要求3所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(2.4)中所述判断准则还包括：

其中

6.根据权利要求1-5任一项所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(3)中所述卷积神经网络为两层，所述长短记忆循环神经网络为一层，且两层卷积神经网络的输出作为一层长短记忆循环神经网络的输入。

7.根据权利要求1-6任一项所述的一种锂电池剩余寿命预测方法，其特征在于，步骤(4)中所述滑动预测具体为：

(4.1)将所述训练数据集最后一个窗口数据输入到训练好的退化状态模型中进行预测，得到第一个预测的电容量；

(4.2)剔除最后一个窗口中第一个电容量，并将第一个预测的电容量与最后一个窗口中剩余的电容量作为新的滑动窗口数据，输入到训练好的退化状态模型中进行预测，得到第二个预测的电容量；

(4.3)剔除新的滑动窗口中第一个电容量，并将第二个预测的电容量与新的滑动窗口中剩余的电容量作为新的滑动窗口数据，输入到训练好的退化状态模型中进行预测，得到第三个预测的电容量；

(4.4)重复上述过程，直到预测的电容量达到容量退化阈值点。

8.根据权利要求7所述的一种锂电池剩余寿命预测方法，其特征在于，所述容量退化阈值点为待预测锂电池额定容量的80％。