[发明专利]一种基于LSTM的电池内阻预测及故障预警方法

权利要求书

1.一种基于LSTM的电池内阻预测及故障预警方法，其特征在于，该方法包含：

S1、电池内阻变化原因分类；

S2、选择n节电池的电池内阻影响因素参数作为基于长短时记忆法神经网络的电池内阻预测模型的输入；

S3、构建基于长短时记忆法神经网络的电池内阻预测模型；

S4、根据当前电池的电池内阻影响因素参数，预测当前的电池内阻数据；

S5、设定电池内阻阈值、电池内阻变化率阈值、充放电次数区间；

S6、根据前述步骤的信息生成电池故障预警信息；

其中，步骤S6包含：

当前的电池内阻数据大于或等于电池内阻阈值时，若当前电池的充放电次数在充放电次数区间内，输出电池老化的信号，否则输出电池故障的信号。

2.如权利要求1所述的基于LSTM的电池内阻预测及故障预警方法，其特征在于，

所述电池内阻变化原因包含：电池老化、电池故障、人工可排除故障。

3.如权利要求1所述的基于LSTM的电池内阻预测及故障预警方法，其特征在于，

所述电池内阻影响因素包含：充放电状态S、充放电次数m、充放电电压U、充放电电流I、电池温度T。

4.如权利要求3所述的基于LSTM的电池内阻预测及故障预警方法，其特征在于，所述步骤S3具体包含：

T1、对所述步骤S2中的输入数据进行预处理，得到n×m组数据集；

T2、将n×m组数据集划分成训练集和测试集；

T3、构建及调整长短时记忆法神经网络；

T4、采用训练集训练长短时记忆法神经网络，直至达到预期效果，得到基于长短时记忆法神经网络的电池内阻预测模型，否则重复步骤T3至T4；

T5、采用测试集测试基于长短时记忆法神经网络的电池内阻预测模型，直至达到预期效果，否则重复步骤T3至T5；

T6、输出基于长短时记忆法神经网络的电池内阻预测模型。

5.如权利要求1所述的基于LSTM的电池内阻预测及故障预警方法，其特征在于，所述步骤S4包含：

初始化所述基于长短时记忆法神经网络的电池内阻预测模型；

将当前电池的电池内阻影响因素参数代入所述基于长短时记忆法神经网络的电池内阻预测模型中，得到当前的电池内阻数据。

6.如权利要求1所述的基于LSTM的电池内阻预测及故障预警方法，其特征在于，

所述电池内阻阈值为电池额定内阻的1.6倍，所述电池内阻变化率阈值为0.5，所述充放电次数区间为[200~300]。

7.如权利要求1所述的基于LSTM的电池内阻预测及故障预警方法，其特征在于，所述步骤S6包含：

N1、当当前的电池内阻数据小于电池内阻阈值时，计算当前的电池内阻变化率；

N2、当当前的电池内阻变化率小于电池内阻变化率阈值时，输出电池正常的信号。

8.如权利要求7所述的基于LSTM的电池内阻预测及故障预警方法，其特征在于，

所述当前的电池内阻变化率由当前的电池内阻数据结合上一时刻的电池内阻数据而得。

9.如权利要求7或8所述的基于LSTM的电池内阻预测及故障预警方法，其特征在于，所述步骤S6还包含：

当前的电池内阻变化率大于或等于电池内阻变化率阈值时，判断是否为人工可排除故障，若是，排查故障，排查后检查电池当前的电池内阻影响因素参数，重新预测电池内阻，若否，输出电池故障的信号。