[发明专利]一种相似产品剩余寿命预测方法及系统

说明书

本发明公开一种相似产品寿命预测方法和系统，涉及相似产品预测领域，本发明利用通过对待预测电池的短期测试样本数据以及其他配方电池的全寿测试容量数据库中处理后，获得目标样本数据和训练测试数据；然后在训练测试数据中截取与目标样本数据同样长度的数据进行可迁移样本挖掘，通过训练学习可迁移样本数据至目标样本数据的迁移关系，获得相似产品测试数据迁移与剩余寿命预测的神经网络模型；应用训练测试数据中剩余长度的数据在神经网络模型进行跨配方电池的剩余寿命预测，本发明方法预测精度可以达到99％以上，节约了分析电池配方性能的成本，实现了数据共享，具有很好的经济性和实用性。

技术领域

本发明涉及相似产品预测技术领域，尤其涉及一种预测相似产品剩余使用寿 命的方法、系统和装置。

背景技术

随着储能技术和能源产业的发展，锂离子电池因其质量轻、低放电率和长寿 命等优点，广泛应用于军事电子产品、航空电子器件、电动汽车以及各种便携式 电子装置(例如笔记本电脑、数码相机、平板电脑、手机等)的主要储能器件。 循环寿命是锂电池产品的重要设计性能。在锂电池的设计开发过程中，为了准确 的获得设计矩阵中不同配方电池的寿命情况，并为配方选择和设计优化提供反馈， 需要针对设计矩阵中各个配方的电池开展循环寿命测试。该项测试需要持续进行 到电池容量保持率达到规定的阈值，即锂电池的寿命终止点。然而，由于设计矩 阵中的锂电池配方数量众多，导致现有的循环寿命测试时间和资金成本太高，尤 其对寿命周期长达多年的动力锂电池的而言，其设计开发效率过低，企业难以承 受。

发明内容

为解决现有技术存在的问题，本发明利用短期实测数据及迁移学习预测方法 提供了一种更适用于电池设计开发过程中不同配方间的电池寿命预测方法，本发 明方法能有效避免由于长期测试所产生的能耗及资源浪费，预测准确度高，普适 性强。

为实现本发明的技术目的，本发明一方面提供相似产品寿命预测方法，包括：

对待预测的不同配方相似产品进行短期循环寿命测试，获得短期测试样本数 据；

对获得的短期测试样本数据以及其他配方电池的全寿测试容量数据库中的 数据进行处理后，得到目标样本数据和训练测试数据；

在训练测试数据中截取与目标样本数据同样长度的数据进行可迁移样本挖 掘，并将其中具有较高迁移度的数据作为可迁移样本数据；

通过前向网络训练学习可迁移样本数据至目标样本数据的迁移关系，获得相 似产品测试数据迁移与剩余寿命预测的神经网络模型；

应用训练测试数据中剩余长度的数据在神经网络模型进行跨配方电池的剩 余寿命预测，获得待预测的不同配方相似产品的剩余寿命预测结果。

其中，所述短期循环寿命测试是指在对相似产品进行循环寿命测试时，在试 验早期即停止在一个预先设定的测试停止阈值。

其中，所述测试停止阈值为大于全寿测试停止阈值。

其中，所述停止阈值是指电池容量衰退到初始容量的某个百分比值。

其中，所述测试停止阈值大于85％。

优选的，所述测试停止阈值不小于87％。

进一步优选的，所述测试停止阈值不小于90％。

特别是，相似产品为锂电池。

特别是，所述对获得的短期测试样本数据以及其他配方电池的全寿测试容量 数据库中的数据进行处理包括：

剔除短期测试样本数据和全寿测试容量数据库中不稳定的起始数据和未体 现退化趋势的数据；

对剔除后的短期测试样本数据和全寿测试容量数据库中的数据进行平滑处 理，得到目标样本数据和预测训练测试数据。

尤其是，所述平滑处理采用局部加权回归法。