[发明专利]基于神经网络的动力电池全周期剩余寿命估算方法

权利要求书

1.基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于，包括：

搭建实验工况下动力电池测试系统，进行不同条件下的充放电试验，获取实验工况下表征动力电池剩余寿命的特征参数数据，结合人工神经网络模型一，建立实验工况下动力电池剩余寿命函数关系；

搭建实车工况下动力电池测试系统，通过模拟实车在条件下的驾驶，获取实车工况下表征动力电池剩余寿命的特征参数数据，结合人工神经网络模型二，建立实车工况下动力电池剩余寿命函数关系；

通过人工神经网络模型三对实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系进行训练和修正，并确定实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系之间的权值，建立动力电池全周期剩余寿命函数关系；其中，实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系之间的权值分别为α和β。

2.根据权利要求1所述的基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于，所述实验工况下动力电池测试系统包括：

用于调节动力电池环境温度的高低温箱；

用于实现动力电池充放电的充放电仪；

用于采集动力电池、高低温箱、充放电仪相关数据的数据采集仪，数据采集仪连接上位机。

3.根据权利要求2所述的基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于：利用实验工况下动力电池测试系统实现动力电池在不同温度区间、不同充放电倍率、不同SOC区间和不同动态工况下进行充放电试验，获取实验工况下表征动力电池剩余寿命的特征参数数据。

4.根据权利要求1或3所述的基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于：所述实验工况下表征动力电池剩余寿命的特征参数数据包括剩余容量一、电池内阻一、电池电压限一和电池的自放电率一数据，利用人工神经网络模型一对动力电池在不同温度区间、不同充放电倍率、不同SOC区间、不同动态工况下电池剩余容量一、电池内阻一、电池电压限一、电池的自放电率一的部分随机数据进行训练、校验和预测，得到动力电池在实验工况下剩余寿命与温度、充放电倍率、电池SOC区间、工况之间的函数关系，并且得到温度、充放电倍率、电池SOC区间、工况对动力电池剩余寿命影响的权值，从而建立实验工况动力电池剩余寿命函数关系。

5.根据权利要求1所述的基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于：在实车工况下动力电池测试系统下，通过电池BMS管理系统获取电动汽车在不同的汽车车速、天气情况、汽车行驶工况、汽车行驶里程下表征动力电池剩余寿命的参数，参数包括剩余容量二、电池电压限二、电池自放电率二、电池内阻二，经过人工神经网络模型二对动力电池在不同汽车车速、天气情况、汽车行驶工况、汽车行驶里程下剩余容量二、电池电压限二、电池自放电率二、电池内阻二的部分随机数据进行训练、校验和预测，得到动力电池在实车工况下剩余寿命与汽车车速、天气情况、汽车加速度汽车行驶里程之间的函数关系，并且得到汽车车速、天气情况、汽车加速度、汽车行驶里程对动力电池剩余寿命影响的权值，从而建立实车工况动力电池剩余寿命函数关系。