[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

说明书

本发明提供了一种基于神经网络的动力电池全周期剩余寿命估算方法，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：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建立动力电池全周期剩余寿命函数关系。本发明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采用人工神经网络对实验工况下和实车工况下动力电池的函数关系进行修正，从而建立动力电池全周期剩余寿命函数关系。

技术领域

本发明属于动力电池寿命估算技术领域，尤其是涉及一种基于神经网络的动力电池全周期剩余寿命估算方法。

背景技术

截止到2020年7月，我国新能源汽车保有量417万辆，与去年年底相比增加36万辆，增长9.45％。从新能源汽车的成本构成看，电池驱动系统占据了新能源汽车成本的30-45％，而动力电池又占据电池驱动系统约75-85％的成本构成。电动汽车电池性能随着循环使用而衰减，当动力电池功率或者容量性能达不到电动汽车使用标准时，电动汽车需要退役当前动力电池，更换新的动力电池。新能源汽车动力蓄电池将进入规模化退役，动力电池从电动汽车上退役后仍有高达80％的剩余容量，可应用于对电池性能要求较低的场合，即进入电池储能梯级利用阶段，目前缺少专门针对动力电池剩余寿命进行准确估算的方法，不能准确判断动力电池是否具有再利用的价值。

发明内容

有鉴于此，本发明旨在提出一种基于神经网络的动力电池全周期剩余寿命估算方法，以解决目前缺少专门针对动力电池剩余寿命进行准确估算的方法的问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于神经网络的动力电池全周期剩余寿命估算方法，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。

进一步的，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。

进一步的，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。

进一步的，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。