[发明专利]基于人工智能的锂离子电池充电曲线重构及状态估计方法

权利要求书

1.一种基于人工智能的锂离子电池充电曲线重构及状态估计方法，其特征在于：具体包括以下步骤：

步骤一、获取采用不同充电方式时，不同老化状态下电池完整的电压/电流充电曲线作为训练数据；

步骤二、通过适合的分割方式，将获取的充电曲线分割为数据片段，并将数据片段和充电曲线进行离散化处理；

步骤三、利用步骤二得到的离散化数据片段，对选择的深度学习算法进行训练，建立各数据片段与完整充电曲线的映射关系；

步骤四、将训练好的深度学习算法进行在线应用，将电池管理系统采集的实际充电片段数据输入所述深度学习算法，输出完整充电曲线；

步骤五、从完整充电曲线中提取欲估计的电池状态参数。

2.如权利要求1所述的方法，其特征在于：所述方法还包括：

步骤六、在电池管理系统采集到一定数量的实际电池充电曲线后，对深度学习算法重新训练并更新。

3.如权利要求1所述的方法，其特征在于：所述步骤一中获取采用不同充电方式时，不同老化状态下电池完整的电压/电流充电曲线，具体包括：采用恒流充电、恒流恒压充电、多阶恒流充电、脉冲充电方式进行充电；通过电池试验、电池管理系统采样方法，取得不同老化状态下的电池的日常充电曲线，包括对应各充电方案下的电池充电电流、电压、温度信号。

4.如权利要求1所述的方法，其特征在于：所述步骤二具体包括：确定一个片段长度，使该片段长度在充电曲线上滑动，由此将步骤一中获取的充电曲线划分为某长度的数据片段，每个片段包含每个时刻的采样信号；将获得的数据片段采用固定时间间隔或电压间隔对各数据片段进行采样，从而将完整充电曲线离散化处理。

5.如权利要求1所述的方法，其特征在于：所述步骤三中深度学习算法具体采用卷积神经网络，或者密集连接网络，或者循环神经网络。