[发明专利]一种锂离子电池剩余有效寿命预测方法及装置

权利要求书

1.一种锂离子电池剩余有效寿命预测方法，其特征在于，包括以下步骤：

S1、获取锂离子电池容量退化数据集，提取失效阈值EOL，利用ICEEMDAN将容量序列分解为若干个高频本征模函数IMF分量和一个低频残差RES分量；

S2、将所述高频本征模函数IMF分量和所述低频残差RES分量分别输入长短期记忆神经网络预测模型LSTM进行预测，得到所述IMF和所述RES的预测结果；

S3、将所述高频本征模函数IMF分量和所述预测结果进行重构，得到电池剩余使用寿命RUL预测结果；

S4、使用所述长短期记忆神经网络模型LSTM，对不可见电池老化数据集进行预测。

2.根据权利要求1所述的锂离子电池剩余有效寿命预测方法，其特征在于，所述步骤S1中，ICEEMDAN对容量序列进行分解的步骤包括：

S1.1、对原始电池容量退化数据集x添加高斯白噪声，得到第一组序列：

式中，ε₀为信噪比系数的倒数与标准差的乘积，w⁽ⁱ⁾表示一组零均值、单位方差的高斯白噪声，i＝1,2,...,I为添加白噪声的数目，E_j(·)为对给定信号通过EMD求得第j个模态的算子；

S1.2、通过计算得到第一组序列的残差r₁，计算第一个模态分量定义为原始序列与第一个残差项r₁之差；对r₁添加高斯白噪声，获得第二组序列，计算第二个残差r₂；计算第二个模态分量为两个残差项之差；

S1.3、计算第k个残差序列：

其中，i＝1,2,...,I为添加白噪声的数目，M(·)为对当前序列求其局部均值的算子，即序列上下包络线的均值；计算第k个模态分量；

重复所述步骤S1.3，直到所述模态分量得到的值为零，即序列不可再分；定义最后一个序列为残差项RES，则所述原始序列表示为：

3.根据权利要求1所述的锂离子电池剩余有效寿命预测方法，其特征在于，所述步骤S2中长短期记忆神经网络预测模型LSTM的预测过程为：

S2.1、将所述锂离子电池容量退化数据集经过ICEEMDAN分解得到的各模态分量分为训练集与测试集，所述训练集为预测模型的输入量，在时刻t，定义x_t为LSTM单元的输入，h_t-1为LSTM单元在上一时刻的输出，c_t为记忆单元的值，h_t为输出，计算候选记忆单元c_t的值为：

其中W_c为权重矩阵，b_c为偏差；

S2.2、计算输入门的值i_t和遗忘门的值f_t和记忆单元的值c_t，所述记忆单元的更新取决于上一细胞和候选细胞的状态值，并受所述输入门和遗忘门的控制；

S2.3、计算输出单元的值o_t，所述输出门用于控制记忆细胞状态值的输出，计算LSTM单元的输出h_t；计算t时刻的预测输出y_t，对每个测试集t＝[m+1：n]，重复以上步骤，得到整个序列的预测结果；定义预测模型对模态序列的预测输出为对残差序列r的预测输出为

4.根据权利要求3所述的锂离子电池剩余有效寿命预测方法，其特征在于，所述长短期记忆神经网络预测模型LSTM由两个LSTM网络层，一个全连接层和一个输出层构成，所述每个LSTM层含有50个LSTM单元。

5.根据权利要求1或3所述的锂离子电池剩余有效寿命预测方法，其特征在于，对所述预测结果进行重构得到RUL预测结果的过程为：

将所述高频本征模函数IMF分量和低频残差RES分量预测结果累加，其算数和为原始电池容量退化序列的预测值从中提取失效点对应的循环数即为锂离子电池RUL的预测值：

其中，为第k个子模态序列的预测输出值，为残差序列r的预测输出值。