[发明专利]基于量子同化与数据填充的异常退化锂电池容量预测方法

权利要求书

1.一种基于量子同化与数据填充的异常退化锂电池容量预测方法，其特征在于，其包括以下步骤：

S1、将锂电池原始数据集划分为训练集和测试集，所述训练集锂电池数据为正常退化锂电池数据，而测试集数据则存放待预测的异常退化锂电池数据；

S2、对训练集锂电池数据进行量子同化处理，所述量子同化是将锂电池数据视为量子场中的微观粒子，根据训练集锂电池数据构造量子场的波函数并代入薛定谔方程中计算所述量子场的势能函数来确定数据点对应的势能值，势能值较低表示附近数据密度大，表示处于正常状态；反之，势能值较高代表附近数据密度小，表示处于异常的状态，从而通过样本数据点对应的势能值来对样本点的健康状态或退化程度进行表征；由训练集数据构造量子场的波函数并将其代入薛定谔方程来获得所述量子场的势能函数，通过势能函数表征所述量子场的势能面；

S3、记录训练集中每个数据点的退化增量和对应的势能信息，形成一个退化增量抽样库；将训练集中的每个数据点的退化增量、其对应的势能值以及所处位置势能的梯度记录形成一个退化增量抽样库，所述抽样库表征退化增量与势能信息之间的关系，从所述抽样库中进行抽样来确定退化增量；

S4、对于待预测的锂电池，根据当前循环退化数据对应的势能信息在抽样库中抽样产生当前循环的退化增量lk，进而得到下一循环的退化数据，逐步迭代确定后续各循环的退化数据，生成新样本；其中，根据样本点的势能信息，来构建两个退化增量抽样库：

S_v＝[l_i|i∈subscript_v]

S_g＝[l_i|i∈subscript_g]

其中，subscript_v与subscript_g分别为训练集中落入当前循环势能值附近和势能梯度附近的数据点的下标集合，l_i为训练集中第i个数据点对应的退化增量；从S_v与S_g中各随机抽取一个样本，将结果分别记为l_v与l_g，并将l_v与l_g的均值作为当前循环的退化增量l_k；

S5、将新样本填充到训练集中，并将训练集中各个电池退化早期的容量序列作为输入，将其后续的容量退化序列作为输出，代入到神经网络中进行训练，得到适应异常样本的锂电池容量预测模型；

S6、对测试集锂电池的后续容量退化情况进行预测；将测试集锂电池的退化早期的容量序列输入到训练好的神经网络中，得到测试集锂电池后续容量退化情况的预测结果，并与真值进行比对，评估模型的预测效果。

2.根据权利要求1所述的基于量子同化与数据填充的异常退化锂电池容量预测方法，其特征在于，步骤S2中所述的量子同化方法，其具体步骤为：

S21、根据训练集锂电池数据构造量子场的波函数；假定每个数据点对应量子场中的一个微观粒子，且这个粒子周围定义有一个特定的场，在量子同化算法中使用高斯核函数来定义每个粒子附近的场并通过把所有粒子的效应加和以得到整个空间的波函数，即波函数表示为；

其中，xi是样本中第i个数据点，σ是带宽参数；

S22、将构造好的波函数代入薛定谔方程中确定量子场的势能函数；在量子力学中，量子的演变遵循薛定谔方程，定态薛定谔方程的表达式如下：

其中，H是哈密顿量，是拉普拉斯算符，是普朗克常量除以2π，V是势能，E代表总能量，m是粒子的质量；

令给定波函数ψ(x)的形式，得到势能函数：

其中，是H的最小本征值，在该式中，要求以使势能函数V(x)非负；令则势能函数由下式计算：