[发明专利]一种基于锂电池性能模拟环境的电解液配方推荐方法

权利要求书

1.一种基于锂电池性能模拟环境的电解液配方推荐方法，其特征在于，所述锂电池性能模拟环境使用无梯度优化算法和机器学习算法，输入已有的电池电解液配方和实验结果来训练；所述锂电池性能模拟环境能够在给定电解液配方后模拟对应的实验结果；

所述电解液配方推荐方法包括探索和利用两个阶段，探索阶段推荐数据密度小的电解液配方；当探索达到既定次数时进入利用阶段，所述利用阶段利用锂电池性能模拟环境推荐出最优电解液配方；所述数据密度小的电解液配方指的是几组数据密度最低的电解液配方；最优指的是既能使得锂电池性能指标达标，又使得配方成本较低；

所述的电解液配方推荐是先在给定的电解液配方中每种物料的范围内采样多组可能的电解液配方；在探索阶段，利用孤立森林计算采样电解液配方的密度，迭代几次，选取密度最低的几个采样电解液配方作为推荐配方；

使用无梯度优化算法和机器学习算法构建锂电池性能模拟环境中，设置机器学习算法的超参数的取值范围作为无梯度优化算法的参数，设置无梯度优化算法的优化轮数；接收无梯度优化算法传入的一组超参数，作为机器学习算法当前优化使用的超参数；

所述探索阶段的电解液配方推荐结果被拿到实验室中进行测试，得到真实的锂电池性能指标值，将推荐配方加入训练集，机器学习算法根据实验得到的真实的锂电池性能指标值和锂电池性能模拟环境输出的预测值进一步修正锂电池性能模拟环境的仿真程度；用修正后的锂电池性能模拟环境再次预测采样得到的电解液配方，得到锂电池性能指标的模拟值，再次选择数据密度小的电解液配方作为推荐配方；反复迭代多次直至推荐的电解液配方完全满足生产要求或锂电池性能模拟环境收敛；

当探索阶段结束后最终锂电池性能模拟环境则学习完成；进入利用阶段，该阶段完全基于锂电池性能模拟环境，首先将采样的电解液配方数据输入至锂电池性能模拟环境中进行模拟，得到锂电池性能指标的模拟值，然后选取模拟值最优的几组电解液配方作为推荐配方；具体过程如下：

步骤401，列出电池的电解液配方的所有物料，在给定的范围内对每种物料进行均匀采样，得到可能的电解液配方；

步骤402，用最终锂电池性能模拟环境评估采样出的电解液配方，得到锂电池性能指标的模拟值；

步骤403，计算每条电解液配方的成本；

步骤404，根据需求，对锂电池性能指标的结果和成本加权求和，对电解液配方进行排序，给出推荐的电解液配方。

2.根据权利要求1所述的基于锂电池性能模拟环境的电解液配方推荐方法，其特征在于，所述的电解液配方和对应电解液配方的实验结果数据包括两部分；其中一较多部分来自已批量生产的某种电池的电解液配方和对应电解液配方的实验结果，一较少部分来自待生产的某种电池的电解液配方和对应电解液配方的实验结果；将较多部分的电解液配方和对应电解液配方的实验结果数据的知识迁移到待生产的某种电池上，只用较少部分来自待生产的某种电池的电解液配方和对应电解液配方的实验结果数据对锂电池性能模拟环境进行修正；在探索阶段给出待生产的某种电池的几组数据密度最低的电解液配方，在实验室环境下对密度最低的电解液配方进行测试，得到实验结果，根据实验结果优化锂电池性能模拟环境；在利用阶段，完全基于锂电池性能模拟环境，给出当前锂电池性能模拟环境得到的最优的电解液配方。

3.根据权利要求1所述的基于锂电池性能模拟环境的电解液配方推荐方法，其特征在于，所述数据密度使用孤立森林进行计算得到。

4.根据权利要求1所述的基于锂电池性能模拟环境的电解液配方推荐方法，其特征在于，所述的锂电池性能模拟环境能够模拟电解液配方的实验过程，输出锂电池性能指标结果值，所述锂电池性能指标包括DCR初始值、60天累计产气和60天DCR。