[发明专利]锂电池失效判定方法、模型生成方法、设备及存储介质

说明书

本发明公开了一种锂电池失效判定方法、模型生成方法、设备及存储介质。其中，该方法包括：获取多个锂电池样本的历史数据，历史数据中包括多个节点参数数据；基于预设相关系数对多个节点参数数据进行筛选，获取多个节点相关数据；对多个节点相关数据进行标准化处理，得到多个标准节点数据；根据多个标准节点数据和对应的锂电池样本的失效结果进行训练，生成用于对锂电池进行失效预判的失效判定模型。本发明解决了现有技术中通过量化电池内部不可控的化学副反应对电池进行失效预判是非常困难的，同时经典容量衰退模型又无法很好的拟合电池容量突变问题的技术问题。

技术领域

本发明涉及锂电池领域，具体而言，涉及一种锂电池失效判定方法、模型生成方法、设备及存储介质。

背景技术

锂电池相比传统电池，具有重量轻、体积小、寿命长、比能量高、自发放电率低、无记忆效应、安全性高等优点，是常用的3C产品电源，广泛应用在手机、笔记本电脑、平板电脑、智能家居等产品，成为目前比较理想的储能电池。

由于锂电池在充放电过程会发生复杂的电化学反应，但是目前仍旧无法有效对锂电池进行失效预判。另外，随着充放电次数的不断累积，电极活性材料的晶体结构会逐渐遭到破坏，电池内部的副反应也会不断累加，由此导致锂电池容量的衰退。由于锂电池内部材料结构及副反应不仅复杂且具有不可控性，很难实现通过将其量化的方式来求解锂电池寿命衰减的规律。

除此之外，探索随时间容量退化的趋势来判断锂电池的失效情况，也对容量断崖式下跌情况没有很好的适用性。因此，通过量化电池内部不可控的化学副反应对电池进行失效预判是非常困难的，同时经典容量衰退模型又无法很好的拟合电池容量突变问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种锂电池失效判定方法、模型生成方法、设备及存储介质，以至少解决现有技术中通过量化电池内部不可控的化学副反应对电池进行失效预判是非常困难的，同时经典容量衰退模型又无法很好的拟合电池容量突变问题的技术问题。

根据本发明实施例的一个方面，提供了一种锂电池失效判定模型生成方法，包括：获取多个锂电池样本的历史数据，所述历史数据中包括多个节点参数数据；基于预设相关系数对多个所述节点参数数据进行筛选，获取多个节点相关数据；对多个所述节点相关数据进行标准化处理，得到多个标准节点数据；根据多个所述标准节点数据和对应的锂电池样本的失效结果进行训练，生成用于对锂电池进行失效预判的失效判定模型。

可选地，获取多个锂电池样本的历史数据，包括：获取多个锂电池样本的采样数据；将多个锂电池样本的所述采样数据转化为多个所述节点参数数据，并将多个所述节点参数数据作为所述历史数据。

可选地，所述节点参数数据包括以下一种或多种：数值类标准化数据、非数值类标准化数据和等级划分结果；对应的，将多个锂电池样本的所述采样数据转化为多个所述节点参数数据，包括以下一种或多种：对所述采样数据中的数值类参数进行求平均值处理，得到所述数值类标准化数据；对所述采样数据中的非数值类参数进行数值编码，得到非数值类标准化数据；对所述采样数据中的测试结果进行处理，得到失效分类结果以及等级划分结果。

可选地，基于预设相关系数对多个所述节点参数数据进行筛选，获取多个节点相关数据，包括：确定多个所述节点参数数据对应的预设相关系数；根据所述预设相关系数对多个所述节点参数数据进行排序，得到排序结果；根据所述排序结果从多个所述节点参数数据筛选出多个所述节点相关数据。

可选地，所述标准化处理包括以下至少之一：异常值剔除、缺失值填充以及训练集和验证集划分。

可选地，所述标准节点数据包括训练样本数据，根据多个所述标准节点数据和对应的锂电池样本的失效结果进行训练，生成用于对锂电池进行失效预判的失效判定模型，包括：使用多个所述训练样本数据和对应的锂电池样本的失效结果进行训练，得到所述失效判定模型。