[发明专利]一种动力电池剩余寿命的预测方法

权利要求书

1.一种动力电池剩余寿命的预测方法，其特征在于，包括：

获取动力电池的衰退数据集，对所述衰退数据集进行关键衰退点挖掘，得到关键衰退点数据集；

基于所述关键点数据集，结合循环寿命与放电深度相关数据集，得到初始寿命衰退核心量图；

构建循环寿命修正关系，基于所述循环寿命修正关系，结合寿命衰退附属量阈值范围，得到寿命衰退附属量修正图；

获取实时标准工况，结合习惯偏好-标准工况预测模型，得到实时驾驶员习惯偏好；

基于所述实时驾驶员习惯偏好，得到实时标准车速；基于所述实时标准车速得到实时需求数据集；

基于所述实时需求数据集，结合所述初始寿命衰退核心量图和所述寿命衰退附属量修正图，得到健康状态损失量；

基于所述健康状态损失量得到运行剩余寿命。

2.根据权利要求1所述的动力电池剩余寿命的预测方法，其特征在于，所述获取动力电池的衰退数据集，对所述衰退数据集进行关键衰退点挖掘，得到关键衰退点数据集，包括：

获取同一批次和相同型号的动力电池的原始衰退测试数据集，并对所述原始衰退数据集进行清洗，得到清洗数据集；

基于高斯过程方法对所述清洗数据集进行填充，使得最后容量与额定容量的比值达到设定比例，得到填充数据集；

对所述填充数据集依次进行一阶求导和二阶求导，基于临界变化率，得到关键衰退点信息集；

基于高斯分布拟合器，结合所述关键衰退点信息集，对所述填充数据集进行数据提取，得到所述关键衰退点数据集。

3.根据权利要求2所述的动力电池剩余寿命的预测方法，其特征在于，所述获取同一批次和相同型号的动力电池的原始衰退测试数据集，并对所述原始衰退数据集进行清洗，得到清洗数据集，包括：

获取同一批次和相同型号的动力电池的剩余容量数据集和额定容量，基于所述剩余容量数据集和额定容量得到健康状态数据集；

获取循环寿命数据集，构建所述健康状态数据集与所述循环寿命数据集之间的关系，得到所述原始衰退数据集；

基于动态滤波算法和雨流评分算法对所述原始衰退数据集进行双重清洗，得到所述清洗数据集。

4.根据权利要求1所述的动力电池剩余寿命的预测方法，其特征在于，所述基于所述关键点数据集，结合循环寿命与放电深度相关数据集，得到初始寿命衰退核心量图，包括：

基于所述循环寿命与放电深度相关数据集得到寿命衰退轨迹；

基于所述寿命衰退轨迹，结合所述关键点数据集，得到所述初始寿命衰退核心量图。

5.根据权利要求1所述的动力电池剩余寿命的预测方法，其特征在于，所述构建循环寿命修正关系，基于所述循环寿命修正关系，结合寿命衰退附属量阈值范围，得到寿命衰退附属量修正图，包括：

构建荷电状态对循环寿命修正关系；构建充放电倍率对循环寿命修正关系；

基于所述荷电状态对循环寿命修正关系和所述充放电倍率对循环寿命修正关系，构建所述循环寿命修正关系；

确定荷电状态阈值范围和充放电倍率阈值范围；所述寿命衰退附属量阈值范围包括所述荷电状态阈值范围和所述充放电倍率阈值范围；

基于所述循环寿命修正关系，结合所述荷电状态阈值范围和所述充放电倍率阈值范围得到所述寿命衰退附属量修正图。

6.根据权利要求1所述的动力电池剩余寿命的预测方法，其特征在于，所述获取实时标准工况，结合习惯偏好-标准工况预测模型，得到实时驾驶员习惯偏好，包括：

获取偏好训练集和偏好测试集，并构建初始习惯偏好-标准工况预测模型；所述偏好训练集和偏好测试集均为习惯偏好-标准工况映射矩阵；

基于所述偏好训练集和偏好测试集对所述初始习惯偏好-标准工况预测模型进行训练，得到所述习惯偏好-标准工况预测模型；

获取实时车速数据和历史车速数据，并基于所述实时车速数据和所述历史车速数据，采用模糊推理方法，得到所述实时标准工况；

将所述实时标准工况输入所述习惯偏好-标准工况预测模型，得到所述实时驾驶员习惯偏好。