[发明专利]一种动力电池剩余寿命的预测方法

说明书

本发明涉及一种动力电池剩余寿命的预测方法，首先基于现有的动力电池衰退数据集和修正关系构建初始寿命衰退核心量图和寿命衰退附属量修正图；然后基于实时获取的数据，结合习惯偏好‑标准工况预测模型，并进行计算，得到需求的数据信息，最后基于需求的数据信息，在初始寿命衰退核心量图和寿命衰退附属量修正图中进行查找，得到动力电池的健康状态损失量，基于健康状态损失量进行计算得到动力电池的剩余使用寿命。本发明通过建立多维度的综合寿命衰退模型，所考虑的影响因素全面，模型精度高，与动力电池实际衰退过程符合程度高，同时对硬件设备要求低，占用计算资源少，具有实时对动力电池剩余使用寿命在线量化的能力。

技术领域

本发明涉及动力电池技术领域，特别是涉及一种动力电池剩余寿命的预测方法。

背景技术

动力电池的寿命衰退是一个动态时变过程，具有典型的非线性行为和复杂的内部机理，它受到各种内部和外部因素的影响。尤其在车用的条件下，环境因素和负载条件的不稳定性使得动力电池的剩余寿命预测面临极大困难。

目前，对车用动力电池剩余寿命预测的方法主要包括以下两种：

一种是基于建立动力电池剩余寿命模型来量化其寿命衰退情况，进而预测其剩余使用寿命。该方法从挖掘影响动力电池寿命衰退的机理层面因素出发，而动力电池反应机理极其复杂，因而该方法存在考虑影响车用动力电池寿命衰退的因素较为片面、动力电池剩余寿命预测精度低和与动力电池实际剩余寿命相差较大等问题。

另一种是基于分析车用条件下与动力电池寿命相关的数据来通过大数据的方法探究车用动力电池剩余寿命的变化规律，进而对其剩余寿命进行预测。该方法由于需要采集大量的实车数据来进行分析处理，因而占用极大的计算资源，采集数据的质量依赖于传感器的精度，对硬件设备要求高，因而成本高昂。

发明内容

有鉴于此，本发明提供了一种动力电池剩余寿命的预测方法，考虑的影响因素全面，模型精度高，与动力电池实际的衰退符合程度高，占用计算资源少，对硬件设备要求低，具有极高的实车应用的潜力。

为实现上述目的，本发明提供了如下方案：

一种动力电池剩余寿命的预测方法，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。

优选地，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。