[发明专利]车辆电池寿命的互学习预测方法、装置及存储介质

权利要求书

1.一种车辆电池寿命的互学习预测方法，其特征在于，包括：

确定经验模型，并获取车辆自身电池的历史数据轨迹，以及获取与所述车辆自身电池相适配的其他车辆电池的历史数据轨迹；

采用所述经验模型对所述车辆自身电池的历史数据轨迹和所述其他车辆电池的历史数据轨迹进行互学习；

基于大数据估计电池容量状态，获得第一估计结果，并在互学习过程中，根据所述第一估计结果对所述经验模型的参数进行修正；

确定机理模型，并根据所述机理模型和大数据估计电池容量状态，获得第二估计结果；

采用修正后的经验模型对电池寿命进行预测，并在预测过程中，根据所述第二估计结果对修正后的经验模型参数再次进行修正，最终获得电池寿命预测结果。

2.根据权利要求1所述的电池寿命的互学习预测方法，其特征在于，获取与所述车辆自身电池相适配的其他车辆电池的历史数据轨迹，包括：

在其他车辆的电池类型与所述车辆自身电池的类型相同时，如果所述其他车辆的电池循环次数大于所述车辆自身电池的循环次数、所述其他车辆的电池寿命预测值小于所述车辆自身电池的寿命预测值、且所述其他车辆的电池衰减速率与所述车辆自身电池的衰减速率满足预设条件，则确定所述其他车辆电池的历史数据轨迹与所述车辆自身电池的历史数据轨迹相适配。

3.根据权利要求2所述的电池寿命的互学习预测方法，其特征在于，在所述其他车辆的电池衰减速率与所述车辆自身电池的衰减速率之间满足以下关系式时，确定所述其他车辆的电池衰减速率与所述车辆自身电池的衰减速率满足预设条件：

其中，V_SOHCi为所述其他车辆的电池衰减速率，V_SOHC为所述车辆自身电池的衰减速率。

4.根据权利要求1所述的电池寿命的互学习预测方法，其特征在于，根据所述第一估计结果对所述经验模型的参数进行修正，包括：

将第一学习结果作为先验估计，并将所述第一估计结果作为后验修正，采用卡尔曼滤波算法对所述经验模型的参数进行修正，其中，所述第一学习结果根据所述经验模型学习所述车辆自身电池的历史数据轨迹和所述其他车辆电池的历史数据轨迹获得。

5.根据权利要求4所述的电池寿命的互学习预测方法，其特征在于，根据所述第二估计结果对修正后的经验模型参数再次进行修正，包括：

将所述修正后的经验模型输出的第二学习结果作为先验估计，并将所述第二估计结果作为后验修正，采用所述卡尔曼滤波算法对所述修正后的经验模型参数再次进行修正。

6.根据权利要求1-5中任一项所述的电池寿命的互学习预测方法，其特征在于，基于大数据估计电池容量状态，获得第一估计结果，包括：

获取相同循环次数时车辆自身电池的第一寿命预测值和其他车辆电池的寿命预测值；

根据所述车辆自身电池的第一寿命预测值和所述其他车辆电池的寿命预测值进行加权计算，获得所述第一估计结果。

7.根据权利要求6所述的电池寿命的互学习预测方法，其特征在于，根据以下公式计算所述第一估计结果：

其中，在V_SOHCi≥V_SOHC时，在V_SOHCi＜V_SOHC时，SOHC1为所述第一估计结果，N为满足筛选条件车辆个数，P_i为权值系数，SOHC_i为所述其他车辆电池的寿命预测值，SOHCself1为所述车辆自身电池的第一寿命预测值。

8.根据权利要求1-5中任一项所述的电池寿命的互学习预测方法，其特征在于，根据所述机理模型和大数据估计电池容量状态，获得第二估计结果，包括：

获取第一预设循环次数时车辆自身电池的第二寿命预测值；

根据所述机理模型和大数据获取第一预设循环次数时车辆自身电池的寿命预测变化值；

根据所述车辆自身电池的第二寿命预测值和所述车辆自身电池的寿命预测变化值进行相加计算，获得所述第二估计结果。