[发明专利]一种电池健康状态的预测方法

说明书

本发明公开了一种电池健康状态的预测方法，预测方法包括获取电池的全生命周期数据并将其拆分成多个循环过程从而得到每个循环发生的时间和应力影响因子，以形成包括每个循环发生的时间的集合T；对集合T中的数据进行排序并计算相邻数据的时间间隔，以得到多个时间差以组成集合T_diff；将集合T和T_diff输入至时序模型进行训练以得到模型model₁，并将部分的应力影响因子和集合T输入至时序模型进行训练以得到模型model_temp、model_soc、model_dod、model_pass；利用模型model₁、model_temp、model_soc、model_dod、model_pass计算不同时刻的预测值，从而组成集合Temp_p、并根据集合的应力值计算电池的SOH值。本发明采用先预测应力值作为输入，再计算SOH的方法，考虑到了各个应力影响因子对SOH的影响，能够提高预测精度。

技术领域

本发明涉及电池健康状态预测技术领域，特别涉及一种电池健康状态的预测方法。

背景技术

锂离子电池系统的及时维护和更换对于实现快速准确地预测健康状态(SOH)至关重要。SOH是电池的动态状态参数，由其与初始条件相比的可用容量表示。一般来说，SOH在长期内趋于降低，因为电池会因化学成分的退化而在其充电和放电循环中老化。为了确保电池具有足够好的状态，准确预测电池SOH对于及时更换耗尽或弱电池具有重要意义。

业界普遍的方法会关注入参和目标值之间的关系，而忽略时间这个重要维度，而且在后续的时间预测过程中，一般也只会采用周期性的时间点进行预测，这样会遗漏电池的充放电行为的因素；还有的方法会把SOH直接作为输入，找到SOH与目标值的关系，但也忽略了且其他影响因素对SOH的影响，从而不会有很好的精度表现。

发明内容

本发明的目的是提供一种具有电池SOH预测准确率高的电池健康状态的预测方法。

为达到上述目的，本发明采用的技术方案如下：

一种电池健康状态的预测方法，所述预测方法包括：

获取电池的全生命周期数据并将其拆分成多个循环过程从而得到每个循环发生的时间和应力影响因子，以形成集合T，所述集合T包括每个循环发生的时间；

对所述集合T中的数据进行排序，并计算相邻数据的时间间隔，从而得到多个时间差，以组成集合T_diff；

将所述集合T和所述集合T_diff输入至时序模型进行训练以得到模型model₁，并且，将部分的所述应力影响因子和所述集合T输入至时序模型进行训练以得到模型model_temp、模型model_soc、模型model_dod、模型model_pass；

利用所述模型model₁、模型model_temp、模型model_soc、模型model_dod、模型model_pass计算不同时刻的预测值，从而组成集合Temp_p、并根据集合的应力值计算电池的SOH值。

进一步地，所述拆分成多个循环过程的方法包括：先按照电池的时间对所述全生命周期数据进行排序，再根据电池的SOC对所述全生命周期数据进行拆分。