[发明专利]基于数字孪生的动力锂电池容量退化分析及在线估计方法

权利要求书

1.一种基于数字孪生的动力锂电池容量退化分析及在线估计方法，其特征在于，包括以下步骤：

步骤1：以放电电压、放电时间以及SOC作为输入，以锂电池最大可用容量为输出，融合反向传播神经网络(BPNN)以及卷积神经网络-长短期记忆-注意力CNN-LSTM-Attention方法，构建锂电池数字孪生系统框架；

步骤2：基于锂电池数字孪生系统中的BPNN，预测锂电池相应的放电电压曲线；

步骤3：基于锂电池数字孪生系统中CNN-LSTM-Attention提取电流放电电压曲线的重要特征，从而完成锂电池容量退化分析和在线实时预测。

2.根据权利要求1所述的一种基于数字孪生的动力锂电池容量退化分析及在线估计方法，其特征在于：步骤1构建基于数字孪生的动力锂电池容量退化分析及在线估计方法框架，建立以放电电压、放电时间以及SOC作为输入，以锂电池最大可用容量为输出，融合BPNN以及CNN-LSTM-Attention方法。

3.根据权利要求1所述的一种基于数字孪生的动力锂电池容量退化分析及在线估计方法，其特征在于：步骤2采用BPNN模型补全锂电池完整放电电压曲线；其过程为：

(1)选取健康因子

①放电电压

式中：V^m第m次锂电池充放电循环周期下的放电电压，分别为第m个充放电循环电池完全放电时、起始放电时的电压，m为锂电池充放电周期；

②锂电池放电时间

式中：t^m为第n次充放电循环的放电时间，分别为第m次充放电循环电池电压为起始端电压、放电截止电压的时刻，m为动力锂电池放电周期；

然而，仅通过局部放电电压曲线很难获得实际的完整放电电压曲线。因此，我们增加一个额外的锂电池健康因子SOC；

③锂电池SOC计算公式为：

其中，m表示第m个充放电周期，n是相应的时间点，C_max表示第m个周期的最大可用容量，C_current表示第n个时间点处第m个周期的电流容量。在电池的实际放电过程中，电池的SOC从100％降低到0％，我们可以准确地捕捉到它随时间的变化；

(2)锂电池完整放电曲线估计

通过锂电池历史运行数据、SOC和电池电流放电周期的局部放电电压曲线，通过S21构建好的BPNN模型，建立锂电池整个周期放电电压曲线的数字孪生模型。

4.根据权利要求1所述的一种基于数字孪生的动力锂电池容量退化分析及在线估计方法，其特征在于：步骤3中根据步骤2中计算得到的锂电池放电电压曲线，作为输入传递到基于锂电池数字孪生系统中CNN-LSTM-Attention提取电流放电电压曲线的重要特征，实现锂电池容量退化分析和实时在线估计，其过程为：

(1)根据SOC的变化，在一个放电周期的放电电压曲线中选择若干采样点，得到采样点的电压和时间特征，作为CNN-LSTM-Attention模型的训练样本集，预测任何循环的最大可用容量；

(2)在实际的电池运行过程中，可以根据数据孪生系统中的历史数据自动训练模型，并根据步骤2预测的电池放电曲线参数作为输入，实现对当前循环电池可用容量的实时预测，确保电池处于健康的运行状态。