[发明专利]一种基于数据驱动的动力电池健康状态预测方法及设备

权利要求书

1.一种基于数据驱动的动力电池健康状态预测方法，其特征在于，所述方法包括：

采集电动汽车历史时间周期内的电池性能数据，并对所述电池性能数据进行数据预处理，得到电池运行数据；

根据所述电池运行数据，确定历史健康状态值以及融合健康特征；

根据所述融合健康特征以及所述历史健康状态值，训练LSTM神经网络模型，得到健康状态评估模型；

根据所述融合健康特征，对预搭建的Prophet模型进行迭代优化计算，得到融合健康特征预测模型；

根据所述融合健康特征预测模型以及所述健康状态评估模型，得到未来健康状态预测结果。

2.根据权利要求1所述的一种基于数据驱动的动力电池健康状态预测方法，其特征在于，采集电动汽车历史时间周期内的电池性能数据，并对所述电池性能数据进行数据预处理，得到电池运行数据，具体包括：

通过车载数据采集终端，对所述电动汽车进行所述电池性能数据的采集；其中，所述电池性能数据至少包括以下任一项或多项：BMS数据、电池SOC数据以及驱动电机数据；

将所述电池SOC数据的真实值与显示值进行对应关系修正，并将所述电池SOC进行插值处理，得到修正数据；

筛除所述修正数据的无关数据项，得到相关数据；其中，所述无关数据项为连续为0的数据以及为乱码数据片段；

根据所述电动汽车是否熄火，将所述相关数据进行分类划分，得到所述电池运行数据；其中，所述电池运行数据至少包括以下任意一项或多项：停车充电电池数据、行驶充电电池数据、电池容量数据以及行驶放电电池数据。

3.根据权利要求1所述的一种基于数据驱动的动力电池健康状态预测方法，其特征在于，根据所述电池运行数据，确定历史健康状态值，具体包括：

提取所述电池运行数据中的电池容量数据；

通过安时积分法，计算动力电池的可用容量数据；

将所述可用容量数据中的温度数据进行多项式拟合修正，得到温度修正容量值；并将所述可用容量数据中心的电流数据进行线性拟合修正，得到电流修正容量值；

根据所述温度修正容量值以及所述电流修正容量值，消除所述电池容量数据中温度的偏差以及电流的偏差，得到修正可用容量数据；

通过容量箱型图，检测所述修正可用容量数据中的离群点并删除，得到优化容量值；

通过Savitzky-Golay滤波器，对所述优化容量值中的时间序列进行多项卷积拟合，消除所述优化容量值中的高频噪声，得到所述历史健康状态值；其中，所述历史健康状态值包括当前电池容量值与额定电池容量值。

4.根据权利要求1所述的一种基于数据驱动的动力电池健康状态预测方法，其特征在于，根据所述电池运行数据，确定融合健康特征，具体包括：

根据Pearson相关系数法，对同型号电动汽车的不同车辆的所述电池运行数据进行筛选，提取并得到潜在健康特征；其中，所述潜在健康特征至少包括以下任意一项或多项：累积特征、工况特征以及单体一致性特征；

通过主成分分析法，对所述累积特征、工况特征以及单体一致性特征进行特征降维融合，得到所述融合健康特征。

5.根据权利要求1所述的一种基于数据驱动的动力电池健康状态预测方法，其特征在于，根据所述融合健康特征以及所述历史健康状态值，训练LSTM神经网络模型，得到健康状态评估模型，具体包括：

获取所述融合健康特征中的时间序列特征；

通过预设滑动宽度的滑动窗口，将所述时间序列特征划分为预设滑动宽度的多个时序样本，得到健康特征序列；并将所述健康特征序列进行归一化处理，得到融合健康特征序列；

将所述融合健康特征序列与所述历史健康状态值进行非线性映射，得到非线性映射关系；

根据所述融合健康特征序列、所述历史健康状态值以及非线性映射关系，对所述LSTM神经网络模型进行训练，得到所述健康状态评估模型；其中，所述融合健康特征序列为所述健康状态评估模型的训练输入端，所述历史健康状态值为所述健康状态评估模型的训练输出端。