[发明专利]一种容量预测方法及装置

权利要求书

1.一种容量预测方法，其特征在于，包括：

获取待测锂电池的化成特征参数；所述化成特征参数包括化成期间每个时间点的电压、电流、容量、能量和温度之中的任一一项或多项；所述容量是电流在时间上的积分；能量为电压在时间上的积分；

将所述化成特征参数进行数据预处理，获取所述化成特征参数所处的区间；

根据所述化成特征参数所处的区间，从容量预测模型群中调取对应的区间容量预测模型；所述容量预测模型群中包含若干训练好的不同区间容量预测模型；

将所述化成特征参数输入对应的区间容量预测模型进行预测；

输出所述待测锂电池的电池容量。

2.根据权利要1所述的一种容量预测方法，其特征在于，还包括：

训练所述区间容量预测模型；具体包括：

采集不同批次的锂电池的化成特征参数样本；

将所有的锂电池的化成特征参数样本作为数据总体进行正态分布，并获取每个锂电池的化成特征参数样本在数据总体中分布的位置；

基于所述正态分布，将所述数据总体划分为若干个区间，不同区间内的数据在数据总体中分布的位置不同；

根据每个锂电池的化成特征参数样本在数据总体中分布的位置，将每个锂电池的化成特征参数样本调取至对应区间的区间样本训练集；

通过不同的区间样本训练集训练不同的区间容量预测模型；所述区间容量预测模型与所述区间样本训练集一一对应。

3.根据权利要求2所述的一种容量预测方法，其特征在于，将所述化成特征参数进行数据预处理，获取所述化成特征参数所处的区间；包括：

假设所述化成特征参数符合正态分布，通过下述公式计算所述化成特征参数的标准分数z；

其中，x是所述化成特征参数对应的值；μ是样本数据总体的平均值；σ是样本数据总体的标准差；

根据所述化成特征参数的标准分数，确定所述化成特征参数对应的区间。

4.根据权利要求1所述的一种容量预测方法，其特征在于，每个区间容量预测模型均包括上游的CNN网络和下游的∞-former网络；其中，

所述CNN网络，用于提取所述化成特征参数中的特征数据；

所述∞-former网络，其输入端与所述CNN网络的输出端连接，用于降低所述化成特征数据的密度，并将降低密度后的化成特征数据与锂电池的容量进行关联，输出所述待测锂电池的容量。

5.根据权利要求4所述的一种容量预测方法，其特征在于，所述CNN网络包括：若干组依次连接的卷积池化组合层，全连接层以及输出层；其中，所述卷积池化组合层包括卷积层和池化层。

6.根据权利要求5所述的一种容量预测方法，其特征在于，

所述CNN网络包含2组依次连接的卷积池化组合层；且所述卷积层是核面积为3*3的2维卷积层；所述池化层是面积为2*2的最大值池化层；

所述全连接层包括3个叠加的Dense层，其神经元个数分别为128、64和32；

所述输出层包含1个Dense层，其神经元个数为16。

7.一种容量预测装置，其特征在于，包括：

数据获取模块，用于获取待测锂电池的化成特征参数；所述化成特征参数包括化成期间每个时间点的电压、电流、容量、能量和温度之中的任一一项或多项；所述容量是电流在时间上的积分；能量为电压在时间上的积分；

预处理模块，用于将所述化成特征参数进行数据预处理，获取所述化成特征参数所处的区间；

模型选取模块，用于根据所述化成特征参数所处的区间，从容量预测模型群中调取对应的区间容量预测模型；所述容量预测模型群中包含若干训练好的不同区间容量预测模型；

容量预测模块，用于将所述化成特征参数输入对应的区间容量预测模型进行预测，输出所述待测锂电池的电池容量。