[发明专利]一种基于深度学习的锂离子电池寿命迁移预测方法

摘要

本发明提出一种新的锂离子电池寿命迁移预测方法：首先，建立同温度同倍率不同配方电池的容量退化数据库；其次，确定好目标电池后，通过相似性度量选择出与目标电池容量退化规律相似的电池；最后，基于深度学习方法开展跨配方电池寿命迁移预测，实现目标电池的剩余循环寿命预测。同时，考虑经济性目标和电池寿命退化的不可逆转性，优化设计电池循环寿命试验，节省电池试验设计。该方法能够针对锂离子电池实现准确的剩余寿命预测，大幅度地减少研发阶段寿命试验的试验时间和试验量，缩短新产品研发周期，降低研发阶段费用，有效提高了系统的可靠性和安全性。

主权项

1.一种基于深度学习的锂离子电池寿命迁移预测方法，其特征在于：包括：建立与待预测寿命的目标电池同温度、同充放电倍率和不同配方的已知电池的电池库；通过确定测试数据的长度，以该长度为准计算目标电池和同温度、同充放电倍率和不同配方的其他电池的平均欧氏距离，作为其相似度量值，把所述电池库中其电池容量退化趋势与所述目标电池的电池容量退化趋势最相似的一个已知电池选作参考电池；通过将所述参考电池的容量退化数据作为训练数据，对一个已知预测模型进行训练，得到电池寿命预测模型；通过将目标电池的预定长度的电池退化数据输入到所述电池寿命预测模型进行计算，对所述目标电池进行寿命预测。