本發(fā)明涉及電池管理，具體為一種基于動(dòng)力電池充放電過(guò)程中多維度數(shù)據(jù)應(yīng)用的狀態(tài)評(píng)估與壽命預(yù)測(cè)。

背景技術(shù)：

1、電池作為電動(dòng)汽車(chē)和新型儲(chǔ)能設(shè)備的核心部分，其成本和技術(shù)發(fā)展對(duì)社會(huì)需求的響應(yīng)存在一定的滯后性，這嚴(yán)重制約電動(dòng)汽車(chē)的快速發(fā)展；同時(shí)，電池安全問(wèn)題也引起廣泛關(guān)注，尤其是在多起新能源汽車(chē)和儲(chǔ)能項(xiàng)目中發(fā)生的自燃或爆炸事故中，電池問(wèn)題常常是主要原因。

2、電池管理系統(tǒng)作為確保鋰電池安全應(yīng)用的關(guān)鍵環(huán)節(jié)，承擔(dān)著智能化管理及維護(hù)各個(gè)電池單元、防止過(guò)充電和過(guò)放電、延長(zhǎng)電池使用壽命以及監(jiān)控電池狀態(tài)的重任；現(xiàn)有的電池管理技術(shù)在電池健康狀態(tài)評(píng)估中若電池出現(xiàn)問(wèn)題，則檢測(cè)每只電芯的狀態(tài)，效率非常低，并且電池剩余壽命預(yù)測(cè)方面存在不足；基于模型的故障診斷方法雖然能夠?qū)崟r(shí)監(jiān)測(cè)電池系統(tǒng)的充放電過(guò)程，但其準(zhǔn)確性依賴(lài)于系統(tǒng)數(shù)學(xué)模型的準(zhǔn)確性，可能無(wú)法準(zhǔn)確反映實(shí)際電池狀態(tài)；而基于數(shù)據(jù)驅(qū)動(dòng)的方法，盡管不需要建立精確的數(shù)學(xué)模型，但計(jì)算量大，需要大量歷史樣本數(shù)據(jù)，且在電池性能衰減預(yù)測(cè)方面存在泛化能力不足和精度差的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、(一)解決的技術(shù)問(wèn)題

2、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于動(dòng)力電池充放電過(guò)程中多維度數(shù)據(jù)應(yīng)用的狀態(tài)評(píng)估與壽命預(yù)測(cè)，解決了電池壽命預(yù)測(cè)和電池健康評(píng)估效率低和精準(zhǔn)度差的問(wèn)題。

3、(二)技術(shù)方案

4、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：一種基于動(dòng)力電池充放電過(guò)程中多維度數(shù)據(jù)應(yīng)用的狀態(tài)評(píng)估與壽命預(yù)測(cè)，包括，

5、a.采集動(dòng)力電池在充放電過(guò)程中的多維度數(shù)據(jù)；并對(duì)采集到的數(shù)據(jù)進(jìn)行處理；

6、b.依次記錄每組電池、每串并聯(lián)電池模塊和每個(gè)電芯的充放電曲線(xiàn)；通過(guò)拉依達(dá)準(zhǔn)則對(duì)充放電曲線(xiàn)相似性進(jìn)行定量分析，評(píng)估電芯健康狀態(tài)；

7、c.通過(guò)聚類(lèi)分析方法為處理后的數(shù)據(jù)進(jìn)行聚類(lèi)，根據(jù)聚類(lèi)得到電池在充放電過(guò)程中的多維度數(shù)據(jù)的異常行為數(shù)據(jù)，并剔除異常行為的數(shù)據(jù)，將聚類(lèi)后的數(shù)據(jù)用于長(zhǎng)短期記憶網(wǎng)絡(luò)(lstm)對(duì)電池壽命的預(yù)測(cè)；

8、d.根據(jù)預(yù)測(cè)的電池壽命結(jié)合電芯健康狀態(tài)和多維度數(shù)據(jù)的異常行為數(shù)據(jù)判斷電池是否更換。

9、優(yōu)選的，采集動(dòng)力電池在充放電過(guò)程中的多維度數(shù)據(jù)，所采集的多維度數(shù)據(jù)包括開(kāi)路電壓、工作電壓、工作電流、內(nèi)阻、容量以及溫度；開(kāi)路電壓是電池在無(wú)負(fù)載情況下的電壓，它是評(píng)估電池荷電狀態(tài)的一個(gè)基本參數(shù)；工作電壓和工作電流則直接反映電池在實(shí)際充放電工作狀態(tài)下的電性能；內(nèi)阻作為電池內(nèi)部電阻的度量，用于理解電池的充放電效率和熱管理；電池容量是衡量其存儲(chǔ)能量能力的指標(biāo)，而電池的溫度則直接影響其性能和安全；將這些采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，去除由測(cè)量誤差或者設(shè)備故障產(chǎn)生的數(shù)據(jù)。

10、優(yōu)選的，通過(guò)對(duì)每組電池組、每個(gè)串并聯(lián)電池模塊以及每一只電芯的充放電曲線(xiàn)進(jìn)行依次記錄，通過(guò)這些記錄捕捉電池在充放電過(guò)程中的性能變化，為后續(xù)的分析提供數(shù)據(jù)支持；通過(guò)拉依達(dá)準(zhǔn)則對(duì)這些充放電曲線(xiàn)進(jìn)行相似性計(jì)算，用以評(píng)估電芯之間的健康狀態(tài)一致性；通過(guò)計(jì)算得到每只電芯充放電曲線(xiàn)的相似性度量，相似性度量反映電芯性能的一致性；基于充放電曲線(xiàn)的相似性度量，進(jìn)一步計(jì)算得到均值和標(biāo)準(zhǔn)差，根據(jù)均值和標(biāo)準(zhǔn)差了解電池組整體的健康狀態(tài)；如果一組電池中的放電曲線(xiàn)顯示出顯著差異，則電池組中存在性能不佳的電芯，從而深入檢查該組電池中串并聯(lián)的電池模塊，通過(guò)進(jìn)一步的分析放電曲線(xiàn)確定具體是哪一只電芯出現(xiàn)狀態(tài)問(wèn)題；高效識(shí)別問(wèn)題電芯，并采取維護(hù)措施；如果每組電池中的放電曲線(xiàn)相似，表明電池組中各個(gè)電芯的健康狀態(tài)相對(duì)一致，沒(méi)有明顯的性能衰減或故障現(xiàn)象，因此無(wú)需通過(guò)依次記錄的放電曲線(xiàn)進(jìn)行進(jìn)一步的詳細(xì)判斷，因?yàn)殡姵亟M整體表現(xiàn)良好，沒(méi)有必要進(jìn)行額外的詳細(xì)分析。

11、優(yōu)選的，拉依達(dá)準(zhǔn)則通過(guò)對(duì)每個(gè)電芯的d+1個(gè)點(diǎn)對(duì)進(jìn)行多項(xiàng)式擬合，得到一個(gè)d次多項(xiàng)式fj(x)(j＝1,2,…,m)；通過(guò)離散抽樣的方式在擬合的多項(xiàng)式曲線(xiàn)上重新選取p個(gè)點(diǎn)，并以這p個(gè)點(diǎn)的距離和均值表示各個(gè)電芯電壓變化率的曲線(xiàn)相似性；具體過(guò)程為：

12、s1.在區(qū)間[1,i-1]上任選一個(gè)數(shù)值記為z1；

13、s2.任選一個(gè)數(shù)值δz，要求

14、s3.以z1為基準(zhǔn)，以間隔為δz的方式選取剩余的p-1個(gè)數(shù)值，記為(z2,z3,…,zp)；若不滿(mǎn)足zp<i-1，則返回步驟s2；

15、s4.將選取的p個(gè)數(shù)值依次代入各個(gè)d次多項(xiàng)式fj(x)計(jì)算其值；

16、s5.采用歐式距離的計(jì)算方式，得到各個(gè)電芯對(duì)應(yīng)的電壓變化率的曲線(xiàn)相似性：

17、根據(jù)上述計(jì)算得到曲線(xiàn)的相似性，對(duì)dst(1)，dst(2),…,dst(m)計(jì)算其對(duì)應(yīng)的均值μ和標(biāo)準(zhǔn)差σ；每一個(gè)電芯的若滿(mǎn)足|dist(j)-μ|>3σ，則該電芯的健康狀態(tài)不好，即電池的健康狀態(tài)不好。

18、優(yōu)選的，聚類(lèi)分析方法為k均值聚類(lèi)，對(duì)處理過(guò)后的數(shù)據(jù)通過(guò)電池健康狀態(tài)和電池容量進(jìn)行聚類(lèi)，根據(jù)聚類(lèi)得到電池的性能模式和趨勢(shì)，通過(guò)聚類(lèi)識(shí)別電池?cái)?shù)據(jù)中的異常行為；k均值聚類(lèi)為長(zhǎng)短期記憶模型提供結(jié)構(gòu)性的數(shù)據(jù)處理，將處理聚類(lèi)后的數(shù)據(jù)分成長(zhǎng)短期記憶網(wǎng)絡(luò)模型訓(xùn)練和預(yù)測(cè)的數(shù)據(jù)集；其中k均值聚類(lèi)過(guò)程為：

19、步驟1.將電池健康狀態(tài)和電池容量數(shù)據(jù)按對(duì)應(yīng)的充放電過(guò)程和第幾次采樣分為k組，隨機(jī)選k個(gè)對(duì)象作為初始的聚類(lèi)中心；

20、步驟2.計(jì)算每個(gè)對(duì)象與各個(gè)聚類(lèi)中心之間的距離，把每個(gè)對(duì)象分配給距離它最近的聚類(lèi)中心；聚類(lèi)中心以及分配給它們的對(duì)象就代表一個(gè)聚類(lèi)，每分配一個(gè)樣本，聚類(lèi)的聚類(lèi)中心根據(jù)聚類(lèi)中現(xiàn)有的對(duì)象被重新計(jì)算；

21、步驟3.重復(fù)步驟2直到滿(mǎn)足對(duì)象分配不再改變?yōu)橹埂?/p>

22、優(yōu)選的，長(zhǎng)短期記憶網(wǎng)絡(luò)(lstm)模型由于一層的lstm在中長(zhǎng)期預(yù)測(cè)結(jié)果上存在準(zhǔn)確率巨降現(xiàn)象，因此采用至少兩層循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，多層次的網(wǎng)絡(luò)結(jié)構(gòu)更深入捕捉電池的性能和電池壽命的衰減；lstm模型包括輸入門(mén)、遺忘門(mén)和輸出門(mén)，這些門(mén)的協(xié)同工作使得網(wǎng)絡(luò)能記憶長(zhǎng)期依賴(lài)關(guān)系，在電池性能分析中，lstm識(shí)別和記憶電池充放電循環(huán)過(guò)程中的數(shù)據(jù)，同時(shí)忽略那些對(duì)電池壽命影響不大的噪聲和短期波動(dòng)。

23、優(yōu)選的，通過(guò)堆疊至少兩層lstm結(jié)構(gòu)，lstm模型不僅能學(xué)習(xí)電池充放電曲線(xiàn)的短期模式，如單次充放電事件中的性能變化，而且能在此基礎(chǔ)上進(jìn)一步抽象出更長(zhǎng)期和復(fù)雜的性能趨勢(shì)；第一層lstm結(jié)構(gòu)負(fù)責(zé)捕捉電池充放電曲線(xiàn)中的局部特征和短期依賴(lài)關(guān)系，而第二層結(jié)構(gòu)則對(duì)電池充放電曲線(xiàn)中的局部特征進(jìn)行整合，提取出更高層次的特征，更高層次的特征與電池的長(zhǎng)期健康狀態(tài)和壽命衰減有關(guān)；兩層lstm結(jié)構(gòu)的運(yùn)用，增強(qiáng)lstm模型對(duì)時(shí)間序列數(shù)據(jù)的處理能力，使其更好地理解和預(yù)測(cè)電池性能的演變過(guò)程；層次化的特征提取和學(xué)習(xí)機(jī)制，為電池壽命預(yù)測(cè)提供更為豐富和抽象的數(shù)據(jù)表示，從而提高預(yù)測(cè)的準(zhǔn)確性和可靠性；lstm模型的輸出通過(guò)一個(gè)或多個(gè)全連接層進(jìn)行轉(zhuǎn)換，將提取的高層次特征映射為對(duì)電池剩余壽命的具體預(yù)測(cè)值，使lstm模型的輸出既符合電池性能的實(shí)際變化規(guī)律，又滿(mǎn)足實(shí)際應(yīng)用中對(duì)電池壽命預(yù)測(cè)的具體需求。

24、(三)有益效果

25、本發(fā)明提供了一種基于動(dòng)力電池充放電過(guò)程中多維度數(shù)據(jù)應(yīng)用的狀態(tài)評(píng)估與壽命預(yù)測(cè)，具備以下有益效果：

26、1、本發(fā)明通過(guò)采用拉依達(dá)準(zhǔn)則對(duì)電池充放電曲線(xiàn)進(jìn)行相似性分析，能夠定量評(píng)估電芯健康狀態(tài)，準(zhǔn)確評(píng)估電芯健康狀態(tài)有助于預(yù)防電池故障，減少安全風(fēng)險(xiǎn)，避免因電池問(wèn)題導(dǎo)致的新能源汽車(chē)自燃或爆炸事故，增強(qiáng)了電池使用的安全性。

27、2、本發(fā)明提供的電池剩余壽命預(yù)測(cè)方法，可以為電池的維護(hù)和更換提供科學(xué)依據(jù)，準(zhǔn)確的電池壽命預(yù)測(cè)有助于確定電池的退役時(shí)間，減少不必要的電池更換，提高電池使用的經(jīng)濟(jì)性，促進(jìn)資源的循環(huán)利用。

28、3、本發(fā)明能夠有效識(shí)別電池組中性能不一致的電池，保持電池組中各個(gè)電芯的健康狀態(tài)相對(duì)一致，避免單個(gè)電芯故障影響整個(gè)電池組的性能。