本發(fā)明涉及新能源，具體涉及一種電池剩余壽命預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、鋰離子電池因其高能量和功率密度、低自放電率、低價(jià)格以及長(zhǎng)壽命，在眾多領(lǐng)域被廣泛用作能源。與許多其他電化學(xué)系統(tǒng)類似，鋰電池在經(jīng)歷反復(fù)充放電循環(huán)后，其內(nèi)阻會(huì)逐步增加，內(nèi)阻的增加又會(huì)導(dǎo)致電池在充放電過(guò)程中產(chǎn)生顯著的發(fā)熱現(xiàn)象，進(jìn)而引發(fā)鋰電池發(fā)生不可逆的老化和性能衰退，即，鋰離子電池在使用和存儲(chǔ)過(guò)程中不可避免地會(huì)出現(xiàn)能量和功率衰減。因此，在電池管理系統(tǒng)中常用電池壽命初期的剩余容量和內(nèi)阻與其初始值的比率作為電池健康狀態(tài)（state?of?health，soh）指標(biāo)，該指標(biāo)可以用來(lái)表示鋰電池的剩余壽命，隨著鋰電池充放電循環(huán)次數(shù)的增加，soh會(huì)降低，即電池剩余壽命減少以及可用容量會(huì)逐漸減少，當(dāng)soh下降到一定閾值例如80%以下時(shí)，就需要停止鋰電池的使用或者限制使用。

2、考慮到鋰離子電池在越來(lái)越多領(lǐng)域的應(yīng)用，如電池設(shè)計(jì)調(diào)整、壽命預(yù)測(cè)和保修成本估算等，對(duì)其退化狀態(tài)的預(yù)測(cè)日益受到關(guān)注，如何準(zhǔn)確利用電池壽命初期的容量數(shù)據(jù)序列來(lái)進(jìn)行電池壽命終點(diǎn)的預(yù)測(cè)，是目前業(yè)界亟待解決的重要課題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明實(shí)施例提供了一種電池剩余壽命預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)，以此解決鋰離子電池使用過(guò)程中容量衰減和容量再生的問(wèn)題。

2、根據(jù)第一方面，本發(fā)明實(shí)施例提供了一種電池剩余壽命預(yù)測(cè)方法，所述方法包括：

3、獲取待檢測(cè)鋰電池的充放電循環(huán)數(shù)據(jù)，并對(duì)充放電循環(huán)數(shù)據(jù)進(jìn)行預(yù)處理，提取充放電循環(huán)數(shù)據(jù)中的容量序列特征；

4、將容量序列特征輸入至訓(xùn)練好的電池剩余壽命預(yù)測(cè)模型中，得到由電池剩余壽命預(yù)測(cè)模型輸出的之后每一次充放電循環(huán)后的待檢測(cè)鋰電池的剩余電池容量；

5、所述電池剩余壽命預(yù)測(cè)模型是通過(guò)樣本鋰電池的樣本充放電循環(huán)數(shù)據(jù)訓(xùn)練得到的，電池剩余壽命預(yù)測(cè)模型包括經(jīng)過(guò)列文伯格-馬夸爾特法算法以及粒子群調(diào)整算法進(jìn)行衰減參數(shù)調(diào)整后的雙高斯模型以及多層感知器；雙高斯模型用于對(duì)長(zhǎng)期趨勢(shì)序列的退化過(guò)程進(jìn)行預(yù)測(cè)，得到待檢測(cè)鋰電池后續(xù)充放電循環(huán)的長(zhǎng)期退化趨勢(shì)，多層感知器用于對(duì)容量序列特征的波動(dòng)進(jìn)行預(yù)測(cè)，得到待檢測(cè)鋰電池后續(xù)充放電循環(huán)的波動(dòng)序列，剩余電池容量是結(jié)合長(zhǎng)期退化趨勢(shì)以及波動(dòng)序列后得到的；

6、長(zhǎng)期趨勢(shì)序列是對(duì)容量序列特征進(jìn)行變分模態(tài)分解后得到的，容量序列特征的波動(dòng)是對(duì)容量序列特征進(jìn)行變分模態(tài)分解后得到的；

7、根據(jù)每一次樣本充放電循環(huán)后的待檢測(cè)鋰電池的剩余電池容量與初始樣本充放電循環(huán)的電池容量的比值，確定待檢測(cè)鋰電池的剩余電池容量到達(dá)預(yù)設(shè)容量時(shí)所需的充放電循環(huán)次數(shù)；

8、根據(jù)剩余電池容量到達(dá)預(yù)設(shè)容量時(shí)所需的充放電循環(huán)次數(shù)以及當(dāng)前次充放電循環(huán)對(duì)應(yīng)的充放電循環(huán)次數(shù)，確定當(dāng)前充放電循環(huán)的剩余電池循環(huán)壽命。

9、結(jié)合第一方面，在第一方面第一實(shí)施方式中，所述電池剩余壽命預(yù)測(cè)模型通過(guò)以下步驟訓(xùn)練得到：

10、獲取樣本鋰電池的樣本充放電循環(huán)數(shù)據(jù)，并對(duì)樣本充放電循環(huán)數(shù)據(jù)進(jìn)行預(yù)處理，提取樣本充放電循環(huán)數(shù)據(jù)中的樣本容量序列特征；

11、將樣本容量序列特征分解為預(yù)設(shè)數(shù)量的具有不同中心頻率和有限帶寬的樣本本征模態(tài)；

12、將樣本本征模態(tài)中的樣本長(zhǎng)期趨勢(shì)序列作為訓(xùn)練使用的輸入數(shù)據(jù)，并通過(guò)列文伯格-馬夸爾特法算法以及粒子群調(diào)整算法調(diào)整雙高斯模型的衰減參數(shù)，對(duì)雙高斯模型進(jìn)行訓(xùn)練；

13、將樣本本征模態(tài)中的樣本波動(dòng)作為訓(xùn)練使用的輸入數(shù)據(jù)，通過(guò)向前傳播的方式逐層提取特征以及通過(guò)梯度下降法進(jìn)行逐層迭代，對(duì)多層感知器進(jìn)行訓(xùn)練。

14、結(jié)合第一方面第一實(shí)施方式，在第一方面第二實(shí)施方式中，所述將樣本容量序列特征分解為預(yù)設(shè)數(shù)量的具有不同中心頻率和有限帶寬的樣本本征模態(tài)，具體包括：

15、通過(guò)變分模態(tài)分解算法將樣本容量序列特征分解為預(yù)設(shè)數(shù)量的具有不同中心頻率和有限帶寬的樣本本征模態(tài)；所述樣本本征模態(tài)包括一個(gè)樣本長(zhǎng)期趨勢(shì)序列和兩個(gè)樣本波動(dòng)；

16、對(duì)每個(gè)樣本本征模態(tài)均進(jìn)行希爾伯特變換，得到樣本本征模態(tài)對(duì)應(yīng)的單邊頻譜；

17、對(duì)每個(gè)單邊頻譜均進(jìn)行調(diào)制，并對(duì)調(diào)制后的單邊頻譜建立約束；

18、利用預(yù)設(shè)的懲罰項(xiàng)以及拉格朗日因子將建立的約束轉(zhuǎn)化為無(wú)約束，通過(guò)交替向乘子法確定無(wú)約束的最優(yōu)解，并將無(wú)約束的子問(wèn)題轉(zhuǎn)換為求解最小值問(wèn)題，得到樣本本征模態(tài)的最優(yōu)解。

19、結(jié)合第一方面第一實(shí)施方式，在第一方面第三實(shí)施方式中，所述列文伯格-馬夸爾特法算法訓(xùn)練雙高斯模型的衰減參數(shù)的過(guò)程為：

20、為雙高斯模型設(shè)立一組初始的衰減參數(shù)；

21、確定雙高斯模型的預(yù)測(cè)值與實(shí)際值之間的殘差；

22、根據(jù)殘差和初始的衰減參數(shù)構(gòu)建雅可比矩陣；

23、利用雅可比矩陣構(gòu)建近似海森矩陣；

24、根據(jù)近似海森矩陣和殘差更新雙高斯模型的衰減參數(shù)；

25、判斷衰減參數(shù)的更新量是否小于預(yù)設(shè)值或者參數(shù)更新的迭代次數(shù)是否達(dá)到第一預(yù)設(shè)次數(shù)；當(dāng)衰減參數(shù)的更新量小于預(yù)設(shè)值表示滿足收斂條件；

26、確定滿足收斂條件或者達(dá)到第一預(yù)設(shè)次數(shù)時(shí)，停止更新衰減參數(shù)，確定不滿足收斂條件以及未達(dá)到第一預(yù)設(shè)次數(shù)時(shí)，持續(xù)更新衰減參數(shù)，直至滿足收斂條件或者達(dá)到第一預(yù)設(shè)次數(shù)。

27、結(jié)合第一方面第三實(shí)施方式，在第一方面第四實(shí)施方式中，所述粒子群調(diào)整算法訓(xùn)練雙高斯模型的衰減參數(shù)的過(guò)程為：

28、對(duì)經(jīng)過(guò)所述列文伯格-馬夸爾特法算法調(diào)整后的衰減參數(shù)添加預(yù)設(shè)擾動(dòng)，初始化為粒子的初始位置和速度，得到每個(gè)粒子的初始位置和初始速度；

29、確定算法參數(shù)；所述算法參數(shù)包括慣性參數(shù)、第一學(xué)習(xí)因子、第二學(xué)習(xí)因子和第二迭代次數(shù)；

30、根據(jù)預(yù)設(shè)的適應(yīng)度函數(shù)確定每個(gè)粒子的適應(yīng)度值，并根據(jù)適應(yīng)度值更新每個(gè)粒子的個(gè)體最優(yōu)位置和群體最優(yōu)位置，直至達(dá)到第二迭代次數(shù)或者粒子的適應(yīng)度值小于預(yù)設(shè)殘差和。

31、結(jié)合第一方面第一實(shí)施方式，在第一方面第五實(shí)施方式中，所述將樣本本征模態(tài)中的樣本波動(dòng)作為訓(xùn)練使用的輸入數(shù)據(jù)，通過(guò)向前傳播的方式逐層提取特征以及通過(guò)梯度下降法進(jìn)行逐層迭代，對(duì)多層感知器進(jìn)行訓(xùn)練，具體包括：

32、將樣本本征模態(tài)中的樣本波動(dòng)輸入到多層感知器的隱藏層中進(jìn)行向前傳播，進(jìn)行逐層提取特征；

33、根據(jù)多層感知器的損失函數(shù)并采用梯度下降法反向得出每一隱藏層的權(quán)重和偏置，不斷迭代更新，直至達(dá)到預(yù)設(shè)的訓(xùn)練周期。

34、結(jié)合第一方面，在第一方面第一實(shí)施方式中，所述多層感知器的隱藏層設(shè)為2層，第一隱藏層的神經(jīng)元的個(gè)數(shù)為128，第二隱藏層的神經(jīng)元個(gè)數(shù)為32，隱藏層的激活函數(shù)選用relu函數(shù)，所述多層感知器的輸出層的神經(jīng)元個(gè)數(shù)為1。

35、根據(jù)第二方面，本發(fā)明實(shí)施例還提供了一種電池剩余壽命預(yù)測(cè)裝置，所述裝置包括：

36、序列提取模塊，用于獲取待檢測(cè)鋰電池的充放電循環(huán)數(shù)據(jù)，并對(duì)充放電循環(huán)數(shù)據(jù)進(jìn)行預(yù)處理，提取充放電循環(huán)數(shù)據(jù)中的容量序列特征；

37、容量預(yù)測(cè)模塊，用于將容量序列特征輸入至訓(xùn)練好的電池剩余壽命預(yù)測(cè)模型中，得到由電池剩余壽命預(yù)測(cè)模型輸出的之后每一次充放電循環(huán)后的待檢測(cè)鋰電池的剩余電池容量；

38、所述電池剩余壽命預(yù)測(cè)模型是通過(guò)樣本鋰電池的樣本充放電循環(huán)數(shù)據(jù)訓(xùn)練得到的，電池剩余壽命預(yù)測(cè)模型包括經(jīng)過(guò)列文伯格-馬夸爾特法算法以及粒子群調(diào)整算法進(jìn)行衰減參數(shù)調(diào)整后的雙高斯模型以及多層感知器；雙高斯模型用于對(duì)長(zhǎng)期趨勢(shì)序列的退化過(guò)程進(jìn)行預(yù)測(cè)，得到待檢測(cè)鋰電池后續(xù)充放電循環(huán)的長(zhǎng)期退化趨勢(shì)，多層感知器用于對(duì)容量序列特征的波動(dòng)進(jìn)行預(yù)測(cè)，得到待檢測(cè)鋰電池后續(xù)充放電循環(huán)的波動(dòng)序列，剩余電池容量是結(jié)合長(zhǎng)期退化趨勢(shì)以及波動(dòng)序列后得到的；

39、長(zhǎng)期趨勢(shì)序列是對(duì)容量序列特征進(jìn)行變分模態(tài)分解后得到的，容量序列特征的波動(dòng)是對(duì)容量序列特征進(jìn)行變分模態(tài)分解后得到的；

40、循環(huán)確定模塊，用于根據(jù)每一次樣本充放電循環(huán)后的待檢測(cè)鋰電池的剩余電池容量與初始樣本充放電循環(huán)的電池容量的比值，確定待檢測(cè)鋰電池的剩余電池容量到達(dá)預(yù)設(shè)容量時(shí)所需的充放電循環(huán)次數(shù)；

41、壽命預(yù)測(cè)模塊，用于根據(jù)剩余電池容量到達(dá)預(yù)設(shè)容量時(shí)所需的充放電循環(huán)次數(shù)以及當(dāng)前次充放電循環(huán)對(duì)應(yīng)的充放電循環(huán)次數(shù)，確定當(dāng)前充放電循環(huán)的剩余電池循環(huán)壽命。

42、根據(jù)第三方面，本發(fā)明實(shí)施例還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述任一種所述電池剩余壽命預(yù)測(cè)方法的步驟。

43、根據(jù)第四方面，本發(fā)明實(shí)施例還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一項(xiàng)所述電池剩余壽命預(yù)測(cè)方法的步驟。

44、本發(fā)明的電池剩余壽命預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)，采用多尺度模態(tài)分解方法，利用變分模態(tài)分解將從待檢測(cè)鋰電池的充放電循環(huán)數(shù)據(jù)中提取得到的容量序列特征分解成一個(gè)長(zhǎng)期趨勢(shì)序列和一系列的波動(dòng)，避免模態(tài)混疊，有效增強(qiáng)數(shù)據(jù)關(guān)鍵特征信息；通過(guò)將容量序列特征看作雙高斯函數(shù)的加權(quán)，利用l-m算法聯(lián)合pso粒子群算法精準(zhǔn)優(yōu)化雙高斯模型的衰減參數(shù)，有效擬合長(zhǎng)期趨勢(shì)序列，再利用mlp結(jié)構(gòu)簡(jiǎn)單、易實(shí)現(xiàn)和計(jì)算速度快等特點(diǎn)，有效感知容量序列特征的波動(dòng)；考慮到單一模型泛化性能差，難以精確擬合原始容量序列的退化趨勢(shì)和波動(dòng)的問(wèn)題，預(yù)將vmd、l-m-pso算法聯(lián)合雙高斯模型和mlp進(jìn)行集成，使得電池剩余壽命預(yù)測(cè)模型對(duì)于電池剩余循環(huán)壽命的預(yù)測(cè)具有魯棒性和更高的預(yù)測(cè)精度。