CN114563711B 基于相似性的锂离子电池soh预测和soc估计方法 （华南理工大学）

基于相似性的锂离子电池SOH预测和SOC估本发明公开了基于相似性的锂离子电池SOH取同类型同工况下的锂离子电池的历史健康状对待预测的锂离子电池本次充放电半循环中的健康状态SOH值进行预测；预测实时的基于额定容量定义下的荷电状态SOCN和基于最大可用容中实时的基于额定容量定义下的荷电状态SOCN、基于最大可用容量定义下的荷电状态SOCH和健锂离子电池的联合状态估计提供了新的研究思2S3、获取待预测数据锂离子电池在充放电半循环若采用相关向量机训练第二模型，则需对训练数据样本进行插S5.3、采用训练好的极限学习机预测归一化操作后的训练数据样本中的N+1个时刻的S5.4、将归一化操作后的训练数据样本中的N+1个时刻的物理量反归一化还原为插值采用集成学习算法训练第二模型时，在训练数据样本的基础上，以对S6、采用训练完成的第一模型对待预测的锂离子S7、对于锂离子电池在本次充放电半循环中放电半循环中的健康状态SOH的预测值得到实时的基于最大可用容量定义下的荷电状态2.根据权利要求1所述的基于相似性的锂离子电池SOH预测和SOC估计方法，其特征在3健康状态SOH序列由锂离子电池先后完成的多个充放电半循环的健康状态SOH按照时将历史健康状态SOH序列按充放电半循环划分为多个充放电半循环中的健康3.根据权利要求2所述的基于相似性的锂离子电池SOH预测和SOC估计方法，其特征在于，步骤S2中，给定窗口大小windowssize，对历史健康状态SOH序列进行滑窗，每次取4.根据权利要求3所述的基于相似性的锂离子电池SOH预测和SOC估计方法，其特征在获取待预测的锂离子电池先后完成的前p+1个充放电半循环中的健康状态SOH的真实训练数据包括锂离子电池在恒流充电阶段、恒压充电阶段或恒流放电阶段中的电压、待预测数据包括锂离子电池在恒流充电阶段、恒压充电阶段或恒流放电阶段中的电5.根据权利要求4所述的基于相似性的锂离子电池SOH预测和SOC估计方法，其特征在记录每份训练数据样本对应的物理量的初始值，即每份训练数据6.根据权利要求1所述的基于相似性的锂离子电池SOH预测和SOC估计方法，其特征在7.根据权利要求6所述的基于相似性的锂离子电池SOH预测和SOC估计方法，其特征在样本对应的物理量的初始值作差，将物理量的初始值差值对应加到每份待预测数据样本4荷电状态SOC(stateofcharge)有两种定义方式，既可用当结合第p+2个充放电半循环中实时的基于额定容量定义下的荷电状态SOCN的预测值和第p+2个充放电半循环中的健康状态SOH的预测值，得到第p+2个充放电半循环中实时的基8.根据权利要求7所述的基于相似性的锂离子电池SOH预测和SOC估计方法，其特征在9.根据权利要求4～8任一项所述的基于相似性的锂离子电池SOH预测和SOC估计方法，5[0004]为解决上述问题，本发明提出了基于相似性的锂离子电池SOH预测和SOC估计方次充放电半循环中的健康状态SOH的预测值得到实时的基于最大可用容量定义下的荷电状6[0019]健康状态SOH序列由锂离子电池先后完成的多个充放电半循环的健康状态SOH按[0021]将历史健康状态SOH序列按充放电半循环划分为多个充放电半循环中的健康状态[0025]获取待预测的锂离子电池先后完成的前p+1个充放电半循环中的健康状态SOH的练数据的数据曲线按照时间发生顺序按照比例分[0036]S5.3、采用训练好的极限学习机预测归[0037]S5.4、将归一化操作后的训练数据样本7[0046]结合第p+2个充放电半循环中实时的基于额定容量定义下的荷电状态SOCN的预测值和第p+2个充放电半循环中的健康状态SOH的预测值，得到第p+2个充放电半循环中实时的基于最大可用容量定义下的荷电状态SOC[0053](3)首次尝试将相关向量机应用于电池荷电状态和健康状态的联合估计，为锂离8[0068]健康状态SOH序列由锂离子电池先后完成的多个充放电半循环的健康状态SOH按[0070]将历史健康状态SOH序列按充放电半循环划分为多个充放电半循环中的健康状态[0071]本实施例中，在Oxford电池公开数据集下进行，Oxford电池公开数据集共包括9[0077]获取待预测的锂离子电池先后完成的前p+1个充放电半循环中的健康状态SOH的于放电，共分为三部分，记作第一放电样本dis01，第二放电样本dis02和第三放电样本充电样本ch04以及第一放电样本dis01，第二放电样本dis02和第三放电样本dis03中对应充电样本ch04以及第一放电样本dis01，第二放电样本dis02和第三放电样本dis03的电压放电新样本dis12和第三放电新样本d[0095]S5.3、采用训练好的极限学习机预测归[0096]S5.4、将归一化操作后的第一充电样本ch新样本ch11对应的电压或温度作为输入，基于额定容量定义下的荷电状态SOCN作为输出，[0101]根据待预测的锂离子电池第p+2-windowssize个到第p+1个充放电半循环中的健康状态SOH的真实值，输入第一模型，输出第p+2个充放电半循环中的健康状态SOH的预测次充放电半循环中的健康状态SOH的预测值得到实时的基于最大可用容量定义下的荷电状间发生顺序按照步骤S4中的比例分成多份待预测数据样本，包括第一待预测充电样本预测放电样本温度初始值T26和第三待预测放电样本温度初始[0105]将步骤S4中获得的每份数据样本对应的物理量的初始值与每份待预测数据样本[0110]结合第p+2个充放电半循环中实时的基于额定容量定义下的荷电状态SOCN的预测值和第p+2个充放电半循环中的健康状态SOH的预测值，得到第p+2个充放电半循环中实时的基于最大可用容量定义下的荷电状态SOC对步骤S5和步骤S6的预测结果进行定量评价，xi和xi分别为第i次半循环采次数中的实时于最大可用容量定义下的实时