CN119511129A 基于锂离子电池直流内阻的电池健康状态预测方法及系统 （中山大学）

基于锂离子电池直流内阻的电池健康状态本发明公开了一种基于锂离子电池直流内康状态预测的技术领域。所述方法包括以下步健康状态预测的过程，满足广泛应用于实际情形，并有效提高电池健康状态预测的精度与效2采集单体锂离子电池全生命周期的脉冲电压数据，并对所述脉冲电压数据进行预处2.根据权利要求1所述的基于锂离子电池直流内阻的电池健康状态预测方法，其特征将采集的脉冲电压数据上传至锂电池健康数据库，并对电池健康数3.根据权利要求2所述的基于锂离子电池直流内阻的电池健康状态预测方法，其特征对电池健康数据库中的历史数据进行数据归一化处理的4.根据权利要求1所述的基于锂离子电池直流内阻的电池健康状态预测方法，其特征对全生命周期内循环的电池，在每一个循环内施加一个完整的脉冲充对一个脉冲充电过程中电压回弹特性曲线进行参数辨识，得到直流内采用安时积分法通过电池柜自身算法计算得到电池的5.根据权利要求4所述的基于锂离子电池直流内阻的电池健康状态预测方法，其特征构建电池健康状态评估模型，所述电池健康状态评估模将训练集输入电池健康状态评估模型，并设置若干轮的参数预测模块根据提取的电池健康状态特征与长时间关联特征，对电池3其中，电池健康状态表示电池当前循环的最大容量除以电6.根据权利要求5所述的基于锂离子电池直流内阻的电池健康状态预测方法，其特征设置损失函数对没轮次训练后的电池健康状态评估模型进行参数优化的7.根据权利要求5任一项所述的基于锂离子电池直流内阻的电池健康状态预测方法，根据电池的容量衰退轨迹，预测电池终止寿命和当前循环圈数，8.根据权利要求7所述的基于锂离子电池直流内阻的电池健康状态预测方法，其特征构建电池容量衰退轨迹预测模型，所述电池容量衰退轨迹预测模型包括自注意力层、将训练集输入电池容量衰退轨迹预测模型，并设置若干轮的参49.根据权利要求8所述的基于锂离子电池直流内阻的电池健康状态预测方法，其特征FFN(x)＝max(0,xW1+b1)电池容量衰退轨迹预测层根据逐点处理后的电池容量特征与进行电池容量衰退轨迹状态评估模块，用于根据提取的电池电压回弹特性曲线，对当前电56[0008]一种基于锂离子电池直流内阻的电池健康状态预测方法，所述方法包括以下步7[0031]利用双向长短期记忆模块提取训练集中电池脉冲充放电过程中的长时间关联特[0043]设置损失函数对没轮次训练后的电池健康状态评估模型进行参数优化的表达式8[0059]电池容量衰退轨迹预测层根据逐点处理后的电池容量特征与进行电池容量衰退9[0073]图1为本申请实施例提供的一种基于锂离子电池直流内阻的电池健康状态预测方[0074]图2为本申请实施例提供的基于锂离子电池直流内阻的锂电池健康诊断的方法中[0075]图3为本申请实施例提供的基于锂离子电池直流内阻的锂电池健康状态评估流程[0077]图5为本申请实施例提供的基于锂离子电池早期容量数据的锂电池容量退化轨迹[0078]图6为本申请实施例提供的基于锂离子电池早期容量数据的锂电池容量退化轨迹[0079]图7为本申请实施例提供的一种基于锂离子电池直流内阻的电池健康状态预测系至电池容量下降到额定容量的80在此期间，恒流恒压充电和恒流放电的电流设定为任和45℃的脉冲电压。[0116]S34：利用双向长短期记忆模块提取训练集中电池循环充放电过程中的长时间关[0120]在一些实施例中，本申请所构建的电池健康状态评估模型可以是CNN_BiLSTM模记忆模块提取训练集中电池循环充放电过程中的长时间关联特征的[0130]设置损失函数对没轮次训练后的电池健康状态评估模型进行参数优化的表达式[0138]本实施例基于实施例一中所述的一种基于锂离子电池直流内阻的电池健康状态[0141]将完整的电池容量数据集(实施例一中估计出的电池早期容量数据)分为训练集使用情况，容量衰退轨迹的输入数据是实施例一中CNN_BiLSTM神经网络估计的电池容量[0143]在实施例二中，对于2容量衰退轨迹预测模型进行参数优化，当预设的迭代训练轮次结束或者损失函数收敛时，[0157]电池容量衰退轨迹预测层根据逐点处理后的电池容量特征与进行电池容量衰退池固有的容量退化模式有较大的差异，模型的学习依据是宏观层面容量曲线的退化规律，因此本实施例中将不同温度的电池分组考虑而前50圈的容量数据预测未来400圈的容量，45℃电池选择前100圈的容量数据预测未来350到容量值为初始值75％的最大循环圈数作为电池的终止寿命，作为电池最大寿命(NEOL)的示。图6横坐标为循环圈数，纵坐标为电池容量值。TrueData表示容量的真实值；Prediction表示实施例一估计得到的早期容量数据；Extrapolation表示预测的电池退化轨迹；Threhold是电池容量下降到初始值75％的阈值线；Uncertainty表示预测的不确定2[0180]一种基于锂离子电池直流内阻的电池健康状态预测系统，参见图7，所述系统包