《多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法.pdf》由會員分享，可在線閱讀，更多相關(guān)《多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法.pdf（16頁完成版）》請在專利查詢網(wǎng)上搜索。

1、(19)中華人民共和國國家知識產(chǎn)權(quán)局 (12)發(fā)明專利申請 (10)申請公布號 (43)申請公布日 (21)申請?zhí)?202010800353.5 (22)申請日 2020.08.11 (71)申請人 中北大學(xué) 地址 030051 山西省太原市學(xué)院路3號中北 大學(xué) (72)發(fā)明人 賈建芳溫杰王科科史元浩 龐曉瓊梁建宇曾建潮 (74)專利代理機構(gòu) 山西五維專利事務(wù)所(有限 公司) 14105 代理人 茹牡花 (51)Int.Cl. G01R 31/392(2019.01) G01R 31/367(2019.01) G01R 31/396(2019.01) (54)發(fā)明名稱 多類型鋰離子電池組管理系。

2、統(tǒng)的健康狀態(tài) 和剩余壽命預(yù)測方法 (57)摘要 本發(fā)明多類型鋰離子電池組管理系統(tǒng)的健 康狀態(tài)和剩余壽命預(yù)測方法。 解決在多類型鋰離 子電池混合使用情況下， 傳統(tǒng)電池管理系統(tǒng)無法 有效管理， 并且傳統(tǒng)預(yù)測模型預(yù)測起始點靠后的 問題。 對于同種鋰離子電池采用小波分解， 將容 量退化歷史數(shù)據(jù)分為高頻波動部分和低頻趨勢 兩部分， 分別將兩部分數(shù)據(jù)作為輸入數(shù)據(jù)訓(xùn)練其 對應(yīng)的帶殘差層的小波神經(jīng)網(wǎng)絡(luò)。 將實時低頻趨 勢數(shù)據(jù)帶入殘差小波網(wǎng)絡(luò)和無跡粒子濾波結(jié)合 的模型， 得到長期剩余壽命預(yù)測結(jié)果。 該結(jié)果將 為系統(tǒng)后期更換電池次序提供依據(jù)。 剩余壽命預(yù) 測結(jié)果與實時高頻波動部分使用帶殘差層的小 波神經(jīng)網(wǎng)絡(luò)模型得。

3、到的短期預(yù)測值， 通過同循環(huán) 次數(shù)疊加得到其實時健康狀態(tài)預(yù)測值， 用于鋰離 子電池健康狀態(tài)均衡管理。 權(quán)利要求書2頁 說明書8頁 附圖5頁 CN 111707956 A 2020.09.25 CN 111707956 A 1.多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法， 其特征在于， 所述 方法包括以下步驟： 步驟一、 利用獨立主成分分析法將具有多類型鋰離子電池的電池組原始數(shù)據(jù)分解為不 同類型電池的退化數(shù)據(jù)， 并根據(jù)分解結(jié)果進行分類； 步驟二、 將步驟一中退化數(shù)據(jù)與數(shù)據(jù)庫中容量退化曲線進行對比， 判斷是否前期訓(xùn)練 完成該種單體電池多尺度預(yù)測模型， 若不存在則建立該類預(yù)測模型； 步驟。

4、三、 通過步驟二確認已訓(xùn)練好該種鋰離子電池多尺度預(yù)測模型后， 將步驟一中的 單體容量退化數(shù)據(jù)帶入對應(yīng)多尺度組合模型中， 獲得長期剩余壽命預(yù)測值和短期實時健康 狀況預(yù)測值； 步驟四、 將步驟一和步驟三得到的單體鋰離子電池真實容量數(shù)據(jù)， 預(yù)測容量數(shù)據(jù)和預(yù) 測模型參數(shù)存入數(shù)據(jù)庫。 2.根據(jù)權(quán)利要求1所述多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測和剩余壽命預(yù)測 方法， 其特征在于， 所述步驟一中， 將鋰離子電池組數(shù)據(jù)使用獨立主成分分析法將退化數(shù)據(jù) 分離， 得到不同類型電池容量退化數(shù)據(jù)； 然后將單體電池的容量退化數(shù)據(jù)與各個類型數(shù)據(jù) 進行比對， 從而使各個單體電池劃分到不同類型電池型號中。 3.根據(jù)權(quán)利要求。

5、1所述多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測和剩余壽命預(yù)測 方法， 其特征在于， 所述步驟二中， 判斷是否存在該類型的預(yù)測模型采用差值判斷， 即將其 帶入數(shù)據(jù)庫中與各種類型鋰離子電池平均退化曲線進行減法計算， 差值過大時認為不存在 其預(yù)測模型。 4.根據(jù)權(quán)利要求3所述多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方 法， 其特征在于建立新種類鋰離子電池預(yù)測模型步驟如下： 步驟一、 利用離散小波分解將單體容量退化數(shù)據(jù)分解為高頻波動和低頻趨勢兩部分； 步驟二、 將同類型電池經(jīng)過步驟一得到的高頻波動部分及低頻趨勢部分分別帶入殘差 小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練； 步驟三、 將訓(xùn)練好的低頻趨勢部分的殘差小。

6、波網(wǎng)絡(luò)與無跡粒子濾波進行結(jié)合， 形成長 短期剩余壽命預(yù)測模型； 步驟四、 將訓(xùn)練好的高頻波動部分的殘差小波網(wǎng)絡(luò)與短期剩余壽命預(yù)測模型進行結(jié) 合， 形成實時健康狀態(tài)預(yù)測模型。 5.根據(jù)權(quán)利要求4所述多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測和剩余壽命預(yù)測 方法， 其特征在于， 步驟一中， 離散小波變換函數(shù)為： 式中， 連續(xù)變換的尺度參數(shù)A和平移參數(shù)B離散化為：分解后的高 頻波動部分為低頻趨勢部分為n為同類型下單體電池編號， m為單體電池循環(huán) 次數(shù)。 6.根據(jù)權(quán)利要求4所述多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測和剩余壽命預(yù)測 方法， 其特征在于， 鋰離子電池預(yù)測模型步驟二中， 以兩組同類電池數(shù)據(jù)為。

7、例， 低頻趨勢部 分訓(xùn)練數(shù)據(jù)Ltrain為： 權(quán)利要求書 1/2 頁 2 CN 111707956 A 2 高頻波動部分訓(xùn)練數(shù)據(jù)Htrain為： 7.根據(jù)權(quán)利要求4所述多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)預(yù)測和剩余壽命預(yù)測 方法， 其特征在于， 鋰離子電池預(yù)測模型步驟三中， 長、 短期剩余壽命預(yù)測模型為： RUL(Lstrain) exp( *k)+ exp( *k)+ 公式4， 式中， , , 和 為固定參數(shù)， k為循環(huán)次數(shù)， 為高斯白噪聲； 將第三組數(shù)據(jù)作為測 試數(shù)據(jù)Ltest， 將其帶入長短期剩余壽命預(yù)測模型， 從而得到短期剩余壽命預(yù)測值RULstort和 長期壽命預(yù)測值RULlong。。

8、 8.根據(jù)權(quán)利要求4所述多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方 法， 其特征在于， 鋰離子電池預(yù)測模型的步驟四中， 將第三組數(shù)據(jù)作為測試數(shù)據(jù) Htest， 將其帶入高頻殘差小波網(wǎng)絡(luò)模型， 從而得到預(yù)測值Hsoh； 實時健康狀態(tài)預(yù)測模型為： SOH(k)RULstort(k)+Hsoh(k) 公式5， 式中， k為循環(huán)次數(shù)。 權(quán)利要求書 2/2 頁 3 CN 111707956 A 3 多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測 方法 技術(shù)領(lǐng)域 0001 本發(fā)明屬于鋰離子電池健康管理技術(shù)領(lǐng)域， 具體涉及多類型鋰離子電池組管理系 統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法。 背景技術(shù) 0。

9、002 鋰離子電池已被廣泛應(yīng)用于工業(yè)生產(chǎn)和日常生活中。 從手機、 筆記本電腦等電子 產(chǎn)品， 到電動汽車、 人造衛(wèi)星和電網(wǎng)儲能等大型應(yīng)用場景， 鋰離子電池都發(fā)揮著極其重要的 作用。 然而， 隨著鋰離子電池的大規(guī)模生產(chǎn)， 不同生產(chǎn)商所制造出來的電池存在著巨大差 異。 并且同一生產(chǎn)商的不同批次， 甚至是同一批次生產(chǎn)的鋰離子電池同樣存在著差異。 因 此， 鋰離子電池在多類型混用時的管理已成為限制其發(fā)展的難點之一。 0003 多類型鋰離子電池組管理系統(tǒng)的提出是提升各類電池使用效能的有效方式， 并且 維修難度遠遠小于傳統(tǒng)的串并聯(lián)結(jié)構(gòu)。 區(qū)別于傳統(tǒng)的電池管理系統(tǒng)， 多類型鋰離子電池組 管理系統(tǒng)對于電池的挑選。

10、并不嚴苛， 即使差異較大的不同類型的鋰離子電池也不影響其管 理能力。 健康狀態(tài)和剩余壽命預(yù)測是電池管理系統(tǒng)的重要功能之一， 同時也是均衡管理、 損 壞預(yù)警等功能實現(xiàn)的前提。 但是鋰離子電池是典型動態(tài)、 非線性的電化學(xué)系統(tǒng)， 實際應(yīng)用場 景下無法測量其阻抗等內(nèi)部狀態(tài)， 因此根據(jù)電流或電壓曲線計算得到的容量變化曲線成為 目前電池健康狀態(tài)和剩余壽命預(yù)測的主要依據(jù)。 0004 不同類型的鋰離子電池的容量退化狀態(tài)存在差異難以用同一預(yù)測模型進行預(yù)測。 并且傳統(tǒng)健康狀態(tài)預(yù)測和剩余壽命預(yù)測的起始點普遍為其壽命后期， 對于使用前期的均衡 管理或者異常退化難以有效進行。 當(dāng)前電池管理系統(tǒng)的剩余壽命預(yù)測與健康狀態(tài)預(yù)。

11、測為兩 個部分， 忽略了兩者之間的聯(lián)系， 產(chǎn)生大量工作重復(fù)和計算資源浪費。 發(fā)明內(nèi)容 0005 本發(fā)明是為了解決多類型鋰離子電池混用時的電池管理系統(tǒng)使用中， 健康狀態(tài)預(yù) 測和剩余壽命預(yù)測起始點為使用后期， 在前期預(yù)測精度差， 難以為電池均衡管理提供依據(jù) 的問題。 同時， 提供了獨立成分分析法為前期數(shù)據(jù)處理， 以解決多類型鋰離子電池混用的難 題。 現(xiàn)提供應(yīng)用于多類型鋰離子電池組管理系統(tǒng)中鋰離子電池使用前期開始的健康狀態(tài)預(yù) 測和剩余壽命預(yù)測方法。 所述方法包括以下步驟： 0006 步驟一、 利用獨立成分分析法ICA將鋰離子電池組原始數(shù)據(jù)分解為不同類型的電 池退化數(shù)據(jù)。 0007 步驟二、 將步驟一。

12、中單體數(shù)據(jù)與數(shù)據(jù)庫中容量退化曲線進行對比， 判斷是否前期 訓(xùn)練完成該類型電池多尺度預(yù)測模型， 若不存在則建立該類預(yù)測模型； 0008 步驟三、 通過步驟二確認已訓(xùn)練好該種鋰離子電池多尺度預(yù)測模型后， 將步驟一 中獲得的單體容量退化數(shù)據(jù)帶入對應(yīng)多尺度組合模型中， 得到長期剩余壽命預(yù)測值和短期 實時健康狀況預(yù)測值； 說明書 1/8 頁 4 CN 111707956 A 4 0009 步驟四、 將步驟一和步驟三得到的單體鋰離子電池真實容量數(shù)據(jù)， 預(yù)測數(shù)據(jù)和模 型參數(shù)存入數(shù)據(jù)庫。 0010 所述步驟一中， 將鋰離子電池組數(shù)據(jù)使用獨立主成分分析法將退化數(shù)據(jù)分離， 得 到不同類型電池容量退化數(shù)據(jù)； 然后將。

13、單體電池的容量退化數(shù)據(jù)與各個類型數(shù)據(jù)進行比 對， 從而使各個單體電池劃分到不同類型電池型號中。 0011 所述步驟二中， 判斷是否存在該類型的預(yù)測模型采用差值判斷， 即將其帶入數(shù)據(jù) 庫中與各種類型鋰離子電池平均退化曲線進行減法計算， 差值過大時認為不存在其預(yù)測模 型。 0012 建立新種類鋰離子電池預(yù)測模型步驟如下： 0013 步驟一、 利用離散小波分解將單體容量退化數(shù)據(jù)分解為高頻波動和低頻趨勢兩部 分； 0014 步驟二、 將同類型電池經(jīng)過步驟一得到的高頻波動部分及低頻趨勢部分分別帶入 殘差小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練； 0015 步驟三、 將訓(xùn)練好的低頻趨勢部分的殘差小波網(wǎng)絡(luò)與無跡粒子濾波進行結(jié)合。

14、， 完 成長短期剩余壽命預(yù)測模型； 0016 步驟四、 將訓(xùn)練好的高頻波動部分的殘差小波網(wǎng)絡(luò)與短期剩余壽命預(yù)測模型進行 結(jié)合形成實時健康狀態(tài)預(yù)測模型。 0017 建立新種類鋰離子電池預(yù)測模型的步驟一中， 離散小波變換函數(shù)為： 0018 0019式中， 連續(xù)變換的尺度參數(shù)A和平移參數(shù)B離散化為：分解后 的高頻波動部分為低頻趨勢部分為n為同類型下單體電池編號， m為單體電池 循環(huán)次數(shù)。 0020 建立新種類鋰離子電池預(yù)測模型步驟二中， 以兩組同類電池數(shù)據(jù)為例， 低頻趨勢 部分訓(xùn)練數(shù)據(jù)Ltrain為： 0021 0022 高頻波動部分訓(xùn)練數(shù)據(jù)Htrain為： 說明書 2/8 頁 5 CN 11170。

15、7956 A 5 0023 0024 建立新種類鋰離子電池預(yù)測模型步驟三中， 長、 短期剩余壽命預(yù)測模型為： 0025 RUL(Lstrain) exp( *k)+ exp( *k)+ 公式4， 0026式中， , , 和 為固定參數(shù)， k為循環(huán)次數(shù)， 為高斯白噪聲。 將第三組數(shù)據(jù)作 為測試數(shù)據(jù)Ltest， 將其帶入長短期剩余壽命預(yù)測模型， 從而得到短期剩余壽命預(yù)測值 RULstort和長期壽命預(yù)測值RULlong。 0027建立新種類鋰離子電池預(yù)測模型的步驟四中， 將第三組數(shù)據(jù)作為測試數(shù)據(jù) Htest， 將其帶入高頻殘差小波網(wǎng)絡(luò)模型， 從而得到預(yù)測值Hsoh； 實時健康狀態(tài)預(yù)測模型為： 00。

16、28 SOH(k)RULstort(k)+Hsoh(k) 公式5， 0029 式中， k為循環(huán)次數(shù)。 附圖說明 0030 圖1為多類型鋰離子電池組管理系統(tǒng)使用方式示意圖； 0031 圖2為多類型鋰離子電池組管理系統(tǒng)模塊圖； 0032 圖3為本發(fā)明鋰離子電池健康狀態(tài)預(yù)測和剩余壽命預(yù)測整體框圖； 0033 圖4為單體電池多尺度組合模型流程圖； 0034 圖5為帶殘差層的殘差小波網(wǎng)絡(luò)模型； 0035 圖6為殘差小波網(wǎng)絡(luò)與無跡粒子濾波組合模型流程圖； 0036 圖7為鋰離子電池(V5)容量退化曲線圖 0037 圖8為電池V5離散小波分解示意圖； 0038 圖9為電池V5的剩余壽命預(yù)測曲線圖； 0039。

17、 圖10為電池V5的健康狀態(tài)(SOH)預(yù)測曲線圖。 具體實施方式 0040 具體實施方式一： 圖1為本實施方式在實際應(yīng)用場景中多類型鋰離子電池組管理 系統(tǒng)結(jié)構(gòu)簡圖。 該系統(tǒng)由多個獨立鋰離子電池管理系統(tǒng)組成， 并且每個系統(tǒng)可使用不同類 型的鋰離子電池。 每個獨立系統(tǒng)獨立負責(zé)完成各自的均衡管理、 溫度預(yù)警和SOH預(yù)測等功 能， 這樣的管理結(jié)構(gòu)可以保證當(dāng)某一部分出現(xiàn)故障時， 不會影響整體運行。 0041 圖2為鋰離子電池管理系統(tǒng)組成示意圖。 每個管理系統(tǒng)由三個模塊(不包括電池) 組成， 分別是控制器模塊、 傳感器模塊和存儲器與信息傳輸模塊。 0042 控制器模塊由STM32芯片、 充放電功率控制器以。

18、及散熱風(fēng)扇組成， 以傳感器模塊的 信息作為輸入數(shù)據(jù)， 根據(jù)電流與時間的乘積在STM32芯片中計算得到該電池容量數(shù)據(jù)， 并將 其保存在內(nèi)部存儲器中， 并提供充放電管理、 健康狀態(tài)預(yù)測和剩余壽命預(yù)測等功能的控制 說明書 3/8 頁 6 CN 111707956 A 6 信號。 0043 傳感器模塊包括電壓傳感器、 電流傳感器和溫度傳感器， 用于實時采集鋰電池充 放電過程的電壓、 電流和溫度信號， 與控制器模塊中的STM32芯片相連， 將采集信息傳入內(nèi) 部存儲器以及STM32芯片電路。 0044 存儲器與信息傳輸模塊由內(nèi)部存儲器和與傳感器、 控制器連接的數(shù)據(jù)線構(gòu)成， 內(nèi) 部存儲器用于STM32芯片控。

19、制信號和傳感器模塊采集的數(shù)據(jù)存取， 通過數(shù)據(jù)線完成各模塊 間的信息傳輸。 0045 圖3具體說明本實施方式健康狀態(tài)和剩余壽命預(yù)測方法流程。 本實施方式所述的 多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法， 所述方法包括以下步驟： 0046 步驟一、 利用獨立成分分析法將鋰離子電池組數(shù)據(jù)分解為不同類型電池容量退化 數(shù)據(jù)； 0047 步驟二、 將步驟一中不同類型電池數(shù)據(jù)與數(shù)據(jù)庫中容量退化數(shù)據(jù)進行對比， 判斷 是否前期訓(xùn)練完成了該類型單體電池多尺度預(yù)測模型， 若不存在則建立該類預(yù)測模型； 0048 步驟三、 通過步驟二確認已訓(xùn)練好該類型鋰離子電池多尺度預(yù)測模型后， 將步驟 一中的單體容量退。

20、化數(shù)據(jù)輸入對應(yīng)多尺度組合模型中， 獲得長期剩余壽命預(yù)測值和短期實 時健康狀態(tài)預(yù)測值； 0049 步驟四、 將步驟一和步驟三得到的單體鋰離子電池真實容量數(shù)據(jù)及預(yù)測結(jié)果存入 數(shù)據(jù)庫。 0050 本實施方式中， 本發(fā)明首先將原始多類型鋰離子電池混合容量信號進行分離， 采 用單類型鋰離子電池逐個對應(yīng)其多次組合預(yù)測模型的方式， 解決了實際應(yīng)用中多類型電池 混用的健康狀態(tài)預(yù)測難題。 通過離散小波分解實現(xiàn)低頻趨勢和高頻波動數(shù)據(jù)分解， 建立殘 差小波網(wǎng)絡(luò)與無跡粒子濾波組合的多尺度組合模型， 利用同類型鋰離子電池歷史退化數(shù) 據(jù)， 完成電池使用前期的健康狀態(tài)預(yù)測和剩余壽命預(yù)測。 0051 具體實施方式二： 本實施。

21、方式是對具體實施方式一所述的基于可重構(gòu)鋰離子電池 管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法作進一步說明， 步驟一中所述獨立主成分分析的 步驟如下： 0052將鋰離子電池組容量退化數(shù)據(jù)記為:(簡記為C)， 其中n為同類型下單體電池 編號， m為單體電池循環(huán)次數(shù)。 0053步驟一、 將C減去其均值 0054 步驟二、 計算REDET,其中R是C的協(xié)方差矩陣， E是特征向量的正交矩陣， D是其特 征值的對角矩陣； 0055 步驟三、 計算白化數(shù)據(jù)CvED-1/2ETx； 0056 步驟四、 設(shè)置迭代次數(shù)p， 隨機初始化向量Wp,使得每行之和為1。 然后根據(jù)公式 0057 0058 求出第i時刻的Wi。 。

22、其中g(shù)(.)為sigmoid函數(shù)。 0059步驟五、 根據(jù)上一步求得的W， 并利用公式解得所有時刻所 得向量便是獨立主成分分析后的不同類型電池容量退化數(shù)據(jù)。 說明書 4/8 頁 7 CN 111707956 A 7 0060 步驟六、 將各個單體電池容量退化數(shù)據(jù)與步驟五中的各個類型電池數(shù)據(jù)進行對 比， 根據(jù)相似程度將各個單體電池劃分到不同類型中。 0061 具體實施方式三： 本實施方式是對具體實施方式一所述的多類型鋰離子電池組管 理系統(tǒng)的健康狀態(tài)預(yù)測和剩余壽命預(yù)測方法作進一步說明。 圖4為本發(fā)明建立單體電池多 尺度組合模型流程圖。 步驟二和步驟三所述的建立多尺度組合模型實現(xiàn)鋰離子前期健康狀 態(tài)。

23、預(yù)測和剩余壽命預(yù)測具體過程如下： 0062 步驟一、 利用離散小波分解將單體容量退化數(shù)據(jù)分解為高頻波動和低頻趨勢兩部 分； 0063 步驟二、 將同類電池(除了測試數(shù)據(jù)外)經(jīng)過步驟一得到的高頻波動部分及低頻趨 勢部分分別帶入殘差小波神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練； 0064 步驟三、 將訓(xùn)練好的低頻趨勢部分的殘差小波網(wǎng)絡(luò)與無跡粒子濾波進行結(jié)合， 形 成長短期剩余壽命預(yù)測模型； 0065 步驟四、 將訓(xùn)練好的高頻波動部分的殘差小波網(wǎng)絡(luò)與短期剩余壽命預(yù)測模型進行 結(jié)合形成實時健康狀態(tài)預(yù)測模型； 0066 步驟五、 將測試數(shù)據(jù)實時輸入多尺度組合模型， 得到短期實時健康狀態(tài)預(yù)測結(jié)果 和長期剩余壽命預(yù)測結(jié)果。 006。

24、7 實施例1 0068 三組鋰離子電池的容量退化曲線如圖7所示。 以其中一組數(shù)據(jù)(V5)為測試集,另外 兩組數(shù)據(jù)(V6和V7)為歷史數(shù)據(jù)， 得到剩余壽命預(yù)測結(jié)果如圖9所示， 健康狀態(tài)預(yù)測結(jié)果如圖 10所示。 其具體評價指標主要有均方根誤差RMSE以及R-square： 0069 0070 0071式中， 為預(yù)測值， i為真實值。 0072 長期剩余壽命預(yù)測結(jié)果的評價指標為： 0073 0074 短期(四步)實時健康狀態(tài)預(yù)測結(jié)果的評價指標為： 0075 說明書 5/8 頁 8 CN 111707956 A 8 0076 0077 步驟一、 采用NASA公開數(shù)據(jù)集中的5#、 6#和7#進行測試， 。

25、抽取其中的1到160次循環(huán) 的容量退化數(shù)據(jù)記作V5、 V6和V7； 0078 步驟二、 將V5、 V6和V7進行離散小波分解， 分解結(jié)果如圖8所示； 0079連續(xù)變換的尺度參數(shù)a和平移參數(shù)b離散化為：其中a01， k 為比例系數(shù)。 對應(yīng)的離散小波變換函數(shù)為： 0080 0081 式中，j,k(t)為隨時間域變化的的變換結(jié)果。 0082 步驟三、 訓(xùn)練殘差小波網(wǎng)絡(luò)。 其具體構(gòu)成如圖5所示； 0083 將V6和V7容量退化數(shù)據(jù)進行重構(gòu)， 得到訓(xùn)練集。 低頻趨勢部分訓(xùn)練數(shù)據(jù)Ltrain為： 0084 0085 高頻波動部分訓(xùn)練數(shù)據(jù)Htrain為： 0086 0087 本發(fā)明中的殘差小波網(wǎng)絡(luò)其小波函數(shù)。

26、選擇： 0088 0089 殘差層計算公式為： 0090 EiOi-Ii 公式8， 0091 式中， Oi為上一層網(wǎng)絡(luò)輸出值， Ii為上一層網(wǎng)絡(luò)輸入值。 0092 網(wǎng)絡(luò)輸出層計算公式為： 0093 0094 式中， ik是從隱藏層到輸出層的權(quán)重， H(i)是隱藏層節(jié)點的輸出， l是隱藏層節(jié)點 的個數(shù)， m是輸出層節(jié)點的個數(shù)。 0095 殘差小波網(wǎng)絡(luò)訓(xùn)練步驟如下： 0096 步驟1、 隨機確定初始小波尺度因子a和平移因子b， 并將網(wǎng)絡(luò)學(xué)習(xí)速率設(shè)置為2； 說明書 6/8 頁 9 CN 111707956 A 9 0097 步驟2、 數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)部分和測試數(shù)據(jù)部分， i值是根據(jù)網(wǎng)絡(luò)訓(xùn)練情況和樣。

27、 本數(shù)自由確定的； 0098 步驟3、 將訓(xùn)練數(shù)據(jù)輸入網(wǎng)絡(luò)， 計算小波神經(jīng)網(wǎng)絡(luò)預(yù)測輸出與實際值的誤差e； 0099 步驟4、 根據(jù)給定的誤差條件(e0.001)， 對小波神經(jīng)網(wǎng)絡(luò)和小波基函數(shù)的參數(shù)進 行了修正。 如果滿足錯誤條件， 則操作結(jié)束， 否則返回步驟3； 0100 步驟5、 通過殘差小波網(wǎng)絡(luò)與無跡粒子濾波結(jié)合， 建立長期剩余壽命預(yù)測模型。 殘 差小波網(wǎng)絡(luò)與無跡粒子濾波結(jié)合的流程圖如圖6所示。 0101 殘差小波網(wǎng)絡(luò)與無跡粒子濾波的組合模型， 步驟如下： 0102步驟1、 濾波器參數(shù)初始化： 從先驗分布p(N0)得到初始化狀態(tài) 0103 步驟2、 重要性采樣階段: 0104首先， 利用U。

28、KF算法得到Sigma點的集合和Sigma點集的預(yù)測值計算公式： 0105 0106式中，為均值。 0107 然后， 重新計算每個粒子的權(quán)重： 0108 0109式中，是參考分布。 該參考分布選擇為先驗密度 0110 最后， 對權(quán)重進行歸一化： 0111 0112步驟3、 重采樣階段： 由近似分布產(chǎn)生N個隨機樣本集合根據(jù)步驟2 得到的權(quán)重， 對粒子集合進行復(fù)制和淘汰； 0113 步驟4、 計算粒子集合均值， 得到無跡粒子濾波的預(yù)測值； 0114 步驟5、 利用步驟四一到步驟四四完成以下參數(shù)預(yù)測。 容量衰減函數(shù)選擇為雙指數(shù) 函數(shù)： 0115 RUL(Lstrain) exp( *k)+ exp(。

29、 *k)+ 公式13， 0116 式中， , , 和 為固定參數(shù)， k為循環(huán)次數(shù)。 0117 容量退化狀態(tài)方程為： 0118 0119 容量退化觀測方程為： 說明書 7/8 頁 10 CN 111707956 A 10 0120 Q(k) (k)exp( (k)*k)+ (k)exp( (k)*k)+ (k) 公式15， 式中， 噪聲 (k)為均值為0， 方差為1的高斯白噪聲。 0121 步驟6、 將步驟四五得到的超前四步容量輸出值依次帶入步驟三， 將其作為真實輸 入得到輸出值； 0122 步驟7、 得到剩余壽命預(yù)測短期超前四步預(yù)測值， 長期預(yù)測值由短期預(yù)測值作為真 實值重復(fù)步驟1到5得到； 。

30、0123 步驟8、 利用高頻波動部分訓(xùn)練數(shù)據(jù)Htrain得到高頻殘差小波網(wǎng)絡(luò)模型短期預(yù)測 值hi,hi+1,hi+2,hi+3。 實時健康狀態(tài)預(yù)測計算公式為： 0124 SOH(k)RULstort(k)+Hsoh(k) 公式16， 0125 式中， RULstort(k)為第k次循環(huán)時低頻趨勢預(yù)測值， Hsoh(k)為第k次循環(huán)時高頻波動 預(yù)測值。 說明書 8/8 頁 11 CN 111707956 A 11 圖1 圖2 說明書附圖 1/5 頁 12 CN 111707956 A 12 圖3 圖4 說明書附圖 2/5 頁 13 CN 111707956 A 13 圖5 圖6 說明書附圖 3/5 頁 14 CN 111707956 A 14 圖7 圖8 說明書附圖 4/5 頁 15 CN 111707956 A 15 圖9 圖10 說明書附圖 5/5 頁 16 CN 111707956 A 16 。

相關(guān)知識

多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法.pdf
電池管理系統(tǒng)里的電池健康評估和壽命預(yù)測
基于新健康因子的鋰電池健康狀態(tài)估計和剩余壽命預(yù)測
鋰電池健康狀態(tài)如何影響電池壽命
車用動力電池健康狀態(tài)及壽命預(yù)測模型研究
鋰離子電池儲能系統(tǒng)多時間尺度均衡方法
=退役鋰離子電池健康狀態(tài)評估方法【鉅大鋰電】
鋰離子電池安全狀態(tài)評估研究進展
基于電化學(xué)模型的鋰離子電池健康狀態(tài)估算
筆記本電池狀態(tài)和電池檢測方法詳解【鉅大鋰電】

網(wǎng)址: 多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法.pdf http://www.u1s5d6.cn/newsview1217903.html