本發(fā)明涉及電池評估，具體為一種基于深度學(xué)習(xí)的鋰電池健康狀態(tài)評估方法。

背景技術(shù)：

1、鋰離子電池作為當(dāng)今能源存儲領(lǐng)域的重要組成部分，憑借其高能量密度、優(yōu)異的循環(huán)性能以及長壽命等特點(diǎn)，廣泛應(yīng)用于消費(fèi)電子、電動汽車以及可再生能源儲能等多個領(lǐng)域。然而，隨著電池使用時間的延長，鋰電池的健康狀態(tài)（soh, state of health）逐漸劣化，其容量、功率輸出以及安全性都會受到顯著影響。鋰電池健康狀態(tài)評估不僅對延長電池使用壽命、優(yōu)化設(shè)備運(yùn)行效率具有重要意義，更是保障設(shè)備運(yùn)行穩(wěn)定性和用戶安全的關(guān)鍵環(huán)節(jié)。

2、目前，鋰電池的健康狀態(tài)評估方法主要分為兩類：基于經(jīng)驗(yàn)?zāi)Ｐ偷膫鹘y(tǒng)方法和基于數(shù)據(jù)驅(qū)動的智能化方法。在傳統(tǒng)方法中，常采用電池容量測試或內(nèi)阻測量等方式來判斷健康狀態(tài)。然而，這些方法存在一定的局限性。例如，容量測試需要對電池進(jìn)行長時間的完全充放電操作，耗時且難以適應(yīng)實(shí)際應(yīng)用場景；而基于內(nèi)阻測量的評估方法過于依賴單一參數(shù)，難以全面反映電池的健康狀態(tài)，尤其是在復(fù)雜工況下可能出現(xiàn)較大誤差。此外，由于鋰電池內(nèi)部的復(fù)雜電化學(xué)過程，電池性能的劣化不僅與容量和內(nèi)阻有關(guān)，還涉及電解質(zhì)分解、固體電解質(zhì)相界面膜（sei膜）厚度變化以及鋰離子擴(kuò)散阻力增加等多種因素。因此，單一參數(shù)的監(jiān)測難以全面捕捉電池的健康狀態(tài)。

3、為克服上述問題，基于深度學(xué)習(xí)的數(shù)據(jù)驅(qū)動方法正在成為鋰電池健康狀態(tài)評估領(lǐng)域的一種新趨勢。深度學(xué)習(xí)算法能夠高效處理高維數(shù)據(jù)，提取復(fù)雜特征，并利用大規(guī)模數(shù)據(jù)進(jìn)行模式識別和預(yù)測。然而，目前的研究中，如何將深度學(xué)習(xí)技術(shù)與電化學(xué)阻抗譜測試相結(jié)合，并有效關(guān)聯(lián)電化學(xué)特征參數(shù)與健康評估結(jié)果，仍面臨技術(shù)空白。因此，如何基于深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)對鋰電池電化學(xué)特性與健康狀態(tài)的全面分析和高精度評估，成為當(dāng)前的研究熱點(diǎn)和技術(shù)難點(diǎn)。

4、現(xiàn)有技術(shù)中的，公開號為cn106353687b公開了一種鋰電池健康狀態(tài)的評估方法，所述方法包括：確定鋰電池健康狀態(tài)的評估因素；計算鋰電池健康狀態(tài)評估因素權(quán)重值的初始值；計算鋰電池健康狀態(tài)評估因素權(quán)重值的實(shí)際值；評估鋰電池的健康狀態(tài)。本發(fā)明綜合鋰電池的端電壓變化率、歐姆內(nèi)阻和極化內(nèi)阻作為評估因素，提高了鋰電池健康狀態(tài)評估的準(zhǔn)確性；采用在脈沖放電結(jié)束后，同時測量并計算鋰電池端電壓變化率、歐姆內(nèi)阻和極化內(nèi)阻的方法，保證了鋰電池狀態(tài)測量的狀態(tài)同一性和時間一致性，提高了鋰電池健康狀態(tài)評估因素的準(zhǔn)確性；綜合了評估因素的標(biāo)準(zhǔn)差和平均數(shù)量指標(biāo)的影響，更好的反映了評估因素在不同水平時的總體標(biāo)志變動度。但該方法僅將端電壓變化率、歐姆內(nèi)阻和極化內(nèi)阻作為評估健康狀態(tài)的關(guān)鍵因素，雖然這些因素與電池的健康狀態(tài)密切相關(guān)，但它們并不能完全反映鋰電池的全貌健康狀態(tài)。鋰電池的健康狀態(tài)受多種因素影響，如容量衰減，溫度因素等，因此僅憑這些參數(shù)進(jìn)行評估使得評估結(jié)果的準(zhǔn)確性、有效性降低。

5、在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對本公開的背景的理解，因此它可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于深度學(xué)習(xí)的鋰電池健康狀態(tài)評估方法，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于深度學(xué)習(xí)的鋰電池健康狀態(tài)評估方法，具體步驟包括：

4、對若干已知內(nèi)部阻抗特征參數(shù)的鋰電池進(jìn)行電化學(xué)阻抗譜測試，獲取對應(yīng)的奈奎斯特曲線圖，基于獲取的奈奎斯特圖，生成樣本圖像集，將各奈奎斯特曲線圖與對應(yīng)的內(nèi)部阻抗特征參數(shù)一一映射存入樣本圖像集，所述內(nèi)部阻抗特征參數(shù)包括電解質(zhì)歐姆阻抗、固體電解質(zhì)相界面膜阻抗和擴(kuò)散阻抗；

5、基于樣本圖像集，建立深度學(xué)習(xí)網(wǎng)絡(luò)模型，將樣本圖像集內(nèi)的若干奈奎斯特曲線圖作為深度學(xué)習(xí)網(wǎng)絡(luò)模型的輸入，并以每張曲線圖對應(yīng)的內(nèi)部阻抗特征參數(shù)為標(biāo)簽，對深度學(xué)習(xí)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到內(nèi)部阻抗特征參數(shù)預(yù)測模型；

6、對待評估的鋰電池進(jìn)行電化學(xué)阻抗譜測試，得到目標(biāo)奈奎斯特曲線圖，將目標(biāo)奈奎斯特曲線圖輸入完成訓(xùn)練的內(nèi)部阻抗特征參數(shù)預(yù)測模型中，得到待評估的鋰電池的內(nèi)部阻抗特征參數(shù)，同時對待評估的鋰電池進(jìn)行完全充電和放電測試，記錄對應(yīng)電力特征參數(shù)；

7、根據(jù)得到的待評估的鋰電池的內(nèi)部阻抗特征參數(shù)，結(jié)合對應(yīng)電力特征參數(shù)計算生成容量保持率指數(shù)、循環(huán)效率劣化指數(shù)和外形膨脹影響指數(shù)，所述電力特征參數(shù)包括完全充電和放電的開始及結(jié)束時刻、流經(jīng)電流、對應(yīng)電壓和表面最高溫度；

8、基于容量保持率指數(shù)、循環(huán)效率劣化指數(shù)和外形膨脹影響指數(shù)，綜合分析得到待評估的鋰電池的健康狀態(tài)綜合系數(shù)，將待評估的鋰電池的健康狀態(tài)綜合系數(shù)與鋰電池健康閾值相對比，根據(jù)不同對比結(jié)果，判斷待評估的鋰電池的健康狀態(tài)。

9、進(jìn)一步地，對若干已知內(nèi)部阻抗特征參數(shù)的鋰電池進(jìn)行電化學(xué)阻抗譜測試，獲取對應(yīng)的奈奎斯特曲線圖，其中進(jìn)行電化學(xué)阻抗譜測試的步驟包括：將進(jìn)行檢測電池的正極和負(fù)極分別連接到電化學(xué)工作站的工作電極和參考電極端；施加頻率信號，從高頻到低頻進(jìn)行測試；設(shè)置交流信號幅值；設(shè)置直流偏置電壓；開始測試后自動對電池施加交流信號，并逐步掃描設(shè)定的頻率范圍，同時生成奈奎斯特曲線圖。

10、進(jìn)一步地，基于長短期記憶網(wǎng)絡(luò)模型lstm模型，建立深度學(xué)習(xí)網(wǎng)絡(luò)模型，選取激活函數(shù)和優(yōu)化算法，其中選擇tanh函數(shù)作為激活函數(shù)，選擇adam作為lstm模型的優(yōu)化算法；tanh函數(shù)其公式為：

11、；

12、式中，表示tanh函數(shù)，自變量表示神經(jīng)元的輸入加權(quán)和，即神經(jīng)元接收到的來自上一層的輸入經(jīng)過加權(quán)求和后的結(jié)果；

13、同時設(shè)定lstm模型的超參數(shù)，所述lstm模型的超參數(shù)包括：網(wǎng)絡(luò)層數(shù)、迭代次數(shù)、學(xué)習(xí)率、批量數(shù)大小、訓(xùn)練次數(shù)、批處理數(shù)量和隱藏層神經(jīng)元個數(shù)；

14、其中網(wǎng)絡(luò)層數(shù)設(shè)置為3層網(wǎng)絡(luò)結(jié)構(gòu)，迭代次數(shù)設(shè)定為200，學(xué)習(xí)率設(shè)置為0.001，批量數(shù)大小設(shè)為32，訓(xùn)練次數(shù)設(shè)為100，批處理數(shù)量設(shè)為256，隱藏層神經(jīng)元個數(shù)為32；

15、完成訓(xùn)練的內(nèi)部阻抗特征參數(shù)預(yù)測模型輸入為鋰電池的奈奎斯特曲線圖，輸出為該鋰電池的內(nèi)部阻抗特征參數(shù)。

16、進(jìn)一步地，根據(jù)得到的待評估的鋰電池的內(nèi)部阻抗特征參數(shù)，結(jié)合對應(yīng)電力特征參數(shù)計算生成容量保持率指數(shù)，其中計算容量保持率指數(shù)所依據(jù)的公式為：

17、；

18、式中，為容量保持率指數(shù)，為待評估的鋰電池當(dāng)前實(shí)際容量，為待評估的鋰電池額定容量，為待評估的鋰電池當(dāng)前內(nèi)阻，為待評估的鋰電池初始內(nèi)阻，為待評估的鋰電池的庫侖效率，為庫侖效率調(diào)節(jié)常數(shù)；

19、其中待評估的鋰電池當(dāng)前實(shí)際容量基于電力特征參數(shù)計算獲取，具體計算所依據(jù)的公式為：

20、；

21、式中，表示完全充電過程中，t時刻的充電電流，和分別為完全充電過程的開始和結(jié)束時刻，為溫度修正因子，其中溫度修正因子計算所依據(jù)的公式為：

22、；

23、式中，為參考溫度，為完全充電過程中，待評估鋰電池的表面最高溫度，為溫度敏感系數(shù)。

24、進(jìn)一步地，待評估的鋰電池當(dāng)前內(nèi)阻計算所依據(jù)的公式為：

25、；

26、式中，、和分別為模型輸出的待評估鋰電池的電解質(zhì)歐姆阻抗預(yù)測值、固體電解質(zhì)相界面膜阻抗預(yù)測值和擴(kuò)散阻抗預(yù)測值；

27、待評估的鋰電池的庫侖效率計算所依據(jù)的公式為：

28、；

29、式中，為待評估的鋰電池完全放電的容量，具體計算所依據(jù)的公式：

30、；

31、式中，和分別為待評估的鋰電池完全放電的開始和結(jié)束時刻，為完全放電過程中，t時刻的放電電流。

32、進(jìn)一步地，根據(jù)得到的待評估的鋰電池的內(nèi)部阻抗特征參數(shù)，結(jié)合對應(yīng)電力特征參數(shù)計算生成循環(huán)效率劣化指數(shù)，其中計算所循環(huán)效率劣化指數(shù)依據(jù)的公式為：

33、；

34、式中，為循環(huán)效率劣化指數(shù)，為待評估的鋰電池的能量效率；其中待評估的鋰電池的能量效率計算所依據(jù)的公式為：

35、；

36、式中，和分別為完全放電和完全充電過程，在t時刻的放電電壓和充電電壓；

37、其中外形膨脹影響指數(shù)計算所依據(jù)的公式為：

38、；

39、式中，為外形膨脹影響指數(shù)，為完全充放電過程中，待評估的鋰電池的最大膨脹體積。

40、進(jìn)一步地，基于容量保持率指數(shù)、循環(huán)效率劣化指數(shù)和外形膨脹影響指數(shù)，綜合分析得到待評估的鋰電池的健康狀態(tài)綜合系數(shù)，其中健康狀態(tài)綜合系數(shù)計算所依據(jù)的公式為：

41、；

42、式中，為健康狀態(tài)綜合系數(shù)，、和分別為外形膨脹影響指數(shù)、循環(huán)效率劣化指數(shù)和容量保持率指數(shù)的權(quán)重系數(shù)，其中且、和均大于0；

43、將待評估的鋰電池的健康狀態(tài)綜合系數(shù)與鋰電池健康閾值相對比，根據(jù)不同對比結(jié)果，判斷待評估的鋰電池的健康狀態(tài)，其中判斷待評估的鋰電池的健康狀態(tài)所依據(jù)的邏輯為：

44、當(dāng)時，判斷為待評估的鋰電池的健康狀態(tài)為優(yōu)，表示該鋰電池應(yīng)正常使用；

45、當(dāng)時，判斷為待評估的鋰電池的健康狀態(tài)為良，表示該鋰電池應(yīng)進(jìn)行維修或更換；

46、當(dāng)時，判斷為待評估的鋰電池的健康狀態(tài)為差，表示該鋰電池?zé)o法繼續(xù)使用；

47、其中為設(shè)置的鋰電池健康閾值。

48、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

49、首先，本方案通過對奈奎斯特曲線圖的深度學(xué)習(xí)建模，顯著提升了鋰電池電化學(xué)特性參數(shù)的提取和預(yù)測精度。傳統(tǒng)的等效電路模型擬合方法在參數(shù)提取上存在人為主觀性和計算復(fù)雜性，而深度學(xué)習(xí)方法能夠自動提取曲線圖中的關(guān)鍵特征，實(shí)現(xiàn)對電解質(zhì)歐姆阻抗、固體電解質(zhì)相界面（sei）膜阻抗以及擴(kuò)散阻抗等參數(shù)的高效預(yù)測。降低了人為干預(yù)的影響，顯著提升參數(shù)計算的準(zhǔn)確性和魯棒性。其次，將電化學(xué)阻抗譜測試與電力特征參數(shù)相結(jié)合，綜合考慮容量保持率指數(shù)、循環(huán)效率劣化指數(shù)和外形膨脹影響指數(shù)等多個維度的健康狀態(tài)指標(biāo)。更加全面地捕捉鋰電池健康狀態(tài)的多方面特性，避免了單一參數(shù)評估可能存在的誤差。此外，本方案基于深度學(xué)習(xí)模型的健康狀態(tài)評估方法，具有極高的適應(yīng)性和擴(kuò)展性。通過訓(xùn)練樣本集的不斷擴(kuò)充和優(yōu)化，模型能夠適應(yīng)不同類型鋰電池的特性及多樣化的使用工況，具有良好的通用性。

相關(guān)知識

=退役鋰離子電池健康狀態(tài)評估方法【鉅大鋰電】
基于電化學(xué)模型的鋰離子電池健康狀態(tài)估算
鋰動力電池健康度評價與估算方法的研究
鋰離子電池安全狀態(tài)評估研究進(jìn)展
基于實(shí)車運(yùn)行數(shù)據(jù)的鋰離子電池健康狀態(tài)估計
電動汽車鋰離子動力電池健康狀態(tài)估計方法研究.pdf
基于深度遷移學(xué)習(xí)的健康意識汽車電池狀態(tài)估計,Applied Energy
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?zé)崾Э貧怏w校正吸附及健康狀態(tài)評估方法2024.pdf專利下載
鋰電池健康狀態(tài)如何影響電池壽命

網(wǎng)址: 一種基于深度學(xué)習(xí)的鋰電池健康狀態(tài)評估方法 http://www.u1s5d6.cn/newsview1388060.html