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

背景技術(shù)：

1、鋰離子電池作為當(dāng)今能源存儲(chǔ)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(zhǎng)壽命等特點(diǎn)，廣泛應(yīng)用于消費(fèi)電子、電動(dòng)汽車(chē)以及可再生能源儲(chǔ)能等多個(gè)領(lǐng)域。然而，隨著電池使用時(shí)間的延長(zhǎng)，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(huì)受到顯著影響。鋰電池健康狀態(tài)評(píng)估不僅對(duì)延長(zhǎng)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(hù)安全的關(guān)鍵環(huán)節(jié)。

2、目前，鋰電池的健康狀態(tài)評(píng)估方法主要分為兩類(lèi)：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(dòng)的智能化方法。在傳統(tǒng)方法中，常采用電池容量測(cè)試或內(nèi)阻測(cè)量等方式來(lái)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(cè)試需要對(duì)電池進(jìn)行長(zhǎng)時(shí)間的完全充放電操作，耗時(shí)且難以適應(yīng)實(shí)際應(yīng)用場(chǎng)景；而基于內(nèi)阻測(cè)量的評(píng)估方法過(guò)于依賴(lài)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(guò)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(cè)難以全面捕捉電池的健康狀態(tài)。

3、為克服上述問(wèn)題，基于深度學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)方法正在成為鋰電池健康狀態(tài)評(píng)估領(lǐng)域的一種新趨勢(shì)。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(shí)別和預(yù)測(cè)。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(cè)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(píng)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(duì)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(píng)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(kāi)號(hào)為cn106353687b公開(kāi)了一種鋰電池健康狀態(tài)的評(píng)估方法，所述方法包括：確定鋰電池健康狀態(tài)的評(píng)估因素；計(jì)算鋰電池健康狀態(tài)評(píng)估因素權(quán)重值的初始值；計(jì)算鋰電池健康狀態(tài)評(píng)估因素權(quán)重值的實(shí)際值；評(píng)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(píng)估因素，提高了鋰電池健康狀態(tài)評(píng)估的準(zhǔn)確性；采用在脈沖放電結(jié)束后，同時(shí)測(cè)量并計(jì)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(cè)量的狀態(tài)同一性和時(shí)間一致性，提高了鋰電池健康狀態(tài)評(píng)估因素的準(zhǔn)確性；綜合了評(píng)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(píng)估因素在不同水平時(shí)的總體標(biāo)志變動(dòng)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(píng)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(píng)估使得評(píng)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(kāi)的上述信息僅用于加強(qiáng)對(duì)本公開(kāi)的背景的理解，因此它可以包括不構(gòu)成對(duì)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(píng)估方法，以解決上述背景技術(shù)中提出的問(wèn)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(píng)估方法，具體步驟包括：

4、對(duì)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(cè)試，獲取對(duì)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(duì)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(duì)應(yīng)的內(nèi)部阻抗特征參數(shù)為標(biāo)簽，對(duì)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(cè)模型；

6、對(duì)待評(píng)估的鋰電池進(jìn)行電化學(xué)阻抗譜測(cè)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(cè)模型中，得到待評(píng)估的鋰電池的內(nèi)部阻抗特征參數(shù)，同時(shí)對(duì)待評(píng)估的鋰電池進(jìn)行完全充電和放電測(cè)試，記錄對(duì)應(yīng)電力特征參數(shù)；

7、根據(jù)得到的待評(píng)估的鋰電池的內(nèi)部阻抗特征參數(shù)，結(jié)合對(duì)應(yīng)電力特征參數(shù)計(jì)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(kāi)始及結(jié)束時(shí)刻、流經(jīng)電流、對(duì)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(píng)估的鋰電池的健康狀態(tài)綜合系數(shù)，將待評(píng)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(duì)比，根據(jù)不同對(duì)比結(jié)果，判斷待評(píng)估的鋰電池的健康狀態(tài)。

9、進(jìn)一步地，對(duì)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(cè)試，獲取對(duì)應(yīng)的奈奎斯特曲線圖，其中進(jìn)行電化學(xué)阻抗譜測(cè)試的步驟包括：將進(jìn)行檢測(cè)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(hào)，從高頻到低頻進(jìn)行測(cè)試；設(shè)置交流信號(hào)幅值；設(shè)置直流偏置電壓；開(kāi)始測(cè)試后自動(dòng)對(duì)電池施加交流信號(hào)，并逐步掃描設(shè)定的頻率范圍，同時(shí)生成奈奎斯特曲線圖。

10、進(jìn)一步地，基于長(zhǎng)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(lái)自上一層的輸入經(jīng)過(guò)加權(quán)求和后的結(jié)果；

13、同時(shí)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(gè)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(gè)數(shù)為32；

15、完成訓(xùn)練的內(nèi)部阻抗特征參數(shù)預(yù)測(cè)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(píng)估的鋰電池的內(nèi)部阻抗特征參數(shù)，結(jié)合對(duì)應(yīng)電力特征參數(shù)計(jì)算生成容量保持率指數(shù)，其中計(jì)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(píng)估的鋰電池當(dāng)前實(shí)際容量，為待評(píng)估的鋰電池額定容量，為待評(píng)估的鋰電池當(dāng)前內(nèi)阻，為待評(píng)估的鋰電池初始內(nèi)阻，為待評(píng)估的鋰電池的庫(kù)侖效率，為庫(kù)侖效率調(diào)節(jié)常數(shù)；

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

20、；

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

22、；

23、式中，為參考溫度，為完全充電過(guò)程中，待評(píng)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(píng)估的鋰電池當(dāng)前內(nèi)阻計(jì)算所依據(jù)的公式為：

25、；

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

27、待評(píng)估的鋰電池的庫(kù)侖效率計(jì)算所依據(jù)的公式為：

28、；

29、式中，為待評(píng)估的鋰電池完全放電的容量，具體計(jì)算所依據(jù)的公式：

30、；

31、式中，和分別為待評(píng)估的鋰電池完全放電的開(kāi)始和結(jié)束時(shí)刻，為完全放電過(guò)程中，t時(shí)刻的放電電流。

32、進(jìn)一步地，根據(jù)得到的待評(píng)估的鋰電池的內(nèi)部阻抗特征參數(shù)，結(jié)合對(duì)應(yīng)電力特征參數(shù)計(jì)算生成循環(huán)效率劣化指數(shù)，其中計(jì)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(píng)估的鋰電池的能量效率；其中待評(píng)估的鋰電池的能量效率計(jì)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(guò)程，在t時(shí)刻的放電電壓和充電電壓；

37、其中外形膨脹影響指數(shù)計(jì)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(guò)程中，待評(píng)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(píng)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(jì)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(píng)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(duì)比，根據(jù)不同對(duì)比結(jié)果，判斷待評(píng)估的鋰電池的健康狀態(tài)，其中判斷待評(píng)估的鋰電池的健康狀態(tài)所依據(jù)的邏輯為：

44、當(dāng)時(shí)，判斷為待評(píng)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(shí)，判斷為待評(píng)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(shí)，判斷為待評(píng)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(guò)對(duì)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(cè)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(jì)算復(fù)雜性，而深度學(xué)習(xí)方法能夠自動(dòng)提取曲線圖中的關(guān)鍵特征，實(shí)現(xiàn)對(duì)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(cè)。降低了人為干預(yù)的影響，顯著提升參數(shù)計(jì)算的準(zhǔn)確性和魯棒性。其次，將電化學(xué)阻抗譜測(cè)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(gè)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(píng)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(píng)估方法，具有極高的適應(yīng)性和擴(kuò)展性。通過(guò)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(lèi)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(shí)

=退役鋰離子電池健康狀態(tài)評(píng)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(dòng)力電池健康度評(píng)價(jià)與估算方法的研究
鋰離子電池安全狀態(tài)評(píng)估研究進(jìn)展
基于實(shí)車(chē)運(yùn)行數(shù)據(jù)的鋰離子電池健康狀態(tài)估計(jì)
電動(dòng)汽車(chē)鋰離子動(dòng)力電池健康狀態(tài)估計(jì)方法研究.pdf
基于深度遷移學(xué)習(xí)的健康意識(shí)汽車(chē)電池狀態(tài)估計(jì),Applied Energy
基于新健康因子的鋰電池健康狀態(tài)估計(jì)和剩余壽命預(yù)測(cè)
鋰電池?zé)崾Э貧怏w校正吸附及健康狀態(tài)評(píng)估方法2024.pdf專(zhuān)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(píng)估方法 http://www.u1s5d6.cn/newsview1388060.html