[发明专利]一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法有效

专利信息
申请号: 201310317281.9 申请日: 2013-07-25
公开(公告)号: CN103389471A 公开(公告)日: 2013-11-13
发明(设计)人: 彭宇;刘大同;庞景月;王红;彭喜元 申请(专利权)人: 哈尔滨工业大学
主分类号: G01R31/36 分类号: G01R31/36
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 岳泉清
地址: 150001 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 gpr 带有 不确定 区间 锂离子电池 循环 寿命 间接 预测 方法
【权利要求书】:

1.一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法,其特征在于,该方法的具体步骤为:

步骤一、采集待测电池的冲放电周期次数x、每个充放电周期的放电压电及电池容量和每个充放电周期放出的电量z,

步骤二、根据采集待测电池的冲放电周期次数x和每个充放电周期的放电电压及电池容量计算出对应的等压降放电时间差,获得等压降放电时间序列数据y;

步骤三、采用ESN算法,利用等压降放电时间序列y和每次充放电后的电池的剩余容量数据z进行退化建模,获得基于ESN的退化模型;

步骤四、采用高斯过程回归的建模方法,利用充放电周期次数x及电池充放电周期对应的等压降放电时间序列y建立基于GPR的等压降放电时间预测模型;

步骤五、将等压降放电时间序列数据y和每个放电周期放出的电量z的数据集作为训练集进行基于ESN的退化模型训练,将电池的充放电周期次数x和等压降放电时间序列y的数据集作为训练数据进行基于GPR的等压降放电时间预测模型训练,获得等压降放电时间预测模型,其中N为正整数;

步骤六、将下N个冲放电周期次数集输入基于GPR的等压降放电时间预测模型,获得等压降放电时间的预测值

步骤七、将获得等压降放电时间的预测值代入基于ESN的退化模型,获得下N个放电周期的电池的放电容量

步骤八、将用电池的初始容量减去下N个充放电周期的电池的放电容量后的电池的剩余容量值与电池容量的失效阈值进行比较,判断电池的剩余容量值是否等于电池容量的失效阈值,是则将充放电周期N作为电池的剩余寿命,完成基于GPR带有不确定区间的锂离子电池循环寿命的间接预测,否则执行步骤九;

步骤九、将电池的剩余容量值与电池容量的失效阈值进行比较,如果电池的剩余容量值大于电池容量的失效阈值,则令N=N+N1,返回执行步骤五,如果电池的剩余容量值小于电池容量的失效阈值,则令N=N-N1,返回执行步骤五,其中N1为小于N的正整数。

2.根据权利要求1所述的一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法,其特征在于,步骤三所述采用ESN算法,利用等压降放电时间序列数据y和每次充放电后的电池的剩余容量数据z进行退化建模的方法为:

步骤三一、采用交叉验证的方法,利用获取储备池规模N、谱半径sr、输入单元尺度和输入单元位移,并获得ESN的输出权值;

步骤三二、使用带有单调约束的二次规划方程训练ESN的输出权值,使电池容量估计值与真实值y(n)之间的误差平方和最小,完成退化建模。

3.根据权利要求1所述的一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法,其特征在于,步骤四所述的采用高斯过程回归的建模方法,利用充放电周期次数x及电池充放电周期对应的等压降放电时间y序列的数据,获得基于GPR的等压降放电时间预测模型的方法为:

步骤四一、提取待测电池的冲放电周期次数x、每个充放电周期的放电电压及电池容量的部分数据集进行预测模型训练,其中N为正整数;

步骤四二、将训练数据输入GPR模型,进行GPR预测模型训练,得到GPR预测模型;

步骤四三、根据得到GPR预测模型,将未来时刻的充放电周期输入预测模型,得到下N个时刻的容量预测值及方差,获得基于GPR的等压降放电时间预测模型。

4.根据权利要求3所述的一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法,其特征在于,步骤三中所述的方差所覆盖的区域为95%的置信区间。

5.根据权利要求1所述的一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法,其特征在于,步骤八中电池容量的失效阈值为电池的初始容量的70%或80%。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201310317281.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top