[发明专利]一种动力电池的剩余寿命预测方法

权利要求书

1.一种动力电池的剩余寿命预测方法，其特征在于：具体包括以下步骤：

步骤一、提取待测动力电池的历史健康状态SOH序列h_m＝{h₁,h₂,…,h_m}以及对应的等效循环次数序列k_m＝{k₁,k₂,…,k_m}，其中，m为待测电池历史健康数据的采样数量；

步骤二、提取同类型电池的离线测试大数据以及云端在线使用大数据，利用平滑样条拟合所述同类型电池的离线测试大数据及云端在线使用大数据中SOH与等效循环次数之间的关系：

式中，K(·)为描述某1只同类型电池老化轨迹的样条函数，k_i和h_i为该只同类型电池的第i个老化采样点处的等效循环次数和SOH值，q为平滑系数，

获得同类型电池的老化轨迹函数集K_n(h)＝{K₁(h),K₂(h),…,K_n(h)}，其中，n为离线测试/云端在线使用大数据中选取的电池数量，以构建融合驱动模型的训练数据集；

步骤三、建立融合驱动模型，利用所述训练数据集对所述模型进行训练；

步骤四、设定目标SOH序列，基于所述目标SOH序列与所述训练数据集构造预测矩阵；

步骤五、基于经训练的所述融合驱动模型以及所述预测矩阵，对待测动力电池的剩余寿命进行预测。

2.如权利要求1所述的方法，其特征在于：所述步骤二中基于所述h_m、k_m和K_n(h)，构建包括训练输入矩阵X和训练输出向量y的融合驱动模型的训练数据集：

3.如权利要求2所述的方法，其特征在于：所述步骤三中所建立的融合驱动模型f(·)，以训练输入矩阵X和训练输出向量y分别作为所述模型f(·)的输入和输出。

4.如权利要求3所述的方法，其特征在于：所述步骤四具体包括：

设定目标SOH序列其中，p为目标SOH序列的长度；将SOH序列代入所述训练数据集构造预测矩阵X^*：

5.如权利要求4所述的方法，其特征在于：所述步骤五具体包括：将所述预测矩阵X^*代入经训练的所述模型f(·)中，预测待测动力电池与对应的等效循环次数序列完成待测动力电池的剩余寿命预测过程。