[发明专利]一种预测电池健康状态的方法

权利要求书

1.一种预测电池健康状态的方法，其特征在于，包括以下步骤：

(1)、提取特征

(1.1)、提取现有电池S在每一次完整充放电过程中的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征，以及健康状态SOH，构成集合其中，x和y分别表示特征向量和SOH，下标为循环次数，m表示电池S在整个寿命周期中的总循环次数；

(1.2)、提取新电池T在前n次完整充放电过程中的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征，以及健康状态SOH，构成集合

(2)、数据预处理

利用matlab中的mapminmax函数分别对D^S和D^T中的特征x做归一化处理；

(3)、确定待优化参数

(3.1)、设置优化参数初始化参数Θ＝rand(5,1)，其中，l,σ表示高斯核函数中待优化的参数，表示电池S和电池T的测量误差，λ表示转移率；

(3.2)、设D^S满足先验分布D^T满足先验分布其中，参数I_m,I_n分别表示m*m维和n*n维单位矩阵；

(3.3)、计算联合分布概率p(Y_T,Y_S|X_S,X_T)；

其中，K()为高斯核函数，满足上标T表示转置，K_SS和K_TT分别表示D^S和D^T各自的核矩阵，K_ST表示交叉域的核矩阵；

(3.4)、根据联合分布概率p(Y_T,Y_S|X_S,X_T)，利用贝叶斯公式计算条件分布概率p(Y_T|Y_S,X_S,X_T)；

(3.5)、通过对优化参数取值适当值，使条件分布概率p(Y_T|Y_S,X_S,X_T)最大，从而构建最大化优化目标函数：

其中，

再利用协方差矩阵自适应进化策略优化目标函数，从而确定优化参数Θ的取值；

(4)、预测电池T的SOH

(4.1)、提取电池T第n+1次完整充放电过程中的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征构成集合x^*表示第n+1次提取的特征向量，y_*表示待预测的SOH；

利用matlab中的mapminmax函数对特征向量x^*进行归一化处理；

(4.2)、将优化后的参数代入到步骤(3.3)中的联合分布概率计算公式中，重新计算新的联合分布概率，记为p(Y|X)，

(4.3)、计算Y与y_*的联合分布概率p(y_*,Y∣x_*,X)；

其中，K_*表示D^S和D^T中的特征向量X与中x^*的核矩阵，K_**表示中x^*自的核矩阵；

(4.4)、利用贝叶斯公式计算条件分布概率p(y_*∣x_*,X,Y)；

(4.5)、根据条件分布概率p(y_*∣x_*,X,Y)，令y_*＝K_*K^-1Y，并作为新电池T第n+1次完整充放电过程中的SOH。