[发明专利]一种考虑老化情况下的锂离子电池电量预测方法

说明书

本发明公开了一种考虑老化情况的锂离子电池电量预测方法；本发明的输入数据包括充放电循环次数和内阻是电池的老化指标，建立五维度数据集，并经验小波分解对电池数据进行预处理，经验小波分解用于分离电池容量的整体退化和局部再生；然后设计并训练各分解分量的CNN‑GRU网络，CNN提取五维度数据之间的关系，GRU提取数据前后的历史关系，完成数据的特征捕捉；并使用注意力机制完成权重分配，将更多权重分配给关键特征并减少干扰。最后将所有模型的预测结果进行组合和重构，得到最终的电量预测结果。本发明能够实现锂离子电池电量的预测，并考虑了电池的老化情况，使网络不需要经常更改重新训练以适应电池在使用一段时间后的性能改变。

技术领域

本发明涉及了一种基于CNN-GRU-ATTENTION网络结构的预测方法，尤其是考虑了电池的老化。

背景技术

能源匮乏，环境污染是本世纪所面临的重大问题。传统的汽油车、柴油车的尾气排放量大，污染环境，所需的燃料也都是不可再生资源。因此，人们开始重视电动汽车产业，英国、法国等国家已经宣布了在2025年至2040年间停止生产汽油车。电动汽车的动力来源是电池组，为保证汽车的行驶性能，电池需要高性能。锂离子电池具有能量密度大、自放电率低、循环寿命长等优点，在电动汽车领域得到了广泛的应用。荷电状态 (SOC)表示电池的剩余电量，对电动汽车的剩余里程数和电池电量预警有着重要指示作用，是衡量电动汽车安全性、可靠性的重要电池状态参数。了解电池的状态参数对电动汽车的安全性、可靠性具有重要作用。SOC不能通过实际测量得出，只能通过别的可测量值(如电压、电流)进行估算。但在实际放电过程中，放电电流很不稳定，电池内部又有很难预测的化学反应，因此准确估计电池的SOC是一项具有实际意义的工作。

目前对电池SOC的预测几乎都是以新电池为例，但是电池老化是必然的过程，电池老化会导致之前的预测模型不能捕捉老化后电池的放电特性，预测结果出现较大偏差。但是SOC又是表示电量的指标，电量指标不准会导致电池的过充过放，进一步损害电池的性能，降低电池的寿命。

发明内容

为了解决背景技术中的问题，本发明提出了一种考虑电池老化情况的锂离子电池预测方法，适用于老化电池的预测并且能够提供可靠的结果。

本发明的技术方案包括以下步骤：

1)采集数据：对电池进行充放电实验，使用传感器获得电池的电压、电流、温度，以及评价老化指标的数据参数内阻并记录历史充放电循环次数，使用安时积分法计算电池每时刻的电量，作为目标值，建立数据集；

2)使用经验小波分解对电池数据进行分解，将电池在放电过程中的容量再生部分与整体退化分割开，整体下降的部分是低频的，局部再生的部分是高频的；

3)使用步骤2)获得的分解数据训练CNN-GRU-ATTENTION网络，CNN捕捉输入数据之间的空间关系，GRU提取输入数据之间的时间关系，完成数据的特征捕捉；注意力机制完成权重分配，将更多注意力权重分配给关键特征并减少干扰；

4)将测试集数据按照步骤2)分解并输入到训练好的网络得到高频和低频的预测结果；

5)将预测的结果进行组合重构，得到最终的预测结果；

所述步骤2)中，对数据进行经验小波分解包含以下步骤：

2.1)构造经验小波函数ψ(w)和经验尺度函数φ(w)；

其中w表示频率，w_i为相邻极大值点的均值，γ为常数，β(x)为辅助函数，需满足如下条件：

2.2)将序列分为j层，通过分解方程得到不同比例的低频信号A和高频信号D。