[发明专利]一种相似产品寿命迁移筛选方法和系统

说明书

本发明公开一种相似产品寿命迁移预测方法及系统，涉及似产品迁移学习技术领域，包括预处理待测配方相似产品短期循环寿命测试数据和其他配方电池全寿测试数据，得到目标样本数据和多个训练数据；通过进行曲线形态、容量退化率相似度、寿命分布相似度和距离度量最小筛选，获得用于跨配方相似产品寿命预测的可迁移样本数据，利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测，获得寿命预测结果；本发明实现了锂离子电池跨配方剩余寿命的准确预测，预测准确度最高可以达到99.9％，可以有效节省锂电池设计开发过程中的测试时间和费用，具有可观的经济效益和应用价值。

技术领域

本发明涉及相似产品迁移寿命预测技术领域，尤其涉及一种相似产品寿命迁移筛选方法和系统。

背景技术

随着储能技术和能源产业的发展，锂离子电池因其质量轻、低放电率和长寿命等优点，广泛应用于军事电子产品、航空电子器件、电动汽车以及各种便携式电子装置(例如笔记本电脑、数码相机、平板电脑、手机等)的主要储能器件。循环寿命是锂电池产品的重要设计性能。在锂电池的设计开发过程中，为了准确的获得设计矩阵中不同配方电池的寿命情况，并为配方选择和设计优化提供反馈，需要针对设计矩阵中各个配方的电池开展循环寿命测试。该项测试需要持续进行到电池容量保持率达到规定的阈值，即锂电池的寿命终止点。然而，由于设计矩阵中的锂电池配方数量众多，导致现有的循环寿命测试时间和资金成本太高，尤其对寿命周期长达多年的动力锂电池的而言，其设计开发效率过低，企业难以承受。

锂电池寿命预测，通常被用于锂电池的使用阶段，主要根据少量的已知历史数据，预测电池当前时刻的剩余寿命。由于被预测锂电池的测试循环数量要尽可能少，难以获得足够多的电池测试数据量以满足剩余寿命预测模型的设计开发需要。因此，利用电池企业同一电池平台的其他配方海量历史循环寿命测试数据，可为设计开发所需的剩余寿命预测模型提供数据支持。然而如何定义和度量数据可迁移性，并用于设计可迁移样本的筛选策略，从其他大量差异化配方电池数据中获得最相似的样本，如何利用最相似的样本对相似产品的寿命预测具有重大意义和应用需求。

发明内容

为解决现有技术存在的问题，本发明利用短期实测数据及迁移学习预测方法提供了一种更适用于电池设计开发过程中不同配方间的电池寿命预测的可迁移样本筛选方法及系统，本发明提供的可迁移样本筛选方法及系统能提高寿命预测的准确率，有效避免由于长期测试所产生的能耗及资源浪费，预测准确度高，普适性强。

为实现本发明的技术目的，本发明一方面提供一种相似产品寿命迁移预测方法，其特征在于，包括：

预处理待测配方相似产品短期循环寿命测试数据得到目标样本数据，预处理其他配方相似产品全寿测试容量数据得到多个训练数据；

通过进行曲线形态筛选，从多个训练数据中筛选出与目标样本数据曲线类型相似的第一训练数据；

通过容量退化率相似度筛选，从第一训练数据筛选出与目标样本数据的容量退化趋势相似的第二训练数据；

通过寿命分布相似度筛选，从第二训练数据筛选出与目标样本数据寿命分布相似的第三训练数据；

通过距离度量最小筛选，从第三训练数据中筛选出与目标样本数据的距离度量最小的第四训练数据；

将第四训练数据作为跨配方相似产品寿命预测的可迁移样本数据；

利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测。

其中，利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测包括：

利用所述可迁移样本数据对预先针对其他配方相似产品训练的模型进行精调训练，得到所述寿命预测模型；

利用所述寿命预测模型对待测配方相似产品的当前测试数据进行寿命预测处理，得到待测配方相似产品的剩余使用寿命RUL。