[发明专利]一种动力电池剩余寿命预测方法

权利要求书

1.一种动力电池剩余寿命预测方法，其特征在于，包括以下步骤：

1)获取待预测动力电池的当前容量序列，当前容量序列包括待预测动力电池的当前充放电循环序列号以及对应的动力电池容量；

2)将所述当前容量序列中的动力电池容量进行小波分解，得到若干个小波系数及对应的分量；

3)判断若干个小波系数的大小，若某个小波系数大于等于设定阈值，则保留该小波系数对应的分量并修正小波系数；若某个小波系数小于设定阈值，则剔除该小波系数对应的分量；

4)将保留的分量根据修正后的小波系数进行重构，得到优化后的当前容量序列；

5)将优化后的当前容量序列输入训练好的长短期记忆循环神经网络预测模型进行迭代预测，得到待预测动力电池的剩余寿命；所述长短期记忆循环神经网络预测模型根据与待预测动力电池型号相同的若干动力电池的历史容量序列训练得到。

2.根据权利要求1所述的动力电池剩余寿命预测方法，其特征在于，根据阈值函数进行分量的保留、剔除、以及小波系数的修正，所述阈值函数为：

其中，ω_ψ′为修正后的小波系数；ω_ψ为修正前的小波系数；λ为设定阈值；sgn()为符号函数。

3.根据权利要求1或2所述的动力电池剩余寿命预测方法，其特征在于，所述步骤5)中还包括对优化后的当前容量序列中的动力电池容量进行归一化的步骤，将优化后的归一化当前容量序列输入训练好的长短期记忆循环神经网络预测模型。

4.根据权利要求1或2所述的动力电池剩余寿命预测方法，其特征在于，所述设定阈值根据启发式的阈值设定准则进行确定，启发式的阈值设定准则为：

其中，w为N个小波系数的平方和；N为小波分解后得到的各层的小波系数的个数总和；f₁为目标函数；f₂为比较函数；λ为设定阈值；λ₁为由固定形式阈值准则确定的第一阈值；λ₂为由自适应阈值准则确定的第二阈值。

5.根据权利要求1所述的动力电池剩余寿命预测方法，其特征在于，训练长短期记忆循环神经网络预测模型时的历史容量序列为经过小波分解和重构，优化后的历史容量序列。