[发明专利]一种动力电池剩余寿命预测方法

说明书

本发明涉及一种动力电池剩余寿命预测方法。方法包括：获取待预测动力电池的当前容量序列；将当前容量序列进行小波分解，得到若干个小波系数及对应的分量；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；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；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。本发明通过对获取到的容量序列进行小波变化，得到优化后的容量序列，进而完成寿命的预测，保证了寿命预测的准确性。

技术领域

本发明涉及一种动力电池剩余寿命预测方法，属于动力电池性能退化预测与健康状态管理技术领域。

背景技术

动力电池作为电动汽车的动力来源，其性能的优劣直接关系着电动汽车行车过程中的动力性、经济性及安全可靠性。准确预测出动力电池的剩余寿命，能够对动力电池的维护、故障检测和及时更换提供指导作用，保障电动汽车的高效，安全运行。

动力电池的剩余寿命是指在一定条件下，电池容量从当前实际容量衰减到规定的失效阈值(一般为初始容量的80％)所进行的充放电循环次数。目前，动力电池剩余寿命预测主要分为两大类：基于模型预测和基于数据驱动预测。

基于模型预测的方法，由于难以对动力电池内部材料属性、失效机理及电化学反应进行深入学习，无法对其建立精确的寿命退化模型。基于数据驱动的预测方法，无需研究动力电池内部复杂的结构及反应机理，利用数据挖掘技术，通过对海量历史数据进行筛选、处理，挖掘出能够表征动力电池性能衰退的参数，利用机器学习算法分析动力电池寿命衰退的内在规律，对动力电池未来剩余寿命进行预测。

基于数据驱动的动力电池剩余寿命预测方法包括三大类型，经验预测法、滤波预测法及时序预测法。经验预测法，基于数据拟合的思想，将动力电池的充放电循环次数与容量进行拟合得到电池寿命经验模型，进行动力电池剩余寿命预测；滤波预测法，基于状态估计的思想，利用观测数据实时的对电池寿命经验模型进行更新校正，预测动力电池的剩余寿命；时序预测法从时间序列的角度出发，将动力电池的剩余寿命预测视为时间序列预测问题，利用动力电池历史容量衰退的规律递推预测未来的寿命衰退轨迹。时序预测法只需根据动力电池历史容量序列即可准确预测出动力电池的剩余寿命，因此成为现在预测的主要方法。

上述时序预测法中电池容量序列是通过采集的动力电池的状态数据中提取出的，在采集动力电池的状态数据的过程中，经常会因为干扰而导致采集的动力电池的状态数据不准确，进而导致电池容量序列的不准确，降低动力电池寿命预测的准确度。

发明内容

本申请的目的在于提供一种动力电池剩余寿命预测方法，用以解决现有技术寿命预测不准确的问题。

为实现上述目的，本申请提出了一种动力电池剩余寿命预测方法的技术方案，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。