[发明专利]一种基于卷积时间记忆神经网络的锂电池容量估计方法

权利要求书

1.一种基于卷积时间记忆神经网络的锂电池容量估计方法，其特征在于：包括以下步骤：

步骤1：采集电池容量数据；对同系列参考电池进行充放电循环实验，采集并记录充放电实验过程中随时间变化的电池容量数据；包括电池组容量、单电池充电电压、单电池充电电流，单电池放电电压、单电池放电电流、单电池内阻，以及单电池表面温度数据；

步骤2：获取参考电池实验数据集；从在不同充放电倍率下充放电的电池组容量、单电池充电电压、单电池充电电流、单电池放电电压、单电池放电电流、单电池温度和单电池内阻数据中选取对应充电容量区间长度为ql的数据段组成训练样本，获得包含训练组和测试组及对应容量标签的参考电池实验数据集；

步骤3：对实验数据集进行增强处理；随机裁剪，选取不同的裁剪范围，对步骤2产生的实验数据集进行剪切再拼接，利用步骤2中完整的电池组容量数据生成部分电池容量数据，使整个数据集变大；

步骤4：构建卷积时间记忆神经网络模型；以步骤3中数据增强处理后的数据集为源数据集，利用寻优算法，基于源数据集对神经网络超参数进行寻优，确定神经网络超参数，再基于源数据集对神经网络进行训练，确定神经网络参数；

步骤5：训练卷积时间记忆神经网络模型；将步骤2划分的测试组数据中不同充放电倍率下充放电的电池组容量为卷积时间记忆神经网络的输出，以单电池充电电压、单电池充电电流、单电池放电电压、单电池放电电流、单电池温度和单电池内阻数据作为卷积时间记忆神经网络的输入，将训练初始学习率定为0.001，并规定当训练过程中迭代次数达到1000次时，按0.1的倍率减小学习率；根据训练迭代次数是否达到设定值或者训练误差是否下降至初始设定的值来判定是否可以结束训练；

步骤6：得到待测电池组容量估计值；取待测电池组最近一次充电过程中任意一段单电池充电电压、单电池充电电流、单电池放电电压、单电池放电电流、单电池表面温度以及单电池内阻的数据，按步骤2的方法得到单电池充电电压、单电池充电电流、电池放电电压、单电池放电电流、单电池内阻和单电池表面温度输入到步骤5训练好的卷积时间记忆神经网络中，其输出作为待测电池组剩余容量的估计值。

2.根据权利要求1所述基于卷积时间记忆神经网络的锂电池容量估计方法，其特征在于：步骤3的实现方法为：选取不同的裁剪范围，对数据集进行剪切再拼接，首先确认电池总数分别进行编号记为Bn，最后一个电池编号为Bmax，其中n＝0,1，……，max，然后构建数组low＝[low0，low1，……lowmax]和数组high＝[high0，high1，……highmax]，数组中[lown,highn]分别用于增强区间的上下限，其中low0＝high0＝0，在区间[lown，highn]通过随机函数选取一个值randn，复制当前Bn下电池数据并粘贴到总数据尾部；重复上述步骤转向下一个编号Bn+1，最后达到Bmax。

3.根据权利要求1所述基于卷积时间记忆神经网络的锂电池容量估计方法，其特征在于：步骤4所构建卷积时间记忆神经网络模型，为具有多层结构的卷积时间记忆神经网络，包括2层卷积层，相应的伴有池化层，LSTM网络层为2层，相互之间通过全连接层进行连接；采用反向传导算法沿着误差减小的方向从输出层逐层调整网络的连接权值。