[发明专利]一种基于IGS-SVM的锂离子电池剩余使用寿命预测方法及系统

权利要求书

1.一种基于IGS-SVM的锂离子电池剩余使用寿命预测方法，其特征在于，包括以下步骤：

S1、使用放电端电压构建与锂电池容量具有相同退化能力的健康因子HI；

S2、根据步骤S1构建的健康因子HI和提取的历史数据建立锂电池RUL预测的数据集，并将数据集分为训练集和测试集；

S3、利用改进的网格搜索方法在步骤S2得到的训练集上对支持向量机的参数进行优化得到最佳参数，利用最佳参数更新支持向量机模型的参数，得到IGS-SVM模型；

S4、将步骤S2得到的测试集放入步骤S3训练后的IGS-SVM模型中，得出测试集在模型训练中平均绝对误差值和均方根误差值以及拟合度可决系数R²的值，衡量预测值与真实值之间的容量预测误差，实时预测锂电池的剩余使用寿命。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，锂电池历史数据包括锂电池容量、充放电电压、充放电电流和充放电温度数据，采用等时间电压差方法提取锂电池的放电电压数据，使用放电端电压构建与锂电池容量具有相同退化能力的健康因子HI。

3.根据权利要求1所述的方法，其特征在于，步骤S2中，提取的历史数据具体为：

其中，i表示锂电池放电循环次数，V_C表示锂电池充电50s时的电压序列，I_C表示锂电池充电3500s时的电流序列，T_C表示锂电池充电时最高温度组成的序列，T_DI表示锂电池放电结束的时刻，T_D表示锂电池放过程中最高温度组成的序列。

4.根据权利要求1所述的方法，其特征在于，步骤S2中，对数据集进行预处理，具体为：删除数据集异常点，数据集噪声处理，补充数据集缺失值并进行Person相关性分析，对构建的健康因子HI与锂电池的容量进行映射。

5.根据权利要求4所述的方法，其特征在于，Person相关性分析的相关性系数r为：

其中，n是序列数量，X_i、Y_i是变量对应的第i个序列观察值，分别是变量x、y的平均数。

6.根据权利要求1所述的方法，其特征在于，步骤S3具体为：

在C为[10^-4,10²]、g为[10^-4,10⁴]，步距为20的范围内采用大步距进行粗略搜，并使用交叉验证评估分类准确率最高的一组(C，g)，若参数选择过程中有多组的(C，g)对应于最高的验证分类准确率，则选取参数C最小的一组；如果对应最小的C有多组g，则选取搜索到的第一组(C，g)做为最佳的参数，作为大步距搜索得到的局部最优参数；在寻得了局部最优参数之后，在这组参数的左右选择一个[10^-2,10]的区间，采用小步距1进行二次精搜，找到最终的全局最优参数(C，g)。

7.根据权利要求1所述的方法，其特征在于，步骤S4中，平均绝对误差MAE:

均方误差RMSE:

容量预测误差Error:

其中，n为序列长度，为预测容量，y为实际容量。

8.根据权利要求1所述的方法，其特征在于，步骤S4中，拟合度可决系数R²为：

其中，y为锂电池容量观测值，为锂电池容量观测值的平均值，为锂电池容量估计值，y为第次i循环的锂电池容量值，SST为总平方和，SSR为回归平方和，SSE为残差平方和。

9.根据权利要求1所述的方法，其特征在于，步骤S4中，采集锂电池的充放电电压、充放电电流和充放电温度；将采集的数据进行处理，并存储原始数据到历史数据中实时更新；将处理后的数据放入计算单元中进行锂电池的RUL预测；将锂电池RUL预测结果可视化。

10.一种基于IGS-SVM的锂离子电池剩余使用寿命预测系统，其特征在于，包括：

提取模块，使用放电端电压构建与锂电池容量具有相同退化能力的健康因子HI；

数据模块，根据提取模块构建的健康因子HI和提取的历史数据建立锂电池RUL预测的数据集，并将数据集分为训练集和测试集；

更新模块，利用改进的网格搜索方法在数据模块得到的训练集上对支持向量机的参数进行优化得到最佳参数，利用最佳参数更新支持向量机模型的参数，得到IGS-SVM模型；

预测模块，将数据模块的测试集放入更新模块训练后的IGS-SVM模型中，得出测试集在模型训练中平均绝对误差值和均方根误差值以及拟合度可决系数R²的值，衡量预测值与真实值之间的容量预测误差，实时预测锂电池的剩余使用寿命。