[发明专利]一种确定电池循环寿命的方法及装置

说明书

本发明公开了一种确定电池循环寿命的方法及装置，涉及电池技术领域。该方法的一实施例包括：获取电池整个生命周期中用于评价循环寿命的所有指标参数；将所有指标参数按照属性划分成不同组，并将每组指标参数作为第一训练样本数据，得到不同种类的第一训练样本数据；第一训练样本数据中包含电池整个生命周期中属性相同的所有指标参数；针对任一种类第一训练样本数据：基于第一训练样本数据进行模型训练，得到子模型；将若干子模型输出的结果作为第二训练样本数据，基于第二训练样本数据进行模型训练，得到集成模型，由此，能够基于电池的多个指标参数，利用多个模型对电池的循环寿命进行预测，从而提高了电池循环寿命预测的准确性。

技术领域

本发明涉及电池技术领域，尤其涉及一种确定电池循环寿命的方法及装置。

背景技术

锂电池具有比能量高、安全性能好、低污染等优点；随着技术的进步，锂离子的应用领域愈发广泛，例如锂电池在新能源汽车领域的应用。锂电池循环寿命指的是锂离子电池可以循环充放电的次数。锂电池循环寿命对于锂电池的应用起着至关重要的作用；为此对于锂电池循环寿命的预测成了锂电池研究的热点。

目前针对锂电池循环寿命的预测有两种方法。一种是基于电池衰减模式进行预测，该方法主要是在电池使用过程中采集电池放电的电压曲线，并对电压曲线进行分类，之后基于分类后的电压曲线，利用隐马尔科夫模型对电池衰退模式进行预测。由于该方法采用单一模型对电压的衰减进行建模，因此模型参数不够复杂，不能充分考虑边际情况，例如电池的电压曲线不好，但是电池循环寿命较好。另一种是基于高斯过程回归的方法对锂电池循环寿命进行预测，该方法主要是将高斯过程回归的建模方法与回升状态网络算法相结合以进行模型训练，从而获得等压降放电时间的预测值，之后将该预测值和充放电时间序列相结合可以计算出电池剩余容量值，最后将电池剩余容量值与电池容量的失效阈值进行比较，得到电池的循环寿命。由于该方法采用了单一的参数化模型，因此如果模型训练不准确，那么模型预测结果就会发生偏离。而且由于输入模型的的数据太单一，因此也不能准确的预测锂电池的循环寿命。为此，急需要提供一种确定锂电池循环寿命的方法，以提高锂电池循环寿命预测的准确率。

发明内容

有鉴于此，本发明实施例提供确定电池循环寿命的方法及装置，能够基于电池的多个指标参数，利用多个模型对电池的循环寿命进行预测，从而提高了电池循环寿命预测的准确性。

为实现上述目的，根据本发明实施例第一方面，提供一种确定电池循环寿命的方法，该方法包括：获取电池整个生命周期中用于评价循环寿命的所有指标参数；将所有指标参数按照属性划分成不同组，并将每组指标参数作为第一训练样本数据，得到不同种类的第一训练样本数据；所述第一训练样本数据中包含电池整个生命周期中属性相同的所有指标参数；针对任一种类第一训练样本数据：基于所述第一训练样本数据进行模型训练，得到子模型；将若干子模型输出的结果作为第二训练样本数据，基于所述第二训练样本数据进行权重训练，得到集成模型。

可选的，该方法还包括：获取电池整个生命周期中任一子周期的所有待测指标参数；所述整个生命周期按照时间段划分成不同的子周期；将获取的所有待测指标参数按照属性划分成不同组；基于寿命预测模型，对不同组待测指标参数进行寿命预测，得到准循环寿命；其中，所述寿命预测模型包括多个子模型和集成模型，集成模型根据多个子模型的输出确定准循环寿命。

可选的，所述基于寿命预测模型，对不同组待测指标参数进行寿命预测，得到准循环寿命，包括：针对任一组所述待测指标参数，基于对应的子模型，对该组待测指标参数进行预测处理，得到预循环寿命；基于集成模型，对多个所述预循环寿命进行预测处理，得到准循环寿命。

可选的，所述基于集成模型，对多个所述预循环寿命进行预测处理，得到准循环寿命，包括：根据子周期在整个生命周期中的权重，利用集成模型对多个所述预循环寿命自动施加不同权重，并将多个施加权重后的预循环寿命进行加权处理，得到准循环寿命。