[发明专利]一种基于卷积神经网络的电池健康状态评估方法

说明书

本发明涉及电池健康状态评估技术领域，公开了一种基于卷积神经网络的电池健康状态评估方法，包括以下步骤：步骤1：提取数个满充状态下的充电片段数据；步骤2：修正充电片段数据的SOC值；并计算每一个充电片段数据对应的SOH值；步骤3：截取各充电片段数据中相同电压区间内的单体电压数据作为输入值，并输入至初始评估模型中；所述初始评估模型为端到端的模型；步骤4：利用步骤3中的输入值，计算损失函数并进行反向传播以更新权重参数，直到迭代完成；迭代完成后获得标准评估模型；步骤5：将待评估电池的充电片段数据输入至标准评估模型中，输出得到待评估电池的SOH值。本发明能够准确评估车辆的电池健康状态，评估准确率和评估效率较高。

技术领域

本发明涉及电池健康状态评估技术领域，具体涉及一种基于卷积神经网络的电池健康状态评估方法。

背景技术

随着目前能源结构的逐步改革，低碳经济成为未来的主要发展方向之一。在此背景下，新能源汽车逐步替代燃油车辆，同时，低碳出行的要求也促进了动力电池技术的进步与电动车的蓬勃发展。

与此同时，电动车的行车安全问题受到广泛关注。其中，动力电池系统作为电动车的核心能量来源，其运作稳定性、安全性、使用寿命等直接影响到整车的运行安全稳定。在实际使用过程中，动力电池的容量会随着不断的充放电循环而逐渐下降，直到到达寿命终止状态。在电池寿命终止后，电池的功率和容量会呈现不稳定的断崖式下降，以至于直接性地危及行车安全。为准确把控上述现象，常采用电池健康状态(SOH)以表征如上述的电池老化后的性能变化，通常用实际电池容量与额定值相比较获得。通过电池健康状态评估，可以有效把控电池状态，避免其影响到行车安全。

但是，在电动车的实际运行当中，电池健康状态的衰减往往呈现非线性规律，难以准确确认，并且，电池当前实际容量需要满充满放工况计算得到，在实际应用中难以获得，SOH值难以计算确认，因此难以准确评估当前电池健康状态。

发明内容

本发明意在提供一种基于卷积神经网络的电池健康状态评估方法，能够准确评估车辆的电池健康状态，评估准确率和评估效率较高。

为达到上述目的，本发明提供的基础方案为：一种基于卷积神经网络的电池健康状态评估方法，包括以下步骤：

步骤1：提取数个满充状态下的充电片段数据；

步骤2：根据充电片段数据，修正充电片段数据的SOC值；并依据修正后的SOC值计算每一个充电片段数据对应的当前电池容量值，进而计算得到每一个充电片段数据对应的SOH值；

步骤3：截取各充电片段数据中相同电压区间内的单体电压数据作为输入值，并输入至初始评估模型中；其中，以SOH值作为各充电片段数据的标签；所述初始评估模型为端到端的模型；且所述初始评估模型内包含有卷积神经网络；

步骤4：初始评估模型利用步骤3中的输入值，计算损失函数并进行反向传播以更新权重参数，直到迭代完成；迭代完成后获得标准评估模型；

步骤5：将待评估电池的充电片段数据输入至标准评估模型中，输出得到待评估电池的SOH值。

其中，SOC(State of Charge)指电池的荷电状态，即指电池中剩余电荷的可用状态，一般用一个百分比来表示。

SOH(State Of Health)指电池健康状态，一般用一个百分比来表示。

本发明的工作原理及优点在于：第一，特别提取满充状态下的充电片段数据作为基础数据，进而获得输入值以用于训练优化初始评估模型。选取的基础数据较为稳定，模型训练优化效果较好，后续的评估效果较好。并且，电池在实际运作过程中，由于数据工况条件复杂，其电池充电数据存在不确定性，此种情况下，相比于提取其余状态下的充电状态数据，本方案特别提取的满充状态下的充电片段数据，其数据工况条件是相对更为稳定的，数据表现更为稳定，以此作为基础数据可靠性较好。