[发明专利]基于集成模型的锂离子电池寿命预测方法

摘要

基于集成模型的锂离子电池寿命预测方法，涉及一种锂离子电池循环寿命预测方法。它为了解决现有的锂离子电池寿命预测适用性低、稳定性差的问题。其方法：对电池循环充放电试验测试数据进行预处理；采用Bagging算法对训练数据集Train dataset进行二次重采样；建立单调回声状态网络模型；初始化单调回声状态网络内部连接权值，重复T次，得到T个未经训练的单调回声状态网络子模型；设置单调回声状态网络模型的第一自由参数集和第二自由参数集；集成单调回声状态网络模型的输出RULi，并采用测试数据集Test dataset驱动集成单调回声状态网络模型，获得锂离子电池剩余寿命预测值。本发明适用于锂离子电池寿命预测。

主权项

基于集成模型的锂离子电池寿命预测方法，其特征是：它由以下步骤实现：步骤一、对电池循环充放电试验测试数据进行预处理，得到等压降时间序列作为输入数据集和锂离子电池剩余容量序列作为输出数据集；将原始数据集分为训练数据集Train dataset和测试数据集Test dataset；步骤二、采用Bagging算法对训练数据集Train dataset进行二次重采样，得到T个新的训练集；步骤三、建立单调回声状态网络模型，所述单调回声状态网络模型中输入维数为L、储备池规模为N和输出维数为M；L、N和M均为正整数；步骤四、初始化单调回声状态网络内部连接权值，重复步骤四一至步骤四三T次，得到T个未经训练的单调回声状态网络子模型；T为正整数；步骤四一、随机建立N×L维输入权值矩阵Win，N×N维内部连接权值矩阵W0和N×M维反馈权值矩阵Wback；步骤四二、根据公式：W1＝W0/|λmax|获得W1，其中|λmax|是W0的最大特征值的绝对值，此时W1的谱半径为1；步骤四三、根据公式：W＝αW1式中：α＜1；此时内部连接权值具有小于1的谱半径，完成一次未经训练的单调回声状态网络子模型的建立；步骤五、设置单调回声状态网络模型的第一自由参数集，所述第一自由参数集包括储备池规模N1、谱半径sr1、输入单元尺度IS1和输入单元位移IF1，使其满足单调回声状态网络输出RUL预测值大于RUL真实值，并使得T/2个单调回声状态网络模型的自由参数集为第一自由参数集；设置单调回声状态网络模型的第二自由参数集，，所述第二自由参数集包括储备池规模N2、谱半径sr2、输入单元尺度IS2和输入单元位移IF2，使其满足MONESN输出RUL预测值小于RUL真实值；使得剩余的T/2个单调回声状态网络模型的自由参数集为第二自由参数集；步骤六、集成单调回声状态网络模型的输出RULi，并采用测试数据集Test dataset驱动集成单调回声状态网络模型，根据公式： RUL F = 1 T Σ i = 1 T RUL i 获得锂离子电池剩余寿命预测值RULF，完成基于集成模型的锂离子电池寿命预测。