CN111722114A - 一种动力电池寿命预测方法及系统 - Google Patents

Abstract

本申请公开了一种动力电池寿命预测方法及系统，其中，所述动力电池寿命预测方法实现了在有限的实际电池样本数据的基础上，获得动力电池完整寿命周期中动力电池的寿命与使用时间的对应关系的目的，并且由于所述预测寿命曲线是由第三寿命曲线和偏差寿命曲线整合获得的，即所述预测寿命曲线综合考虑了动力电池的理论电池寿命变化情况和外界环境因素对动力电池寿命的周期性影响，使得所述预测寿命曲线更加贴近实际情况，提升了动力电池寿命预测的准确度。

Description

一种动力电池寿命预测方法及系统

技术领域

本申请涉及机动车辆技术领域，更具体地说，涉及一种动力电池寿命预测方法及系统。

背景技术

电池寿命(State of Health，SOH)，又称为电池容量、健康度、性能状态，简单来说是电池使用一段时间后性能参数与标称参数的比值，新出厂电池为100％，完全报废为0％。也可以理解为电池从满充状态下以一定的倍率放电到截止电压所放出的容量与其所对应的标称容量的比值，或者说是电池的极限容量大小。

在汽车工业的故障预测与健康管理(Prognostic and Health Management，PHM)系统中，动力电池寿命预测是重要组成部分，现有技术中对动力电池寿命预测的方法主要包括：电化学分析法、安时法、阻抗法、时间序列模型、机器学习等方法，其中，电化学分析法、安时法和阻抗法都需要侵入动力电池内部，对动力电池由不同程度的破坏性，且测试时间长，适应性较差；因此，采用时间序列模型和机器学习实现对动力电池寿命预测可以避免上述问题，但是不论是采用时间序列模型还是机器学习的方法，均受限于动力电池实际样本或数据的缺少而使得这两种方法对动力电池寿命的预测准确度难以令人满意。

发明内容

为解决上述技术问题，本申请提供了一种动力电池寿命预测方法及系统，以在不需要侵入动力电池内部检测的基础上，实现提升动力电池寿命预测的准确度的目的。

为实现上述技术目的，本申请实施例提供了如下技术方案：

一种动力电池寿命预测方法，包括：

获取实际电池样本数据，所述实际电池样本数据包括动力电池从开始使用到使用第一预设时间的动力电池寿命与使用时间的对应关系；

根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线，所述第一预设函数模型为幂函数模型和指数函数模型；

根据所述实际电池样本数据，预测获得第二寿命曲线，所述第二寿命曲线包括所述动力电池从使用第一预设时间到使用第二预设时间的动力电池寿命与使用时间的对应关系，所述动力电池完整寿命周期长度等于所述第二预设时间；

根据所述第一寿命曲线和第二寿命曲线，获得包括所述动力电池完整寿命周期内动力电池寿命与使用时间的对应关系的第三寿命曲线；

根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线，所述偏差寿命曲线包括所述动力电池完整寿命周期中，所述动力电池寿命的周期性变化趋势与使用周期的对应关系；所述第二预设函数模型为多项式函数模型或傅里叶变换模型；

将所述偏差寿命曲线与所述第三寿命曲线进行整合，以获得动力电池的预测寿命曲线，所述预测寿命曲线包括所述动力电池完整寿命周期中，动力电池的寿命与使用时间的对应关系，以根据所述预测寿命曲线对所述动力电池的寿命进行预测。

可选的，所述根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线包括：

统计所述实际电池样本数据，以获得所述实际电池样本数据中的历史最大电池寿命差值；

以所述历史最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第一曲线的第一寿命曲线，每段所述第一曲线的拟合函数模型为幂函数模型或指数函数模型。

可选的，所述根据所述实际电池样本数据，预测获得第二寿命曲线包括：

统计所述实际电池样本数据，以获得所述实际电池样本数据中，每个第一预设周期内的最大电池寿命差值；

以所述历史最大电池寿命差值和每个第一预设周期内的最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第二曲线的第二寿命曲线，每段所述第二曲线的拟合函数模型为所述第一预设函数模型；

对所述第二寿命曲线中每段第二曲线的参数进行随机扰动，以获得随机分布的预测点，并对随机分布的预测点进行边界验证，对验证不通过的第二曲线进行修正。

可选的，所述根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线包括：

统计所述实际电池样本数据，获得平均寿命曲线，所述平均寿命曲线包括动力电池的平均电池寿命与使用时间的对应关系；

根据所述实际电池样本数据与所述平均寿命曲线，获得波动寿命曲线，所述波动寿命曲线包括实际电池样本数据与所述平均寿命曲线的最大差值与使用时间的对应关系；

根据所述波动寿命曲线，确定所述动力电池寿命的周期性变化的第二预设周期；

根据所述实际电池样本数据和第二预设周期，利用第二预设函数模型，拟合偏差寿命曲线。

一种动力电池寿命预测系统，包括：

数据获取模块，用于获取实际电池样本数据，所述实际电池样本数据包括动力电池从开始使用到使用第一预设时间的动力电池寿命与使用时间的对应关系；

第一拟合模块，用于根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线，所述第一预设函数模型为幂函数模型和指数函数模型；

第二拟合模块，用于根据所述实际电池样本数据，预测获得第二寿命曲线，所述第二寿命曲线包括所述动力电池从使用第一预设时间到使用第二预设时间的动力电池寿命与使用时间的对应关系，所述动力电池完整寿命周期长度等于所述第二预设时间；

第一整合模块，用于根据所述第一寿命曲线和第二寿命曲线，获得包括所述动力电池完整寿命周期内动力电池寿命与使用时间的对应关系的第三寿命曲线；

第三拟合模块，用于根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线，所述偏差寿命曲线包括所述动力电池完整寿命周期中，所述动力电池寿命的周期性变化趋势与使用周期的对应关系；所述第二预设函数模型为多项式函数模型或傅里叶变换模型；

第二整合模块，用于将所述偏差寿命曲线与所述第三寿命曲线进行整合，以获得动力电池的预测寿命曲线，所述预测寿命曲线包括所述动力电池完整寿命周期中，动力电池的寿命与使用时间的对应关系，以根据所述预测寿命曲线对所述动力电池的寿命进行预测。

可选的，所述第一拟合模块包括：

第一统计单元，用于统计所述实际电池样本数据，以获得所述实际电池样本数据中的历史最大电池寿命差值；

第一拟合单元，用于以所述历史最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第一曲线的第一寿命曲线，每段所述第一曲线的拟合函数模型为幂函数模型或指数函数模型。

可选的，所述第二拟合模块包括：

第二统计单元，用于统计所述实际电池样本数据，以获得所述实际电池样本数据中，每个第一预设周期内的最大电池寿命差值；

第二拟合单元，以所述历史最大电池寿命差值和每个第一预设周期内的最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第二曲线的第二寿命曲线，每段所述第二曲线的拟合函数模型为所述第一预设函数模型；

修正单元，用于对所述第二寿命曲线中每段第二曲线的参数进行随机扰动，以获得随机分布的预测点，并对随机分布的预测点进行边界验证，对验证不通过的第二曲线进行修正。

可选的，所述第三拟合模块包括：

第三统计单元，用于统计所述实际电池样本数据，获得平均寿命曲线，所述平均寿命曲线包括动力电池的平均电池寿命与使用时间的对应关系；

第三拟合单元，用于根据所述实际电池样本数据与所述平均寿命曲线，获得波动寿命曲线，所述波动寿命曲线包括实际电池样本数据与所述平均寿命曲线的最大差值与使用时间的对应关系；

周期统计单元，用于根据所述波动寿命曲线，确定所述动力电池寿命的周期性变化的第二预设周期；

第四拟合单元，用于根据所述实际电池样本数据和第二预设周期，利用第二预设函数模型，拟合偏差寿命曲线。

从上述技术方案可以看出，本申请实施例提供了一种动力电池寿命预测方法及系统，其中，所述动力电池寿命预测方法首先利用有限的实际电池样本数据，拟合出代表理论电池寿命的第三寿命曲线和代表外界环境因素对动力电池寿命有周期性影响的偏差寿命曲线，然后整合第三寿命曲线和偏差寿命曲线得到更加贴近实际动力电池使用过程中的寿命变化情况的预测寿命曲线，最后实现利用所述预测寿命曲线对所述动力电池的寿命进行预测的目的。从而实现了在有限的实际电池样本数据的基础上，获得动力电池完整寿命周期中动力电池的寿命与使用时间的对应关系的目的，并且由于所述预测寿命曲线是由第三寿命曲线和偏差寿命曲线整合获得的，即所述预测寿命曲线综合考虑了动力电池的理论电池寿命变化情况和外界环境因素对动力电池寿命的周期性影响，使得所述预测寿命曲线更加贴近实际情况，提升了动力电池寿命预测的准确度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请的一个实施例提供的一种动力电池寿命预测方法的流程示意图；

图2为本申请的另一个实施例提供的一种动力电池寿命预测方法的流程示意图；

图3为本申请的又一个实施例提供的一种动力电池寿命预测方法的流程示意图；

图4为本申请的再一个实施例提供的一种动力电池寿命预测方法的流程示意图。

具体实施方式

正如背景技术所述，现有技术中对动力电池寿命预测的方法存在各种问题。

其中，电化学分析法是指从电池内部物理化学过程的角度描述电池的动力学参数、传质过程、热力学特性参数、材料的机械、热、电特性等参数的变化规律，分析电池的运行机理并建立电池的退化模型；

安时法是在电池的全寿命周期对电池进行各种加速试验，如温度加速、放电速率、放电深度加速等，即按照一定放电速率放电(厂家规定或行业内标准)定期对电池容量进行测试，估计电池容量的退化模型；

阻抗法包括欧姆内阻和电化学阻抗法。欧姆内阻法通过加入一个含较小负载的电路，测量电压的变化来确定电池的内阻的变化并据此计算动力电池寿命。

上述三种方法都需要侵入动力电池内部，对动力电池由不同程度的破坏性，且测试时间长，适应性较差。

采用时间序列模型和机器学习实现对动力电池寿命预测可以避免上述问题；但是不论是采用时间序列模型还是机器学习的方法，均受限于动力电池实际样本或数据的缺少而使得这两种方法对动力电池寿命的预测准确度难以令人满意。

对于时间序列模型而言，需要采集动力电池从出厂到报废，即完整生命周期内，使用时间与动力电池寿命之间的对应关系，根据这些数据建立完整生命周期内，动力电池寿命与使用时间的曲线关系。

对于机器学习(例如神经网络或支持向量机)而言，也需要采集大量的有关动力电池的使用时间与寿命对应关系的训练样本来实现模型的训练，从而实现寿命的预测。

但是受限于电动车辆大规模投入使用的时间尚短，很难获得完全生命周期内的动力电池寿命数据或训练样本，因此，使用时间序列模型和机器学习实现对动力电池寿命预测时势必需要加入理论数据来进行拟合或训练，使得采用时间序列模型和机器学习实现对动力电池寿命预测的方法的预测准确度较低。

有鉴于此，本申请实施例提供了一种动力电池寿命预测方法，包括：

获取实际电池样本数据，所述实际电池样本数据包括动力电池从开始使用到使用第一预设时间的动力电池寿命与使用时间的对应关系；

根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线，所述第一预设函数模型为幂函数模型和指数函数模型；

根据所述实际电池样本数据，预测获得第二寿命曲线，所述第二寿命曲线包括所述动力电池从使用第一预设时间到使用第二预设时间的动力电池寿命与使用时间的对应关系，所述动力电池完整寿命周期长度等于所述第二预设时间；

根据所述第一寿命曲线和第二寿命曲线，获得包括所述动力电池完整寿命周期内动力电池寿命与使用时间的对应关系的第三寿命曲线；

根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线，所述偏差寿命曲线包括所述动力电池完整寿命周期中，所述动力电池寿命的周期性变化趋势与使用周期的对应关系；所述第二预设函数模型为多项式函数模型或傅里叶变换模型；

将所述偏差寿命曲线与所述第三寿命曲线进行整合，以获得动力电池的预测寿命曲线，所述预测寿命曲线包括所述动力电池完整寿命周期中，动力电池的寿命与使用时间的对应关系，以根据所述预测寿命曲线对所述动力电池的寿命进行预测。

所述动力电池寿命预测方法首先利用有限的实际电池样本数据，拟合出代表理论电池寿命的第三寿命曲线和代表外界环境因素对动力电池寿命有周期性影响的偏差寿命曲线，然后整合第三寿命曲线和偏差寿命曲线得到更加贴近实际动力电池使用过程中的寿命变化情况的预测寿命曲线，最后实现利用所述预测寿命曲线对所述动力电池的寿命进行预测的目的。从而实现了在有限的实际电池样本数据的基础上，获得动力电池完整寿命周期中动力电池的寿命与使用时间的对应关系的目的，并且由于所述预测寿命曲线是由第三寿命曲线和偏差寿命曲线整合获得的，即所述预测寿命曲线综合考虑了动力电池的理论电池寿命变化情况和外界环境因素对动力电池寿命的周期性影响，使得所述预测寿命曲线更加贴近实际情况，提升了动力电池寿命预测的准确度。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供了一种动力电池寿命预测方法，如图1所示，包括：

S101：获取实际电池样本数据，所述实际电池样本数据包括动力电池从开始使用到使用第一预设时间的动力电池寿命与使用时间的对应关系；

S102：根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线，所述第一预设函数模型为幂函数模型和指数函数模型；

S103：根据所述实际电池样本数据，预测获得第二寿命曲线，所述第二寿命曲线包括所述动力电池从使用第一预设时间到使用第二预设时间的动力电池寿命与使用时间的对应关系，所述动力电池完整寿命周期长度等于所述第二预设时间；

S104：根据所述第一寿命曲线和第二寿命曲线，获得包括所述动力电池完整寿命周期内动力电池寿命与使用时间的对应关系的第三寿命曲线；

S105：根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线，所述偏差寿命曲线包括所述动力电池完整寿命周期中，所述动力电池寿命的周期性变化趋势与使用周期的对应关系；所述第二预设函数模型为多项式函数模型或傅里叶变换模型；

S106：将所述偏差寿命曲线与所述第三寿命曲线进行整合，以获得动力电池的预测寿命曲线，所述预测寿命曲线包括所述动力电池完整寿命周期中，动力电池的寿命与使用时间的对应关系，以根据所述预测寿命曲线对所述动力电池的寿命进行预测。

需要说明的是，在进行第一寿命曲线、第二寿命曲线和第三寿命曲线拟合时，由于所述第一寿命曲线、第二寿命曲线和第三寿命曲线为动力电池的理论寿命曲线，需要考虑第一寿命曲线、第二寿命曲线和第三寿命曲线具有电池寿命衰减不可逆等因素，可以参考实验室中获取的理论电池寿命曲线，实验室中获取的理论电池寿命曲线通常表示了动力电池的循环次数与寿命的对应关系，动力电池的循环次数是指动力电池经过的满充满放次数，即动力电池经过一次的满充满放操作，即视为一次循环。

在对第一寿命曲线、第二寿命曲线和第三寿命曲线进行拟合时，可以测试多种第一预设函数模型找到最佳的拟合函数，只需要通过设置函数参数保证曲线的下降趋势即可。另外，还可以对第一寿命曲线、第二寿命曲线和第三寿命曲线进行分段拟合，以找到每段曲线中最优的拟合函数，对第一寿命曲线、第二寿命曲线和第三寿命曲线进行分段拟合时，可以通过设置每段拟合函数的参数，使得第一寿命曲线、第二寿命曲线和第三寿命曲线在一定使用时间后，下降趋势变缓，从而使得第一寿命曲线、第二寿命曲线和第三寿命曲线更加贴近动力电池使用寿命的变化趋势。

另外，在对第二寿命曲线进行预测时，由于没有该使用时间段的实际数据的支撑，需要在保证第二寿命曲线的下降趋势和在一定使用时间后的下降趋势变缓的基础上，还需要保证第二寿命曲线的总体偏差有界，避免出现异常预测点的情况。

在上述实施例的基础上，在本申请的一个实施例中，如图2所示，所述根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线包括：

S1021：统计所述实际电池样本数据，以获得所述实际电池样本数据中的历史最大电池寿命差值；

S1022：以所述历史最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第一曲线的第一寿命曲线，每段所述第一曲线的拟合函数模型为幂函数模型或指数函数模型。

在本实施例中，提出了一种拟合第一寿命曲线的具体过程，在本实施例中，通过以所述历史最大电池寿命差值为约束，避免了拟合获得第一寿命曲线出现偏离实际的误差点的情况出现。

另外，所述实际电池样本数据中的历史最大电池寿命差值，是指对实际电池样本数据在所有的使用时间节点上，最大的电池寿命差值。举例来说：假设实际电池样本数据包括：使用时间为1、2、3、4、5月时，第一实际电池样本数据中记录的电池寿命分别为99％、95％、91％、85％和80％；第二实际电池样本数据中记录的电池寿命分别为98％、95％、92％、87％和83％；第三实际电池样本数据中记录的电池寿命分别为98％、91％、88％、81％和79％。则在这三组数据中，历史最大电池寿命差值为使用时间为使用时间为4个月时，第二实际电池样本数据和第三实际电池样本数据的差值：6％。

在上述实施例的基础上，在本申请的另一个实施例中，如图3所示，所述根据所述实际电池样本数据，预测获得第二寿命曲线包括：

S1031：统计所述实际电池样本数据，以获得所述实际电池样本数据中，每个第一预设周期内的最大电池寿命差值；

S1032：以所述历史最大电池寿命差值和每个第一预设周期内的最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第二曲线的第二寿命曲线，每段所述第二曲线的拟合函数模型为所述第一预设函数模型；

S1033：对所述第二寿命曲线中每段第二曲线的参数进行随机扰动，以获得随机分布的预测点，并对随机分布的预测点进行边界验证，对验证不通过的第二曲线进行修正。

在本实施例中，给出了一种拟合第二寿命曲线的具体过程，由于第二寿命曲线是根据实际电池样本数据进行预测获得的，因此需要设置多个约束条件，并且在步骤S1033中对每段第二曲线的参数进行随机扰动，并对获得的随机分布的预测点进行边界验证，对验证不通过的第二曲线进行修正。具体地，可以取95％分位内的数据点，和80分为点内的部分实际电池样本数据的数据点，验证是否超过历史最大电池寿命差值和每个第一预设周期内的最大电池寿命差值。所述第一预设周期可以是一个月或一周等，本申请对此并不做限定。

在上述实施例的基础上，在本申请的又一个实施例中，如图4所示，所述根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线包括：

S1051：统计所述实际电池样本数据，获得平均寿命曲线，所述平均寿命曲线包括动力电池的平均电池寿命与使用时间的对应关系；

S1052：根据所述实际电池样本数据与所述平均寿命曲线，获得波动寿命曲线，所述波动寿命曲线包括实际电池样本数据与所述平均寿命曲线的最大差值与使用时间的对应关系；

S1053：根据所述波动寿命曲线，确定所述动力电池寿命的周期性变化的第二预设周期；

S1054：根据所述实际电池样本数据和第二预设周期，利用第二预设函数模型，拟合偏差寿命曲线。

在本实施例中，给出了一种具体地拟合偏差寿命曲线的过程。所述第二预设周期可以是一月或一周或一年等，本申请对此并不做限定。

最终获得的偏差寿命曲线用于反映动力电池的使用环境对动力电池寿命的周期性影响，这个周期性影响包括季节的周期性影响和用户使用频率的周期性影响等，反映在偏差寿命曲线中，就是与平均寿命曲线之间的差值。

下面对本申请实施例提供的动力电池寿命预测系统进行描述，下文描述的动力电池寿命预测系统可与上文描述的动力电池寿命预测方法相互对应参照。

相应的，本申请实施例提供了一种动力电池寿命预测系统，包括：

数据获取模块，用于获取实际电池样本数据，所述实际电池样本数据包括动力电池从开始使用到使用第一预设时间的动力电池寿命与使用时间的对应关系；

第一拟合模块，用于根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线，所述第一预设函数模型为幂函数模型和指数函数模型；

第二拟合模块，用于根据所述实际电池样本数据，预测获得第二寿命曲线，所述第二寿命曲线包括所述动力电池从使用第一预设时间到使用第二预设时间的动力电池寿命与使用时间的对应关系，所述动力电池完整寿命周期长度等于所述第二预设时间；

第一整合模块，用于根据所述第一寿命曲线和第二寿命曲线，获得包括所述动力电池完整寿命周期内动力电池寿命与使用时间的对应关系的第三寿命曲线；

第三拟合模块，用于根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线，所述偏差寿命曲线包括所述动力电池完整寿命周期中，所述动力电池寿命的周期性变化趋势与使用周期的对应关系；所述第二预设函数模型为多项式函数模型或傅里叶变换模型；

第二整合模块，用于将所述偏差寿命曲线与所述第三寿命曲线进行整合，以获得动力电池的预测寿命曲线，所述预测寿命曲线包括所述动力电池完整寿命周期中，动力电池的寿命与使用时间的对应关系，以根据所述预测寿命曲线对所述动力电池的寿命进行预测。

可选的，所述第一拟合模块包括：

第一统计单元，用于统计所述实际电池样本数据，以获得所述实际电池样本数据中的历史最大电池寿命差值；

第一拟合单元，用于以所述历史最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第一曲线的第一寿命曲线，每段所述第一曲线的拟合函数模型为幂函数模型或指数函数模型。

可选的，所述第二拟合模块包括：

第二统计单元，用于统计所述实际电池样本数据，以获得所述实际电池样本数据中，每个第一预设周期内的最大电池寿命差值；

第二拟合单元，以所述历史最大电池寿命差值和每个第一预设周期内的最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第二曲线的第二寿命曲线，每段所述第二曲线的拟合函数模型为所述第一预设函数模型；

修正单元，用于对所述第二寿命曲线中每段第二曲线的参数进行随机扰动，以获得随机分布的预测点，并对随机分布的预测点进行边界验证，对验证不通过的第二曲线进行修正。

可选的，所述第三拟合模块包括：

第三统计单元，用于统计所述实际电池样本数据，获得平均寿命曲线，所述平均寿命曲线包括动力电池的平均电池寿命与使用时间的对应关系；

第三拟合单元，用于根据所述实际电池样本数据与所述平均寿命曲线，获得波动寿命曲线，所述波动寿命曲线包括实际电池样本数据与所述平均寿命曲线的最大差值与使用时间的对应关系；

周期统计单元，用于根据所述波动寿命曲线，确定所述动力电池寿命的周期性变化的第二预设周期；

第四拟合单元，用于根据所述实际电池样本数据和第二预设周期，利用第二预设函数模型，拟合偏差寿命曲线。

综上所述，本申请实施例提供了一种动力电池寿命预测方法及系统，其中，所述动力电池寿命预测方法首先利用有限的实际电池样本数据，拟合出代表理论电池寿命的第三寿命曲线和代表外界环境因素对动力电池寿命有周期性影响的偏差寿命曲线，然后整合第三寿命曲线和偏差寿命曲线得到更加贴近实际动力电池使用过程中的寿命变化情况的预测寿命曲线，最后实现利用所述预测寿命曲线对所述动力电池的寿命进行预测的目的。从而实现了在有限的实际电池样本数据的基础上，获得动力电池完整寿命周期中动力电池的寿命与使用时间的对应关系的目的，并且由于所述预测寿命曲线是由第三寿命曲线和偏差寿命曲线整合获得的，即所述预测寿命曲线综合考虑了动力电池的理论电池寿命变化情况和外界环境因素对动力电池寿命的周期性影响，使得所述预测寿命曲线更加贴近实际情况，提升了动力电池寿命预测的准确度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种动力电池寿命预测方法，其特征在于，包括：

获取实际电池样本数据，所述实际电池样本数据包括动力电池从开始使用到使用第一预设时间的动力电池寿命与使用时间的对应关系；

根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线，所述第一预设函数模型为幂函数模型和指数函数模型；

根据所述实际电池样本数据，预测获得第二寿命曲线，所述第二寿命曲线包括所述动力电池从使用第一预设时间到使用第二预设时间的动力电池寿命与使用时间的对应关系，所述动力电池完整寿命周期长度等于所述第二预设时间；

根据所述第一寿命曲线和第二寿命曲线，获得包括所述动力电池完整寿命周期内动力电池寿命与使用时间的对应关系的第三寿命曲线；

根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线，所述偏差寿命曲线包括所述动力电池完整寿命周期中，所述动力电池寿命的周期性变化趋势与使用周期的对应关系；所述第二预设函数模型为多项式函数模型或傅里叶变换模型；

将所述偏差寿命曲线与所述第三寿命曲线进行整合，以获得动力电池的预测寿命曲线，所述预测寿命曲线包括所述动力电池完整寿命周期中，动力电池的寿命与使用时间的对应关系，以根据所述预测寿命曲线对所述动力电池的寿命进行预测。

2.根据权利要求1所述的方法，其特征在于，所述根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线包括：

统计所述实际电池样本数据，以获得所述实际电池样本数据中的历史最大电池寿命差值；

以所述历史最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第一曲线的第一寿命曲线，每段所述第一曲线的拟合函数模型为幂函数模型或指数函数模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述实际电池样本数据，预测获得第二寿命曲线包括：

统计所述实际电池样本数据，以获得所述实际电池样本数据中，每个第一预设周期内的最大电池寿命差值；

以所述历史最大电池寿命差值和每个第一预设周期内的最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第二曲线的第二寿命曲线，每段所述第二曲线的拟合函数模型为所述第一预设函数模型；

对所述第二寿命曲线中每段第二曲线的参数进行随机扰动，以获得随机分布的预测点，并对随机分布的预测点进行边界验证，对验证不通过的第二曲线进行修正。

4.根据权利要求1所述的方法，其特征在于，所述根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线包括：

统计所述实际电池样本数据，获得平均寿命曲线，所述平均寿命曲线包括动力电池的平均电池寿命与使用时间的对应关系；

根据所述实际电池样本数据与所述平均寿命曲线，获得波动寿命曲线，所述波动寿命曲线包括实际电池样本数据与所述平均寿命曲线的最大差值与使用时间的对应关系；

根据所述波动寿命曲线，确定所述动力电池寿命的周期性变化的第二预设周期；

根据所述实际电池样本数据和第二预设周期，利用第二预设函数模型，拟合偏差寿命曲线。

5.一种动力电池寿命预测系统，其特征在于，包括：

数据获取模块，用于获取实际电池样本数据，所述实际电池样本数据包括动力电池从开始使用到使用第一预设时间的动力电池寿命与使用时间的对应关系；

第一拟合模块，用于根据所述实际电池样本数据，利用第一预设函数模型，拟合第一寿命曲线，所述第一预设函数模型为幂函数模型和指数函数模型；

第二拟合模块，用于根据所述实际电池样本数据，预测获得第二寿命曲线，所述第二寿命曲线包括所述动力电池从使用第一预设时间到使用第二预设时间的动力电池寿命与使用时间的对应关系，所述动力电池完整寿命周期长度等于所述第二预设时间；

第一整合模块，用于根据所述第一寿命曲线和第二寿命曲线，获得包括所述动力电池完整寿命周期内动力电池寿命与使用时间的对应关系的第三寿命曲线；

第三拟合模块，用于根据所述实际电池样本数据，利用第二预设函数模型，拟合偏差寿命曲线，所述偏差寿命曲线包括所述动力电池完整寿命周期中，所述动力电池寿命的周期性变化趋势与使用周期的对应关系；所述第二预设函数模型为多项式函数模型或傅里叶变换模型；

第二整合模块，用于将所述偏差寿命曲线与所述第三寿命曲线进行整合，以获得动力电池的预测寿命曲线，所述预测寿命曲线包括所述动力电池完整寿命周期中，动力电池的寿命与使用时间的对应关系，以根据所述预测寿命曲线对所述动力电池的寿命进行预测。

6.根据权利要求5所述的系统，其特征在于，所述第一拟合模块包括：

第一统计单元，用于统计所述实际电池样本数据，以获得所述实际电池样本数据中的历史最大电池寿命差值；

第一拟合单元，用于以所述历史最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第一曲线的第一寿命曲线，每段所述第一曲线的拟合函数模型为幂函数模型或指数函数模型。

7.根据权利要求6所述的系统，其特征在于，所述第二拟合模块包括：

第二统计单元，用于统计所述实际电池样本数据，以获得所述实际电池样本数据中，每个第一预设周期内的最大电池寿命差值；

第二拟合单元，以所述历史最大电池寿命差值和每个第一预设周期内的最大电池寿命差值为约束，根据所述实际电池样本数据，拟合包括多段第二曲线的第二寿命曲线，每段所述第二曲线的拟合函数模型为所述第一预设函数模型；

修正单元，用于对所述第二寿命曲线中每段第二曲线的参数进行随机扰动，以获得随机分布的预测点，并对随机分布的预测点进行边界验证，对验证不通过的第二曲线进行修正。

8.根据权利要求5所述的系统，其特征在于，所述第三拟合模块包括：

第三统计单元，用于统计所述实际电池样本数据，获得平均寿命曲线，所述平均寿命曲线包括动力电池的平均电池寿命与使用时间的对应关系；

第三拟合单元，用于根据所述实际电池样本数据与所述平均寿命曲线，获得波动寿命曲线，所述波动寿命曲线包括实际电池样本数据与所述平均寿命曲线的最大差值与使用时间的对应关系；

周期统计单元，用于根据所述波动寿命曲线，确定所述动力电池寿命的周期性变化的第二预设周期；

第四拟合单元，用于根据所述实际电池样本数据和第二预设周期，利用第二预设函数模型，拟合偏差寿命曲线。

Images