CN111722115B - 一种动力电池寿命预测方法及系统 - Google Patents
一种动力电池寿命预测方法及系统 Download PDFInfo
- Publication number
- CN111722115B CN111722115B CN201910204690.5A CN201910204690A CN111722115B CN 111722115 B CN111722115 B CN 111722115B CN 201910204690 A CN201910204690 A CN 201910204690A CN 111722115 B CN111722115 B CN 111722115B
- Authority
- CN
- China
- Prior art keywords
- power battery
- curve
- life
- service life
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
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基于时间序列模型和迁移学习实现,具体地,该方法基于迁移学习的方式,利用动力电池寿命试验数据获得第三寿命曲线,然后利用由实际电池样本数据获得的第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线;最后利用所述寿命偏移曲线对第三寿命曲线进行叠加修正,以获得所述动力电池的预测寿命曲线,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寿命与使用实际的对应关系的目的,并且由于所述预测寿命曲线为第一寿命曲线和第三寿命曲线叠加修正获得的,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
技术领域
本申请涉及车辆工程技术领域,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:
根据实际电池样本数据,建立第一寿命曲线,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;
获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线;所述动力电池寿命实验数据包括:动力电池循环次数、动力电池寿命和时间的对应关系;
根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线,所述动力电池完整寿命周期长度等于第二预设时间;
根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系;
将所述第三寿命曲线与所述寿命偏移曲线进行叠加,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,所述根据实际电池样本数据,建立第一寿命曲线包括:
根据实际电池样本数据,统计动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系;
根据所述动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系,建立第一寿命曲线。
可选的,所述根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线包括:
根据所述动力电池寿命实验数据,获得每个预设周期内的动力电池循环次数,拟合动力电池循环次数与预设周期的对应关系;
将所述动力电池循环次数与预设周期的对应关系,转换为所述动力电池循环次数与时间的对应关系;
根据所述动力电池循环次数与时间的对应关系,将所述第二寿命曲线转换为包含所述动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线。
可选的,所述获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线之后,所述根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系之前还包括:
根据所述第三寿命曲线对所述第一寿命曲线进行修正,以使修正后的所述第一寿命曲线在动力电池寿命下降到预设百分比时,与所述第三寿命曲线对应的使用时间的差值小于预设阈值。
可选的,所述根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线包括:
根据所述第一寿命曲线和所述第三寿命曲线,获得使用时间小于第一预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第一偏移曲线;
根据所述第一偏移曲线,获取使用时间从第一预设时间到第二预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第二偏移曲线;
整合所述第一偏移曲线和所述第二偏移曲线,以获得所述寿命偏移曲线。
一种动力电池寿命预测系统,包括:
第一曲线模块,用于根据实际电池样本数据,建立第一寿命曲线,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;
第二曲线模块,用于获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线;所述动力电池寿命实验数据包括:动力电池循环次数、动力电池寿命和时间的对应关系;
第三曲线模块,用于根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线,所述动力电池完整寿命周期长度等于第二预设时间;
偏移曲线模块,用于根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系;
曲线叠加模块,用于将所述第三寿命曲线与所述寿命偏移曲线进行叠加,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,所述第一曲线模块包括:
统计单元,用于根据实际电池样本数据,统计动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系;
第一建立单元,用于根据所述动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系,建立第一寿命曲线。
可选的,所述偏移曲线模块包括:
第一拟合单元,用于根据所述动力电池寿命实验数据,获得每个预设周期内的动力电池循环次数,拟合动力电池循环次数与预设周期的对应关系;
转换单元,用于将所述动力电池循环次数与预设周期的对应关系,转换为所述动力电池循环次数与时间的对应关系;
第二建立单元,用于根据所述动力电池循环次数与时间的对应关系,将所述第二寿命曲线转换为包含所述动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线。
可选的,还包括:
噪声消除模块,用于根据所述第三寿命曲线对所述第一寿命曲线进行修正,以使修正后的所述第一寿命曲线在动力电池寿命下降到预设百分比时,与所述第三寿命曲线对应的使用时间的差值小于预设阈值。
可选的,所述偏移曲线模块包括:
第三建立单元,用于根据所述第一寿命曲线和所述第三寿命曲线,获得使用时间小于第一预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第一偏移曲线;
第二拟合单元,根据所述第一偏移曲线,获取使用时间从第一预设时间到第二预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第二偏移曲线;
整合单元,用于整合所述第一偏移曲线和所述第二偏移曲线,以获得所述寿命偏移曲线。
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基于时间序列模型和迁移学习实现,具体地,该方法基于迁移学习的方式,利用动力电池寿命试验数据获得第三寿命曲线,然后利用由实际电池样本数据获得的第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线;最后利用所述寿命偏移曲线对第三寿命曲线进行叠加修正,以获得所述动力电池的预测寿命曲线,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寿命与使用实际的对应关系的目的,并且由于所述预测寿命曲线为第一寿命曲线和第三寿命曲线叠加修正获得的,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为本申请的一个实施例提供的一种第一寿命曲线的示意图;
图4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5为本申请的一个实施例提供的一种第二寿命曲线的示意图;
图6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;
图7为本申请的一个实施例提供的一种寿命偏移曲线的示意图;
图8为本申请的一个可选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9为本申请的一个实施例提供的一种预测寿命曲线的示意图。
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:
根据实际电池样本数据,建立第一寿命曲线,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;
获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线;所述动力电池寿命实验数据包括:动力电池循环次数、动力电池寿命和时间的对应关系;
根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线,所述动力电池完整寿命周期长度等于第二预设时间;
根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系;
将所述第三寿命曲线与所述寿命偏移曲线进行叠加,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基于时间序列模型和迁移学习实现,具体地,该方法基于迁移学习的方式,利用动力电池寿命试验数据获得第三寿命曲线,然后利用由实际电池样本数据获得的第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线;最后利用所述寿命偏移曲线对第三寿命曲线进行叠加修正,以获得所述动力电池的预测寿命曲线,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寿命与使用实际的对应关系的目的,并且由于所述预测寿命曲线为第一寿命曲线和第三寿命曲线叠加修正获得的,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:根据实际电池样本数据,建立第一寿命曲线,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:获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线;所述动力电池寿命实验数据包括:动力电池循环次数、动力电池寿命和时间的对应关系;
S103:根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线,所述动力电池完整寿命周期长度等于第二预设时间;
S104:根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系;
S105:将所述第三寿命曲线与所述寿命偏移曲线进行叠加,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基于时间序列模型和迁移学习实现,具体地,该方法基于迁移学习的方式,利用动力电池寿命试验数据获得第三寿命曲线,然后利用由实际电池样本数据获得的第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线;最后利用所述寿命偏移曲线对第三寿命曲线进行叠加修正,以获得所述动力电池的预测寿命曲线,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寿命与使用实际的对应关系的目的,并且由于所述预测寿命曲线为第一寿命曲线和第三寿命曲线叠加修正获得的,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。
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,所述根据实际电池样本数据,建立第一寿命曲线包括:
S1011:根据实际电池样本数据,统计动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系;
S1012:根据所述动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系,建立第一寿命曲线。
需要说明的是,实际电池样本数据即为能够较为便捷地采集到的关于动力电池寿命与使用时间的关系的数据,所述第一预设时间可以是18个月、24个月、32个月等。本申请对此并不做限定,具体视实际情况而定。
在本实施例中,通过步骤S1011和步骤S1012,利用动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系,建立第一寿命曲线,使得第一寿命曲线中的动力电池寿命的取值更加合理化。
参考图3,图3为所述第一寿命曲线的示意图。图3中横坐标为使用时间,纵坐标为动力电池寿命。
在上述实施例的基础上,在本申请的另一个实施例中,如图4所示,所述根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线包括:
S1031:根据所述动力电池寿命实验数据,获得每个预设周期内的动力电池循环次数,拟合动力电池循环次数与预设周期的对应关系;
S1032:将所述动力电池循环次数与预设周期的对应关系,转换为所述动力电池循环次数与时间的对应关系;
S1033:根据所述动力电池循环次数与时间的对应关系,将所述第二寿命曲线转换为包含所述动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线。
所述预设周期可以是月,也可以是周,本申请对此并不做限定。
获取的所述第二寿命曲线参考图5。图5中,横坐标为循环次数,纵坐标为动力电池寿命。
在上述实施例的基础上,在本申请的又一个实施例中,如图6所示,所述获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线之后,所述根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系之前还包括:
S1034:根据所述第三寿命曲线对所述第一寿命曲线进行修正,以使修正后的所述第一寿命曲线在动力电池寿命下降到预设百分比时,与所述第三寿命曲线对应的使用时间的差值小于预设阈值。
在本实施例中,增加步骤S1034的目的是,避免实际电池样本数据中由于采集群体的个人驾驶习惯导致的实际电池样本数据与动力电池寿命实验数据相差较大的情况出现。所述预设百分比可以是85%、80%、90%等。所述预设阈值可以是1%、2%、3%等。本申请对此并不做限定。
相应的,仍然参考图6,所述根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系包括:
S1041:根据修正后的所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系。
在本实施例中,获取的所述寿命偏移曲线如图7所示。图7中横坐标为使用时间,纵坐标为动力电池寿命。
在上述实施例的基础上,在本申请的一个可选实施例中,如图8所示,所述根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线包括:
S1042:根据修正后的所述第一寿命曲线和所述第三寿命曲线,获得使用时间小于第一预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第一偏移曲线;
S1043:根据所述第一偏移曲线,获取使用时间从第一预设时间到第二预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第二偏移曲线;
S1044:整合所述第一偏移曲线和所述第二偏移曲线,以获得所述寿命偏移曲线。
需要说明的是,步骤S1044中,整合所述第一偏移曲线和所述第二偏移曲线即将所述第一偏移曲线和第二偏移曲线对应使用时间点上的数据相加即可。
最终获得的预测寿命曲线如图9所示。图9中,横坐标为使用时间,纵坐标为动力电池寿命。
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:
第一曲线模块,用于根据实际电池样本数据,建立第一寿命曲线,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;
第二曲线模块,用于获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线;所述动力电池寿命实验数据包括:动力电池循环次数、动力电池寿命和时间的对应关系;
第三曲线模块,用于根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线,所述动力电池完整寿命周期长度等于第二预设时间;
偏移曲线模块,用于根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系;
曲线叠加模块,用于将所述第三寿命曲线与所述寿命偏移曲线进行叠加,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,所述第一曲线模块包括:
统计单元,用于根据实际电池样本数据,统计动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系;
第一建立单元,用于根据所述动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系,建立第一寿命曲线。
可选的,所述偏移曲线模块包括:
第一拟合单元,用于根据所述动力电池寿命实验数据,获得每个预设周期内的动力电池循环次数,拟合动力电池循环次数与预设周期的对应关系;
转换单元,用于将所述动力电池循环次数与预设周期的对应关系,转换为所述动力电池循环次数与时间的对应关系;
第二建立单元,用于根据所述动力电池循环次数与时间的对应关系,将所述第二寿命曲线转换为包含所述动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线。
可选的,还包括:
噪声消除模块,用于根据所述第三寿命曲线对所述第一寿命曲线进行修正,以使修正后的所述第一寿命曲线在动力电池寿命下降到预设百分比时,与所述第三寿命曲线对应的使用时间的差值小于预设阈值。
可选的,所述偏移曲线模块包括:
第三建立单元,用于根据所述第一寿命曲线和所述第三寿命曲线,获得使用时间小于第一预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第一偏移曲线;
第二拟合单元,根据所述第一偏移曲线,获取使用时间从第一预设时间到第二预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第二偏移曲线;
整合单元,用于整合所述第一偏移曲线和所述第二偏移曲线,以获得所述寿命偏移曲线。
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基于时间序列模型和迁移学习实现,具体地,该方法基于迁移学习的方式,利用动力电池寿命试验数据获得第三寿命曲线,然后利用由实际电池样本数据获得的第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线;最后利用所述寿命偏移曲线对第三寿命曲线进行叠加修正,以获得所述动力电池的预测寿命曲线,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寿命与使用实际的对应关系的目的,并且由于所述预测寿命曲线为第一寿命曲线和第三寿命曲线叠加修正获得的,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:
根据实际电池样本数据,建立第一寿命曲线,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;
获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线;所述动力电池寿命实验数据包括:动力电池循环次数、动力电池寿命和时间的对应关系;
根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线,所述动力电池完整寿命周期长度等于第二预设时间;
根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系;
将所述第三寿命曲线与所述寿命偏移曲线进行叠加,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;
所述根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线包括:
根据所述第一寿命曲线和所述第三寿命曲线,获得使用时间小于第一预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第一偏移曲线;
根据所述第一偏移曲线,获取使用时间从第一预设时间到第二预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第二偏移曲线;
整合所述第一偏移曲线和所述第二偏移曲线,以获得所述寿命偏移曲线。
2.根据权利要求1所述的方法,其特征在于,所述根据实际电池样本数据,建立第一寿命曲线包括:
根据实际电池样本数据,统计动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系;
根据所述动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系,建立第一寿命曲线。
3.根据权利要求1所述的方法,其特征在于,所述根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线包括:
根据所述动力电池寿命实验数据,获得每个预设周期内的动力电池循环次数,拟合动力电池循环次数与预设周期的对应关系;
将所述动力电池循环次数与预设周期的对应关系,转换为所述动力电池循环次数与时间的对应关系;
根据所述动力电池循环次数与时间的对应关系,将所述第二寿命曲线转换为包含所述动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线。
4.根据权利要求1所述的方法,其特征在于,所述获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线之后,所述根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系之前还包括:
根据所述第三寿命曲线对所述第一寿命曲线进行修正,以使修正后的所述第一寿命曲线在动力电池寿命下降到预设百分比时,与所述第三寿命曲线对应的使用时间的差值小于预设阈值。
5.一种动力电池寿命预测系统,其特征在于,包括:
第一曲线模块,用于根据实际电池样本数据,建立第一寿命曲线,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;
第二曲线模块,用于获取动力电池寿命实验数据,并根据所述动力电池寿命实验数据建立包含动力电池循环次数与动力电池寿命的对应关系的第二寿命曲线;所述动力电池寿命实验数据包括:动力电池循环次数、动力电池寿命和时间的对应关系;
第三曲线模块,用于根据所述动力电池寿命实验数据,对所述第二寿命曲线进行迁移学习,以获得包含动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线,所述动力电池完整寿命周期长度等于第二预设时间;
偏移曲线模块,用于根据所述第一寿命曲线与所述第三寿命曲线,获得寿命偏移曲线,所述寿命偏移曲线包含所述动力电池完整寿命周期中,第一寿命曲线与第三寿命曲线的动力电池寿命差值与使用时间的对应关系;
曲线叠加模块,用于将所述第三寿命曲线与所述寿命偏移曲线进行叠加,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;
所述偏移曲线模块包括:
第三建立单元,用于根据所述第一寿命曲线和所述第三寿命曲线,获得使用时间小于第一预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第一偏移曲线;
第二拟合单元,根据所述第一偏移曲线,获取使用时间从第一预设时间到第二预设时间内,在各个使用时间下的第一寿命曲线和第三寿命曲线的动力电池寿命差值与使用时间的对应关系,以获得第二偏移曲线;
整合单元,用于整合所述第一偏移曲线和所述第二偏移曲线,以获得所述寿命偏移曲线。
6.根据权利要求5所述的系统,其特征在于,所述第一曲线模块包括:
统计单元,用于根据实际电池样本数据,统计动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系;
第一建立单元,用于根据所述动力电池从开始使用到使用第一预设时间内的平均电池寿命与使用时间的对应关系,建立第一寿命曲线。
7.根据权利要求5所述的系统,其特征在于,所述偏移曲线模块包括:
第一拟合单元,用于根据所述动力电池寿命实验数据,获得每个预设周期内的动力电池循环次数,拟合动力电池循环次数与预设周期的对应关系;
转换单元,用于将所述动力电池循环次数与预设周期的对应关系,转换为所述动力电池循环次数与时间的对应关系;
第二建立单元,用于根据所述动力电池循环次数与时间的对应关系,将所述第二寿命曲线转换为包含所述动力电池寿命与动力电池完整寿命周期中动力电池寿命与使用时间的对应关系的第三寿命曲线。
8.根据权利要求5所述的系统,其特征在于,还包括:
噪声消除模块,用于根据所述第三寿命曲线对所述第一寿命曲线进行修正,以使修正后的所述第一寿命曲线在动力电池寿命下降到预设百分比时,与所述第三寿命曲线对应的使用时间的差值小于预设阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910204690.5A CN111722115B (zh) | 2019-03-18 | 2019-03-18 | 一种动力电池寿命预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910204690.5A CN111722115B (zh) | 2019-03-18 | 2019-03-18 | 一种动力电池寿命预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111722115A CN111722115A (zh) | 2020-09-29 |
CN111722115B true CN111722115B (zh) | 2022-08-30 |
Family
ID=72562256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910204690.5A Active CN111722115B (zh) | 2019-03-18 | 2019-03-18 | 一种动力电池寿命预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111722115B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083337B (zh) * | 2020-10-22 | 2023-06-16 | 重庆大学 | 一种面向预测性运维的动力电池健康预测方法 |
CN112462268A (zh) * | 2020-12-17 | 2021-03-09 | 无锡睿米信息技术有限公司 | 一种电池电量的测量方法、装置和用电设备 |
CN112798960B (zh) * | 2021-01-14 | 2022-06-24 | 重庆大学 | 一种基于迁移深度学习的电池组剩余寿命预测方法 |
CN113406496B (zh) * | 2021-05-26 | 2023-02-28 | 广州市香港科大霍英东研究院 | 基于模型迁移的电池容量预测方法、系统、装置及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010026930A1 (ja) * | 2008-09-02 | 2010-03-11 | 株式会社豊田中央研究所 | 二次電池の状態推定装置 |
CN103176136A (zh) * | 2011-12-23 | 2013-06-26 | 三星Sdi株式会社 | 用于估计二次电池的寿命的装置及其方法 |
CN103344917A (zh) * | 2013-06-13 | 2013-10-09 | 北京交通大学 | 一种锂电池循环寿命快速测试方法 |
CN106054080A (zh) * | 2016-06-06 | 2016-10-26 | 电子科技大学 | 一种动力电池荷电状态与健康状态的联合估计方法 |
CN106646239A (zh) * | 2015-07-21 | 2017-05-10 | 苏州弗朗汽车技术有限公司 | 一种车载锂电池系统剩余电量动态估算及智能修正方法 |
CN106772101A (zh) * | 2017-02-16 | 2017-05-31 | 欣旺达电子股份有限公司 | 电池soc的修正方法、修正装置及电池soh估算方法 |
CN107004917A (zh) * | 2015-02-26 | 2017-08-01 | 东洋橡胶工业株式会社 | 密闭型二次电池的劣化诊断方法及劣化诊断系统 |
CN108896913A (zh) * | 2018-05-10 | 2018-11-27 | 燕山大学 | 一种锂离子电池健康状态的估算方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102959418B (zh) * | 2010-06-24 | 2016-04-27 | 松下知识产权经营株式会社 | 获取电池的劣化度的方法和系统 |
US20150349385A1 (en) * | 2014-04-01 | 2015-12-03 | Medtronic, Inc. | Method and System for Predicting Useful Life of a Rechargeable Battery |
US10401433B2 (en) * | 2015-01-21 | 2019-09-03 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating battery life |
-
2019
- 2019-03-18 CN CN201910204690.5A patent/CN111722115B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010026930A1 (ja) * | 2008-09-02 | 2010-03-11 | 株式会社豊田中央研究所 | 二次電池の状態推定装置 |
CN103176136A (zh) * | 2011-12-23 | 2013-06-26 | 三星Sdi株式会社 | 用于估计二次电池的寿命的装置及其方法 |
CN103344917A (zh) * | 2013-06-13 | 2013-10-09 | 北京交通大学 | 一种锂电池循环寿命快速测试方法 |
CN107004917A (zh) * | 2015-02-26 | 2017-08-01 | 东洋橡胶工业株式会社 | 密闭型二次电池的劣化诊断方法及劣化诊断系统 |
CN106646239A (zh) * | 2015-07-21 | 2017-05-10 | 苏州弗朗汽车技术有限公司 | 一种车载锂电池系统剩余电量动态估算及智能修正方法 |
CN106054080A (zh) * | 2016-06-06 | 2016-10-26 | 电子科技大学 | 一种动力电池荷电状态与健康状态的联合估计方法 |
CN106772101A (zh) * | 2017-02-16 | 2017-05-31 | 欣旺达电子股份有限公司 | 电池soc的修正方法、修正装置及电池soh估算方法 |
CN108896913A (zh) * | 2018-05-10 | 2018-11-27 | 燕山大学 | 一种锂离子电池健康状态的估算方法 |
Non-Patent Citations (4)
Title |
---|
An equation-based battery cycle life model for various battery chemistries;Alberto Bocca等;《2015 IFIP/IEEE International Conference on Very Large Scale Integration (VLSI-SoC)》;20151007;全文 * |
数据驱动的锂离子电池剩余寿命预测方法研究;王帅;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20190115;全文 * |
电动汽车用锂离子动力电池建模与状态估计研究;刘树林;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20180315;全文 * |
粒子滤波在锂离子电池剩余寿命预测中的应用;苗强等;《重庆大学学报》;20130815(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111722115A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111722115B (zh) | 一种动力电池寿命预测方法及系统 | |
CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
CN111722114B (zh) | 一种动力电池寿命预测方法及系统 | |
CN107315138B (zh) | 功率mosfet的故障预测和健康处理方法及测试系统 | |
CN110221222B (zh) | 电池安全截止电压预测方法、装置及电池管理系统 | |
US10620275B2 (en) | State estimation of an energy system | |
CN110794305A (zh) | 一种动力电池故障诊断方法和系统 | |
Liu et al. | The remaining useful life prediction by using electrochemical model in the particle filter framework for lithium-ion batteries | |
CN108205114B (zh) | 电池寿命的预测方法及系统 | |
GB2532726A (en) | Cell internal impedance diagnostic system | |
CN107942261B (zh) | 电池荷电状态的估计方法及系统 | |
CN110333450B (zh) | 电池开路电压预估方法及系统 | |
Sadabadi et al. | Design and calibration of a semi-empirical model for capturing dominant aging mechanisms of a PbA battery | |
Sadabadi et al. | Model-based state of health estimation of a lead-acid battery using step-response and emulated in-situ vehicle data | |
CN110456283B (zh) | 获取电芯内阻参数的方法及装置 | |
CN114518539A (zh) | 一种动力电池soc异常分析方法 | |
US20220166075A1 (en) | Method for Enhancing a Battery Module Model of a Battery Module Type | |
CN110806540A (zh) | 电芯测试数据处理方法、装置、系统和存储介质 | |
CN112356737B (zh) | 电池充电管理方法及电池管理系统 | |
DE102004004280B4 (de) | Verfahren zur Diagnose von Batterien | |
CN116819364A (zh) | 电池健康度的确定方法、应用方法、电子设备及存储介质 | |
CN116540096A (zh) | 一种电池鼓胀和寿命预测方法、电化学装置及用电设备 | |
CN111274687B (zh) | 元器件失效率预计方法、装置、计算机设备及存储介质 | |
CN116381535A (zh) | 用于在设备外部的中央单元中借助数字孪生高效监控设备电池组的电池组电池的方法和系统 | |
CN112540301B (zh) | 电池检测方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |