CN116794540A - 一种电池性能预判方法、装置及存储介质 - Google Patents

Abstract

本申请提供一种电池性能预判方法、装置及存储介质，电池性能预判方法包括：基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型；将目标电池的历史工作数据输入参数修正模型，判断目标电池所处的生命阶段，目标电池属于预设电池种类；根据生命阶段，确定目标电池的工作数据阈值区间；将目标电池的本次工作数据与工作数据阈值区间比对，以输出比对结果；根据比对结果，当本次工作数据存在超出工作数据阈值区间的异常数据时，生成故障预警信息。通过对同种类的基准电池工作数据的建模训练，预判目标电池所在生命周期中的生命阶段，能够及时识别目标电池的性能趋势以及时调整目标电池的工作参数，有效延长目标电池的使用寿命。

Description

一种电池性能预判方法、装置及存储介质

技术领域

本申请涉及电池管理技术领域，具体涉及一种电池性能预判方法、装置及存储介质。

背景技术

随着绿色可再生能源的提倡使用，电能作为动力能源在各个技术领域得到可广泛的使用。蓄电池作为可再生能源使用过程中的一个重要载体，其使用质量及寿命日益得到关注。在设计参数相同的情况下，蓄电池的质量和使用寿命受电池使用情况和电池充电技术的影响。由于电池属于易消耗品，其动态健康参数更能反映电器的健康状态。

申请人在研究中发现，电池是一个电化学生命体，生命有初始期、强壮期、中期和下降期，现在电池厂家设定的充放电参数往往只依据的是初始期的测试参数，所以到了电池寿命的中下期，电池的虚电现象严重。鉴于电池中电芯的电化学特性，充电饱和度、放电电流及时长、温度、带电负荷嵌入/析出率都将严重的影响到电池健康寿命，而所有充放电参数设置都是根据电芯材质和电芯实验室充放电测试数据来设定，缺少动态的全生命周期实际应用数据来参考，实际应用中的循环使用寿命远远达不到标称的循环使用寿命。目前充电电池健康状态诊断分析结果可靠度不高，难以满足对各类用能系统电池综合健康状态的诊断需求。如何有效的预判电池的问题、预判电池的寿命，如何通过管理延长电池的寿命就成为本领域研究人员亟需研究的问题。

发明内容

本申请提供一种电池性能预判方法、装置及存储介质，用于缓解电池健康状态诊断分析可靠度的问题。

在一方面，本申请提供一种电池性能预判方法，具体地，所述电池性能预判方法包括：

基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型；

将目标电池的历史工作数据输入所述参数修正模型，判断所述目标电池所处的生命阶段，所述目标电池属于所述预设电池种类；

根据所述生命阶段，确定所述目标电池的工作数据阈值区间；

将所述目标电池的本次工作数据与所述工作数据阈值区间比对，以输出比对结果；

根据所述比对结果，当所述本次工作数据存在超出所述工作数据阈值区间的异常数据时，生成故障预警信息。

可选地，所述基准电池的工作状态包括充电状态和放电状态，所述基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型的步骤之前包括：

当所述基准电池进入充电状态时，按照时间顺序记录所述基准电池的本次充电数据和所述基准电池所处的生命阶段作为历史充电数据；

和/或，当所述基准电池进入放电状态时，按照时间顺序记录所述基准电池的本次放电数据和所述基准电池所处的生命阶段作为历史放电数据。

可选地，所述参数修正模型包括神经网络预测模型和生命周期判断模型，所述基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型的步骤包括：

收集所述多个基准电池的第一历史工作数据，对所述第一历史工作数据进行预处理，划分为第一历史工作数据的第一训练集和第一测试集；

搭建所述神经网络预测模型，所述神经网络预测模型的输入量为每个基准电池的第一历史工作数据，输出量为每个基准电池的预测工作趋势；

搭建所述生命周期判断模型，所述生命周期判断模型的输入量为所述每个基准电池的预测工作趋势，输出量为每个基准电池的生命阶段；

采用所述第一训练集训练所述参数修正模型，采用所述第一测试集验证训练完成的所述参数修正模型。

可选地，所述参数修正模型包括阈值统计模型，所述基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型的步骤包括：

收集所述预设电池种类多个生命阶段的第二历史工作数据，对所述第二历史工作数据进行预处理，划分为第二历史工作数据的第二训练集和第二测试集；

搭建所述阈值统计模型，所述阈值统计模型的输入量为每个生命阶段的第二历史工作数据，输出量为每个生命阶段的阈值区间；

采用所述第二训练集训练所述阈值统计模型，采用所述第二测试集验证训练完成的所述阈值统计模型。

可选地，所述目标电池的历史工作数据包括历史充电数据和/或历史放电数据；所述将目标电池的历史工作数据输入所述参数修正模型，判断所述目标电池所处的生命阶段的步骤包括：

响应于读取所述目标电池的历史充电数据，将所述历史充电数据输入所述参数修正模型，以获取所述目标电池的预测充电数据；

根据所述预测充电数据所表现的第一数据特征，确定所述目标电池所处的生命阶段；

和/或，

响应于读取所述目标电池的历史放电数据，将所述历史放电数据输入所述参数修正模型，以获取所述目标电池的预测放电数据；

根据所述预测放电数据所表现的第二数据特征，确定所述目标电池所处的生命阶段。

可选地，所述将目标电池的历史工作数据输入所述参数修正模型，判断所述目标电池所处的生命阶段的步骤之后包括：

根据所述目标电池所处的生命阶段，对所述目标电池的工作参数做第一调整。

可选地，所述根据所述生命阶段，确定所述目标电池的工作数据阈值区间的步骤包括：

以所述预设电池种类在所述生命阶段对应的工作数据阈值区间为所述目标电池的工作数据阈值区间。

可选地，所述将所述目标电池的本次工作数据与所述工作数据阈值区间比对，以输出比对结果的步骤包括：

将所述工作数据阈值区间按照时间顺序绘制安全带宽图；

将所述本次工作数据按照所述时间顺序覆盖绘设于所述安全带宽图上，以获取数据漂移图。

可选地，所述根据所述比对结果，当所述本次工作数据存在突变数据时，生成故障预警信息的步骤包括：

根据所述数据漂移图，当本次工作数据存在漂移出所述安全带宽的数据时，判定所述本次工作数据存在突变数据。

可选地，所述将所述目标电池的本次工作数据与所述工作数据阈值区间比对，以输出比对结果的步骤包括：

获取预设工作时间对应所述工作数据阈值区间的上限数值和下限数值；

将所述预设工作时间对应的所述本次工作数据分别与所述上限数值和所述下限数值做差，分别获取对应的上限比较结果和下限比较结果。

可选地，所述根据所述比对结果，当所述本次工作数据存在突变数据时，生成故障预警信息的步骤包括：

当所述上限比较结果存在正数结果时，或，当所述下限比较结果存在负数结果时，判定所述本次工作数据存在突变数据。

可选地，所述生成故障预警信息之后的步骤包括：

对所述目标电池进行锁仓操作；和/或，发送所述故障预警信息至用户终端；和/或，对所述目标电池的工作参数做第二调整。

另一方面，本申请还提供一种电池性能预判装置，具体地，电池性能预判装置包括处理器和存储器，所述存储器用于存储并发送计算机程序至所述处理器，所述处理器用于执行所述计算机程序，实现如上述的电池性能预判方法。

另一方面，本申请还提供一种存储介质，具体地，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的电池性能预判方法的步骤。

如上所述，本申请提供的电池性能预判方法、装置及存储介质，通过对同种类的基准电池工作数据的建模训练，预判目标电池所在生命周期中的生命阶段，能够及时识别目标电池的性能趋势以及时调整目标电池的工作参数，有效延长目标电池的使用寿命，避免工作事故造成的工作效率受损。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例的电池性能预判方法流程图。

图2为本申请一实施例的电池性能预判装置方框图。

图3为本申请一实施例的数据漂移图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

第一实施例

在一方面，本申请提供一种电池性能预判方法，图1为本申请一实施例的电池性能预判方法流程图。

请参考图1，在一实施例中，电池性能预判方法包括：

S10：基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型。

充电电池在生命周期当中的各个阶段，需要不同的工作参数以适合该生命阶段的充放电工作。通过同一电池种类电池的历史工作数据对参数修正模型进行训练，可以获得可靠的参数修正工具。可选地，历史工作数据训练参数包括电池出厂充放电测试数据、电池出厂基本数据和充放电阈值。

S20：将目标电池的历史工作数据输入参数修正模型，判断目标电池所处的生命阶段，目标电池属于预设电池种类。

参数修正模型在训练完成以后，可以用来对该种类下的目标电池的工作情况进行识别，以便及时设定不同生命阶段时的不同工作参数。

S30：根据生命阶段，确定目标电池的工作数据阈值区间。

在不同的生命阶段，同一种类的电池理论上存在一个适当的工作数据带宽区间。

S40：将目标电池的本次工作数据与工作数据阈值区间比对，以输出比对结果。

比对的方式可以有多种选择，本申请对此不作限制。示例性地，可以采用数值对比或图形叠加比对等。

S50：根据比对结果，当本次工作数据存在超出工作数据阈值区间的异常数据时，生成故障预警信息。

示例性地，能源管理平台根据实验室数据设置电池组安全参数阈值，并建立阈值修正判断数学模型。重叠多个基准电池每次即时体检时获取的历史工作数据，可以获得一个形成充放电工作中上下阈值范围带宽的曲线。当目标电池的工作数据超出上下阈值带宽时，意味着目标电池当前的工作状态存在失控的情况，随时可能发生故障。通过及时识别并生成故障预警信息，能够及时发现目标电池的衰败趋势，以便及时对目标电池进行相关维护工作。

可选地，基准电池的工作状态包括充电状态和放电状态。

基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型的步骤之前可以包括：

当基准电池进入充电状态时，按照时间顺序记录基准电池的本次充电数据和基准电池所处的生命阶段作为历史充电数据；和/或，当基准电池进入放电状态时，按照时间顺序记录基准电池的本次放电数据和基准电池所处的生命阶段作为历史放电数据。

可以理解地，放电状态和充电状态存在不同的工作参数，也相应地表现出不同的工作数据。

可选地，参数修正模型包括神经网络预测模型和生命周期判断模型。基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型的步骤可以包括：

收集多个基准电池的第一历史工作数据，对第一历史工作数据进行预处理，划分为第一历史工作数据的第一训练集和第一测试集；

搭建神经网络预测模型，神经网络预测模型的输入量为每个基准电池的第一历史工作数据，输出量为每个基准电池的预测工作趋势；

搭建生命周期判断模型，生命周期判断模型的输入量为每个基准电池的预测工作趋势，输出量为每个基准电池的生命阶段；

采用第一训练集训练参数修正模型，采用第一测试集验证训练完成的参数修正模型。

通过神经网络预测模型的训练，可以预测同一种类电池在接下来的工作数据的变化趋势。进一步地，通过生命周期判断模型可以对同一种类电池在预测趋势下所处生命周期进行及时判断。可选地，如果预测到目标电池的工作数据可能发生恶化趋势，那么可以及时调整目标电池的工作参数或及时维护保养。

可选地，参数修正模型包括阈值统计模型。基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型的步骤可以包括：

收集预设电池种类多个生命阶段的第二历史工作数据，对第二历史工作数据进行预处理，划分为第二历史工作数据的第二训练集和第二测试集；

搭建阈值统计模型，阈值统计模型的输入量为每个生命阶段的第二历史工作数据，输出量为每个生命阶段的阈值区间；

采用第二训练集训练阈值统计模型，采用第二测试集验证训练完成的阈值统计模型。

通过阈值统计模型，可以在大量的同一种类电池的工作数据中寻找正常情况下的极限数据表征边界。

可选地，目标电池的历史工作数据包括历史充电数据和/或历史放电数据。

可选地，将目标电池的历史工作数据输入参数修正模型，判断目标电池所处的生命阶段的步骤包括：

响应于读取目标电池的历史充电数据，将历史充电数据输入参数修正模型，以获取目标电池的预测充电数据；

根据预测充电数据所表现的第一数据特征，确定目标电池所处的生命阶段。

可选地，响应于读取目标电池的历史放电数据，将历史放电数据输入参数修正模型，以获取目标电池的预测放电数据；

根据预测放电数据所表现的第二数据特征，确定目标电池所处的生命阶段。

示例性地，充电电池的生命周期可以粗略分为上升期、强壮期和衰弱期。在上升期，由于充电电池的啤酒效应，以54.5V的充电电压对充电电池充满，静置一段时间后，充电电池的实际电压会回落到48V左右。而在强壮期，锂离子充分激活，可以以52V充电电压对充电电池充电即可。到了衰弱期，电池锂电子丢失了很多，电池活性降低，可能需要65V的充电电压充满后，充电电池的实际电压能达到48V。由此可见，在不同的生命阶段，充电电池需要不同的工作参数，其所表征出来的工作数据也存在不同的阈值区间表现。

可选地，通过目标电池的放电数据可以获取电池的容量变化情况。使用容量来区分目标电池所处的生命阶段时，可以根据全生命周期的容量曲线特征来判断，进而设定工作参数。示例性地，在全生命周期曲线中，大概前五分之一的容量曲线是抬头的，然后上升曲线的拐点特征出现时，进入强壮期。在容量曲线出现突降特征时，进入衰弱期。示例性地，预测目标电池的容量渐变为初始容量的80％以下时，可以定义为电池失效。示例性地，预测目标电池容量的80-85％或80-90％期间，可以判定目标电池进入衰弱期。

可选地，可以使用充电电压数据来区分目标电池的生命阶段。可以理解地，在目标电池的上升期，充电电压可以为54.5v。由于电池有啤酒效应，冲饱以后，静置一段时间后，实际电压会回落到48v。充放电百次以后，锂电子奔跑速度快，充放电效率最高，可以判定为目标电池的强壮期，此时充电参数可以弱化一点。示例性地，在强壮期充电电压可以放低到52v冲满，静置后实际电压能达到48v。在目标电池的衰落期，锂电子丢失了很多，电池活性降低。示例性地，在衰落期的目标电池以65V充电电压冲满，静置后实际电压能达到48v。

在目标电池的不同生命阶段，以同样的充电电压充满后的虚电数据表征出不同的数据特征。

示例性地，预测数据显示充电机端以54.5V的充电电压对目标电池冲饱以后，电池端测量到的电压会超出54.5V，甚至56V、57V，说明此时目标电池的充电状态还不稳定，电池性能预判装置可以判定目标电池处于上升期。

如果预测数据显示充电机端以54.5V充电电压对目标电池冲饱以后，电池虚电大概54.5V，电池性能预判装置可以判定目标电池处于强壮期。

如果预测数据显示充电机端以54.5V充电电压对目标电池冲饱以后，电池虚电是51V或52V，则电池性能预判装置可以判定目标电池进入衰弱期。

可选地，将目标电池的历史工作数据输入参数修正模型，判断目标电池所处的生命阶段的步骤之后包括：

根据目标电池所处的生命阶段，对目标电池的工作参数做第一调整。

示例性地，在明确了目标电池的生命阶段之后，也可以根据目标电池的工作数据表征情况，对目标电池施以的工作参数，使其达到该生命阶段的最佳工作状态，尽量提高工作效率或延长工作寿命。

可选地，根据生命阶段，确定目标电池的工作数据阈值区间的步骤包括：

以预设电池种类在生命阶段对应的工作数据阈值区间为目标电池的工作数据阈值区间。

示例性地，在目标电池的正常的情况下，根据目标电池所处的生命阶段，它所表征的工作数据应落于同一种类电池所表征数据的阈值区间带宽内。

可选地，将目标电池的本次工作数据与工作数据阈值区间比对，以输出比对结果的步骤包括：

将工作数据阈值区间按照时间顺序绘制安全带宽图；将本次工作数据按照时间顺序覆盖绘设于安全带宽图上，以获取数据漂移图。

示例性地，以绘图的方式查看目标电池的工作数据表现情况，可以达到直观感知的效果。

可选地，根据比对结果，当本次工作数据存在突变数据时，生成故障预警信息的步骤包括：

根据数据漂移图，当本次工作数据存在漂移出安全带宽的数据时，判定本次工作数据存在突变数据。

在直观的数据漂移图上，很容易观察到叠加的本次工作数据是否落于阈值区间的安全带宽。如果存在工作数据漂移出安全带宽限定的高速公路时，意味着目标电池的工作存在失控的危险。

可选地，将目标电池的本次工作数据与工作数据阈值区间比对，以输出比对结果的步骤包括：

获取预设工作时间对应工作数据阈值区间的上限数值和下限数值；将预设工作时间对应的本次工作数据分别与上限数值和下限数值做差，分别获取对应的上限比较结果和下限比较结果。

示例性地，以数据计算的方式获取目标电池的工作数据表现情况，可以达到精确感知的效果。

可选地，根据比对结果，当本次工作数据存在突变数据时，生成故障预警信息的步骤包括：

当上限比较结果存在正数结果时，或，当下限比较结果存在负数结果时，判定本次工作数据存在突变数据。

示例性地，在精确计算后的上下限比较结果中，不仅能够准确获知本次工作数据的偏移情况，还能够精确地获知本次工作数据在多大程度上偏离了阈值区间的边界。

可选地，生成故障预警信息之后的步骤包括：

对目标电池进行锁仓操作；和/或，发送故障预警信息至用户终端；和/或，对目标电池的工作参数做第二调整。

示例性地，在判断目标电池存在故障的可能时，可以根据数据情况反映的故障严重程度，根据不同的严重程度选择不同的应对方案。

第二实施例

另一方面，本申请还提供一种电池性能预判装置。图2为本申请一实施例的电池性能预判装置方框图。

如图2所示，在一实施例中，电池性能预判装置包括处理器1和存储器2，存储器2用于存储并发送计算机程序至处理器1，处理器1用于执行计算机程序，实现如上述的电池性能预判方法。

第三实施例

可选地，在一种电池性能预判装置中，电流电压等单项参数可以根据额定值区间由BMS(电池管理系统)进行判断并执行相应的控制策略。示例性地，在环境温度超过45度时可以直接关闭电池或进行限流。

不同种类的电池具有不同的工作参数。示例性地，基站电池可以是48V工作电压，两轮车的电池可以是60V工作电压。

可选地，电池性能预判装置可以控制能源管理平台根据实验室数据设置电池组安全参数阈值，并建立阈值修正判断数学模型。示例性地，当重叠了每次即时体检的工作数据，电池性能预判装置可以形成一个充放电上下边界值宽带的曲线，可以称为电池数据安全高速公路。同一种类的电池的工作数据，在正常情况下应该落于对应生命阶段的这个安全高速公路之内。示例性地，电池性能预判装置收集的历史工作数据中，可以包括：电池衰减程度信息、电池使用的时长信息、电池所处的外界环境信息、电池的充电习惯信息和电池充电异常信息等。

可选地，电池性能预判装置用于阈值修正判断的数学模型可以是根据原始的实验室数据，实验室通过推理做出电池全生命周期曲线。根据全生命周期曲线和出厂额定参数为参数，可以设定基础模型，以动态的充放电产生的实际工作数据来确定工作参数的正确与否。示例性地，如果目标电池第一次的工作数据就超出基本参数，那么可以认为参数设定有问题。

可以理解地，基于电化学的基本原理，锂离子在放电时从负极到正极。示例性地，如果隔膜不好则可能发生故障。

示例性地，电池性能预判装置可以控制大数据平台存储电池组BMS上报的历史充放电数据，包含但不限于电压、电流、温度、容量、电池串组之间的压差、SOC和充放电MOS开关次数等变量等。利用这些历史工作数据，通过机器学习可以进行数学模型的训练。

可选地，电池性能预判装置可以控制大数据平台根据创建的相关参数数据模型，将电池历史充放电数据生成充放电曲线，再将目标电池的工作数据进行比对分析。示例性地，电池性能预判装置将电池组历史充放电数据和温度变量数据生成相关数据叠加曲线比对分析，按照时间顺序绘制图形后形成数据安全通道曲线。

示例性地，在数据安全通道曲线中，横轴可以是时间，竖轴可以是电压、电流、温度、容量或电池串组之间的压差。可选地，SOC或充放电MOS开关次数(指非正常的关闭次数，比如出现电流大于3C或温度高于60度或电压超过60V等异常关闭条件时进行的非正常关闭)可以作为一个参考变量。

示例性地，对于同样的参数形成的曲线，其趋势方向可以是相同的。可选地，曲线之间的关系可能是同向互动式，也可能是反向式关系。

电池性能预判装置根据同种类电池在使用中新产生的数据，进行不断的叠加，形成一个安全带宽。可以理解地，如果电池的即时曲线开始漂移出安全带宽，则电池可能很快故障。可选地，电池性能预判装置在电池全生命周期数据中寻找充放电过程中的差异化规律，通过数据建模，对突变和漂移数据根据安全曲线通道作出即时比对分析，提前预判安全风险。

可选地，电池性能预判装置可以控制电池管理系统定期或在特定的条件下，可以生成电池安全风险报告和充放电及告警报表，电池管理平台发送电池健康告警，并动态调整充放电参数。

示例性地，充电参数信息可以包括充电电压、充电电流及充电时长等。例如，若设备标识信息为“W”的充电宝对应的充电参数信息有三组，分别为：充电电压5V、充电电量为1A；充电电压6V、充电电量为1.2A；充电电压7V、充电电量为1.4A。示例性地，在调整放电参数后，放电电流可以限制在0.5C甚至0.3C。

示例性地，电池性能预判装置调整充电的参数的策略可以选择动态调整。可以理解地，如果充电参数一成不变，会影响电池的寿命。因此，要在上升期、强壮期和衰弱期分别设置合适的充电参数。可选地，在充电电池的强壮期保持适当的活力。可以理解地，在充电电池的衰弱期活力降低，充电转化率下降。示例性地，在充电电池的衰弱期，耗费1度电只能充电0.85度。

可选地，电池性能预判装置对充电电池的预判机制有两个方向：预判电池的安全及预判电池的寿命。

示例性地，电池性能预判装置可以根据实验室提供的充放电参数特征，来判断目标电池所处的生命阶段。在另一实施例中，电池性能预判装置也可以根据预测的充放电数据特征，来判断目标电池所处的生命阶段。

可选地，电池性能预判装置使用容量来区分目标电池所处的生命阶段时，可以根据全生命周期的曲线设定工作参数。示例性地，在全生命周期曲线中，大概前五分之一的曲线是抬头的，然后拐点出现时，进入强壮期。在容量出现突降时，进入衰弱期。示例性地，目标电池的容量渐变为初始容量的80％以下时，电池性能预判装置可以定义为电池失效。示例性地，目标电池容量的80-85％或80-90％期间，电池性能预判装置可以判定为衰弱期。

可选地，电池性能预判装置可以使用电压来区分目标电池的生命阶段。可以理解地，对于标称48v的目标电池，在目标电池的上升期，充电电压可以为54.5v。由于电池有啤酒效应，冲饱以后，静置一段时间后，实际电压会回落到48v。充放电百次以后，锂电子奔跑速度快，充放电效率最高，可以判定为目标电池的强壮期，此时充电参数可以弱化一点。示例性地，在强壮期充电电压可以放低到52v冲满，静置后实际电压能达到48v。在目标电池的衰落期，锂电子丢失了很多，电池活性降低。示例性地，在衰落期的目标电池以65V充电电压冲满，静置后实际电压能达到48v。

在目标电池的不同生命阶段，以同样的充电电压充满后的虚电数据表征出不同的数据特征。

示例性地，充电机端以54.5V的充电电压对目标电池冲饱以后，电池端测量到的电压会超出54.5V，甚至56V、57V，说明此时目标电池的充电状态还不稳定，电池性能预判装置可以判定目标电池处于上升期。

如果充电机端以54.5V充电电压对目标电池冲饱以后，电池虚电大概54.5V，电池性能预判装置可以判定目标电池处于强壮期。

如果充电机端以54.5V充电电压对目标电池冲饱以后，电池虚电是51V或52V，则电池性能预判装置可以判定目标电池进入衰弱期。

图3为本申请一实施例的数据漂移图。

请参考图3，在一实施例中，电池性能预判装置绘制的包括电压、电路及温度的数据漂移图。其中，横轴为时间顺序，左纵轴为工作电流/工作电压，右纵轴为工作温度。

在图3的数据漂移图中，叠加的目标电池的本次工作电流数据中，可以直观地看到T1、T3和T6三处电流突变数据；叠加的目标电池的本次工作电压数据中，可以直观地看到T5一处电压突变数据；叠加的目标电池的本次工作温度数据中，可以直观地看到T2和T4两处温度突变数据。电池性能预判装置可以根据发现的突变数据的形态和时序位置，定性定量地分析突变的原因，预测目标电池可能的数据变化趋势、故障可能性、故障时间及故障类型等，提前做出应对措施。

数据漂移图作为电池性能预判装置的后台数据模拟比对图，可以在生命周期管理中发现问题，通过管理数学模型来计算内阻和容量变化，最大可能的调整充电参数及放电阈值，实现目标电池安全延寿的效果。

可选地，电池性能预判装置的基础管理可以深入到电池组里的每一串电芯，通过数据数字化对每一串电芯的每一个充放电循环进行画像，进而通过量变和突变来发现问题，依据出厂的基础值，通过数据积累来延伸画像，预判问题和寿命，并通过数模计算不断修正充电参数和放电阈值，来有效延长电池的寿命。

第四实施例

另一方面，本申请还提供一种存储介质，具体地，存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述的电池性能预判方法的步骤。

在本申请提供的电池性能预判装置和计算机可读存储介质的实施例中，可以包含任一上述方法实施例的全部技术特征，说明书拓展和解释内容与上述方法的各实施例基本相同，在此不再做赘述。

示例性地，48V电池组我们在初始期采用54.5V充电，在充电过程中，在电压不变的情况下，电池在额定的时间内可以充满，中后期，在同样条件下，因为充电电流的大小与升温的快慢变化、充电的时长与容量的增长之间的关系都与内阻的大小/电池的健康状态有重要的关系，会造成电池的虚电充满，但实际未充满。

可选地，此时通过调整电压、充电时长来对应电阻增大的问题，通过调整电流、充电时长来对应温度升降的问题。示例性地，48V电池组在后期通过数模调整为57.5V的变压在额定电流下充电，通过高电压激活部分极化的离子重新工作，通过延长小电流补电时长，来保证电池的满电状态。

如上所述，本申请提供的电池性能预判方法、装置及存储介质，通过对同种类的基准电池工作数据的建模训练，预判目标电池所在生命周期中的生命阶段，能够及时识别目标电池的性能趋势以及时调整目标电池的工作参数，有效延长目标电池的使用寿命，避免突发的工作事故造成的工作效率受损。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在本文中，采用了诸如S10、S20等步骤代号，其目的是为了更清楚简要地表述相应内容，不构成顺序上的实质性限制，本领域技术人员在具体实施时，可能会先执行S20后执行S10等，但这些均应在本申请的保护范围之内。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (14)

1.一种电池性能预判方法，其特征在于，包括：

基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型；

将目标电池的历史工作数据输入所述参数修正模型，判断所述目标电池所处的生命阶段，所述目标电池属于所述预设电池种类；

根据所述生命阶段，确定所述目标电池的工作数据阈值区间；

将所述目标电池的本次工作数据与所述工作数据阈值区间比对，以输出比对结果；

根据所述比对结果，当所述本次工作数据存在超出所述工作数据阈值区间的异常数据时，生成故障预警信息。

2.如权利要求1所述的电池性能预判方法，其特征在于，所述基准电池的工作状态包括充电状态和放电状态，所述基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型的步骤之前包括：

当所述基准电池进入充电状态时，按照时间顺序记录所述基准电池的本次充电数据和所述基准电池所处的生命阶段作为历史充电数据；

和/或，当所述基准电池进入放电状态时，按照时间顺序记录所述基准电池的本次放电数据和所述基准电池所处的生命阶段作为历史放电数据。

3.如权利要求1所述的电池性能预判方法，其特征在于，所述参数修正模型包括神经网络预测模型和生命周期判断模型，所述基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型的步骤包括：

收集所述多个基准电池的第一历史工作数据，对所述第一历史工作数据进行预处理，划分为第一历史工作数据的第一训练集和第一测试集；

搭建所述神经网络预测模型，所述神经网络预测模型的输入量为每个基准电池的第一历史工作数据，输出量为每个基准电池的预测工作趋势；

搭建所述生命周期判断模型，所述生命周期判断模型的输入量为所述每个基准电池的预测工作趋势，输出量为每个基准电池的生命阶段；

采用所述第一训练集训练所述参数修正模型，采用所述第一测试集验证训练完成的所述参数修正模型。

4.如权利要求1所述的电池性能预判方法，其特征在于，所述参数修正模型包括阈值统计模型，所述基于预设电池种类的多个基准电池的多个历史工作数据训练参数修正模型的步骤包括：

收集所述预设电池种类多个生命阶段的第二历史工作数据，对所述第二历史工作数据进行预处理，划分为第二历史工作数据的第二训练集和第二测试集；

搭建所述阈值统计模型，所述阈值统计模型的输入量为每个生命阶段的第二历史工作数据，输出量为每个生命阶段的阈值区间；

采用所述第二训练集训练所述阈值统计模型，采用所述第二测试集验证训练完成的所述阈值统计模型。

5.如权利要求1所述的电池性能预判方法，其特征在于，所述目标电池的历史工作数据包括历史充电数据和/或历史放电数据；所述将目标电池的历史工作数据输入所述参数修正模型，判断所述目标电池所处的生命阶段的步骤包括：

响应于读取所述目标电池的历史充电数据，将所述历史充电数据输入所述参数修正模型，以获取所述目标电池的预测充电数据；

根据所述预测充电数据所表现的第一数据特征，确定所述目标电池所处的生命阶段；

和/或，

响应于读取所述目标电池的历史放电数据，将所述历史放电数据输入所述参数修正模型，以获取所述目标电池的预测放电数据；

根据所述预测放电数据所述表现的第二数据特征，确定所述目标电池所处的生命阶段。

6.如权利要求1所述的电池性能预判方法，其特征在于，所述将目标电池的历史工作数据输入所述参数修正模型，判断所述目标电池所处的生命阶段的步骤之后包括：

根据所述目标电池所处的生命阶段，对所述目标电池的工作参数做第一调整。

7.如权利要求1所述的电池性能预判方法，其特征在于，所述根据所述生命阶段，确定所述目标电池的工作数据阈值区间的步骤包括：

以所述预设电池种类在所述生命阶段对应的工作数据阈值区间为所述目标电池的工作数据阈值区间。

8.如权利要求1所述的电池性能预判方法，其特征在于，所述将所述目标电池的本次工作数据与所述工作数据阈值区间比对，以输出比对结果的步骤包括：

将所述工作数据阈值区间按照时间顺序绘制安全带宽图；

将所述本次工作数据按照所述时间顺序覆盖绘设于所述安全带宽图上，以获取数据漂移图。

9.如权利要求8所述的电池性能预判方法，其特征在于，所述根据所述比对结果，当所述本次工作数据存在突变数据时，生成故障预警信息的步骤包括：

根据所述数据漂移图，当本次工作数据存在漂移出所述安全带宽的数据时，判定所述本次工作数据存在突变数据。

10.如权利要求1所述的电池性能预判方法，其特征在于，所述将所述目标电池的本次工作数据与所述工作数据阈值区间比对，以输出比对结果的步骤包括：

获取预设工作时间对应所述工作数据阈值区间的上限数值和下限数值；

将所述预设工作时间对应的所述本次工作数据分别与所述上限数值和所述下限数值做差，分别获取对应的上限比较结果和下限比较结果。

11.如权利要求10所述的电池性能预判方法，其特征在于，所述根据所述比对结果，当所述本次工作数据存在突变数据时，生成故障预警信息的步骤包括：

当所述上限比较结果存在正数结果时，或，当所述下限比较结果存在负数结果时，判定所述本次工作数据存在突变数据。

12.如权利要求1-11任一项所述的电池性能预判方法，其特征在于，所述生成故障预警信息之后的步骤包括：

对所述目标电池进行锁仓操作；和/或，发送所述故障预警信息至用户终端；和/或，对所述目标电池的工作参数做第二调整。

13.一种电池性能预判装置，其特征在于，包括处理器和存储器，所述存储器用于存储并发送计算机程序至所述处理器，所述处理器用于执行所述计算机程序，实现如权利要求1-12任一项所述的电池性能预判方法。

14.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-12任一项所述的电池性能预判方法的步骤。