一种锂电池电性能测试方法及系统与流程

本申请涉及电池性能测试，尤其涉及一种锂电池电性能测试方法及系统。

背景技术：

1、锂电池作为一种高效能量存储设备，在电动汽车、便携式电子设备和可再生能源系统中扮演着关键角色。随着这些应用领域的快速发展，对锂电池性能的准确评估和预测变得越来越重要。传统的电池性能测试方法主要依赖于静态参数测量和简单的数学模型，难以准确捕捉电池在复杂工作环境下的动态行为和性能退化过程。

2、近年来，随着传感技术和数据分析方法的进步，多模态数据采集和深度学习技术在电池性能评估领域展现出巨大潜力。然而，如何有效处理和融合来自不同传感器的异构数据，以及如何构建能够准确描述电池复杂动态特性的模型，仍然是该领域面临的重大挑战。此外，现有的电池性能预测模型往往缺乏对预测结果不确定性的量化，这限制了其在实际应用中的可靠性和决策支持能力。

技术实现思路

1、本申请提供了一种锂电池电性能测试方法及系统，用于提高锂电池电性能测试的准确率。

2、第一方面，本申请提供了一种锂电池电性能测试方法，所述锂电池电性能测试方法包括：

3、对目标锂电池进行多模态传感数据采集和预处理，得到目标多维时序数据集；

4、对所述目标多维时序数据集进行时空特征分解和降维处理，得到多尺度特征张量；

5、将所述多尺度特征张量输入预置的动态卷积网络进行多层卷积和池化操作，得到时变拓扑特征图；

6、将所述时变拓扑特征图输入多个异构模型进行对抗训练和集成，得到自适应性能预测模型；

7、通过所述自适应性能预测模型对实时拓扑特征图进行电池性能概率分布估计，得到电池性能概率分布评分；

8、对所述电池性能概率分布评分和所述实时拓扑特征图进行模糊综合计算，得到电池健康指数，并生成所述电池健康指数的置信区间和对应的电池管理优化建议。

9、第二方面，本申请提供了一种锂电池电性能测试系统，所述锂电池电性能测试系统包括：

10、采集模块，用于对目标锂电池进行多模态传感数据采集和预处理，得到目标多维时序数据集；

11、处理模块，用于对所述目标多维时序数据集进行时空特征分解和降维处理，得到多尺度特征张量；

12、操作模块，用于将所述多尺度特征张量输入预置的动态卷积网络进行多层卷积和池化操作，得到时变拓扑特征图；

13、集成模块，用于将所述时变拓扑特征图输入多个异构模型进行对抗训练和集成，得到自适应性能预测模型；

14、估计模块，用于通过所述自适应性能预测模型对实时拓扑特征图进行电池性能概率分布估计，得到电池性能概率分布评分；

15、生成模块，用于对所述电池性能概率分布评分和所述实时拓扑特征图进行模糊综合计算，得到电池健康指数，并生成所述电池健康指数的置信区间和对应的电池管理优化建议。

16、本申请第三方面提供了一种锂电池电性能测试设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述锂电池电性能测试设备执行上述的锂电池电性能测试方法。

17、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的锂电池电性能测试方法。

18、本申请提供的技术方案中，通过采集电压、电流、温度和阻抗等多种传感数据，实现了对锂电池状态的全面感知，采用时空特征分解和降维处理，得到多尺度特征张量，有效捕捉了电池性能随时间和空间变化的特征，使用动态卷积网络构建时变拓扑特征图，能够适应电池内部状态的动态变化，结合长短时记忆网络、图卷积网络和时间卷积网络等多个异构模型，通过对抗训练和集成学习，提高了模型的泛化能力和鲁棒性。采用概率分布估计方法，不仅给出点估计结果，还提供了电池性能的不确定性评估，通过模糊综合计算得到电池健康指数，考虑了多个性能指标的综合影响，提高了健康状态评估的准确性。利用自适应性能预测模型，能够根据实时数据动态调整预测策略，提高了模型对电池状态变化的适应能力。基于电池健康指数和状态分类结果，生成针对性的电池管理优化建议，有助于延长电池寿命和提高使用效率，从而提高了锂电池电性能测试的准确率。

技术特征：

1.一种锂电池电性能测试方法，其特征在于，所述方法包括：

2.根据权利要求1所述的锂电池电性能测试方法，其特征在于，所述对目标锂电池进行多模态传感数据采集和预处理，得到目标多维时序数据集，包括：

3.根据权利要求2所述的锂电池电性能测试方法，其特征在于，所述对所述目标多维时序数据集进行时空特征分解和降维处理，得到多尺度特征张量，包括：

4.根据权利要求3所述的锂电池电性能测试方法，其特征在于，所述将所述多尺度特征张量输入预置的动态卷积网络进行多层卷积和池化操作，得到时变拓扑特征图，包括：

5.根据权利要求4所述的锂电池电性能测试方法，其特征在于，所述将所述时变拓扑特征图输入多个异构模型进行对抗训练和集成，得到自适应性能预测模型，包括：

6.根据权利要求5所述的锂电池电性能测试方法，其特征在于，所述通过所述自适应性能预测模型对实时拓扑特征图进行电池性能概率分布估计，得到电池性能概率分布评分，包括：

7.根据权利要求6所述的锂电池电性能测试方法，其特征在于，所述对所述电池性能概率分布评分和所述实时拓扑特征图进行模糊综合计算，得到电池健康指数，并生成所述电池健康指数的置信区间和对应的电池管理优化建议，包括：

8.一种锂电池电性能测试系统，其特征在于，用于执行如权利要求1-7中任一项所述的锂电池电性能测试方法，所述系统包括：

9.一种锂电池电性能测试设备，其特征在于，所述锂电池电性能测试设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的锂电池电性能测试方法。

技术总结本申请涉及电池性能测试技术领域，公开了一种锂电池电性能测试方法及系统。所述方法包括：对目标锂电池进行多模态传感数据采集和预处理，得到目标多维时序数据集；进行时空特征分解和降维处理，得到多尺度特征张量；将多尺度特征张量输入动态卷积网络进行多层卷积和池化操作，得到时变拓扑特征图；将时变拓扑特征图输入多个异构模型进行对抗训练和集成，得到自适应性能预测模型；通过自适应性能预测模型对实时拓扑特征图进行电池性能概率分布估计，得到电池性能概率分布评分；进行模糊综合计算，得到电池健康指数，并生成电池健康指数的置信区间和对应的电池管理优化建议，本申请提高了锂电池电性能测试的准确率。技术研发人员：汤志岳,吴燕娥受保护的技术使用者：深圳金仕盾照明科技有限公司技术研发日：技术公布日：2024/8/27