电池容量预测方法及系统

本发明涉及电池，特别涉及一种电池容量预测方法，同时，本发明还涉及一种采用该电池容量预测方法的系统。

背景技术：

1、作为电动汽车中不可或缺的能量储存系统，锂电池凭借其出色的循环寿命和高能量密度等优点，在众多储能电池中迅速崭露头角。

2、根据相关标准，锂离子电池会在电动汽车上服役至寿命结束阶段，即健康状态(state ofhealth，soh)达到80％的时刻，在此之后，电池就无法再满足电动汽车在续航里程和安全性方面的要求，需要对其进行处理。

3、对退役的锂离子电池进行梯次利用，由于梯次利用电池已使用过使用一定年限，继续使用会存在安全风险变大、容量衰减速度增大、电池故障增多、运行成本增高等问题，为了实现梯次利用电池的安全，需要对梯次利用电池进行性能评估，而电池容量是电池性能评估中最关键的指标，它反映了电池的退化程度，即经过老化后电池储存和传输能量的能力。

4、但是，目前对电池进行容量测试的方法，主要为对电池进行完全的充电以后静置，直到电池的内部化学反应达到平衡，对电池进行恒流放电通过放电电流计算电池容量。由于进行一次容量测试实验需要很长时间，由此，不能满足未来大规模批次退役锂离子电池容量测试的需要。

技术实现思路

1、有鉴于此，本发明旨在提出一种电池容量预测方法，以缩短电池容量预测的时间，并利于实现对大批次电池进行容量预测。

2、为达到上述目的，本发明的技术方案是这样实现的：

3、一种电池容量预测方法，包括：对训练集电池进行老化循环，获取完整的充放电的电压曲线和电流曲线；

4、分析计算得到所述训练集电池的容量真实值，具体包括：计算每一个充放电的所述电流曲线的片段数据对应的当前容量，从而得到容量标签；

5、对所述电压曲线进行平滑处理，得到平滑电压曲线；

6、根据所述平滑电压曲线和所述容量标签，获取能够用于模型训练的训练集数据；

7、将所述训练集数据输入到机器学习模型进行训练；

8、对预测集电池进行部分充放电，获取预测集曲线，并将所述预测集曲线进行平滑处理，输入到训练后的模型中得到预测结果。

9、进一步的，对训练集电池进行老化循环，获取完整的充放电的所述电压曲线和所述电流曲线，包括：

10、将所述训练集电池连接充放电测试仪，并根据预设放电条件将所述训练集电池放电至下限电压；根据第一预设充电条件将放电至下限电压后的所述训练集电池充电至上限电压；根据第二预设充电条件将充电至上限电压的所述训练集电池继续充电至电流降低至预设值为止，并重复上述操作。

11、进一步的，所述预设放电条件包括：以恒定电流将所述训练集电池放电至下限电压。

12、进一步的，所述第一预设充电条件包括：采用恒流充电的方式将放电至下限电压后的所述训练集电池充电至上限电压，所述第二预设充电条件包括：采用恒压充电的方式将充电至上限电压后的所述训练集电池充电至电流降低至预设值为止。

13、进一步的，计算每一个充放电的所述电流曲线的片段数据对应的当前容量，从而得到容量标签，计算公式如下：

14、

15、式中qc(i)为电池容量，i(k+1)为k+1的充电或者放电电流，i(k)的k采样点的充电或者放电电流，t(k+1)为k+1采样点对应的时间，t(k)为k采样点对应的时间。

16、进一步的，对所述电压曲线进行平滑处理，得到平滑电压曲线，包括：

17、使用滤波器对所述电压曲线进行平滑，公式如下：

18、

19、式中，vk，smooth是平滑以后的电压值，vk+i是k+1采样点的电压值。

20、进一步的，对所述平滑电压曲线进行处理，包括：

21、在所述平滑电压曲线上设置启动电压参数，序列长度参数及判定参数；

22、所述启动电压参数用于截取所述平滑电压曲线的片段曲线；

23、所述序列长度参数用于控制时间长度，且所述时间长度为完整的充放电时间时，所述片段曲线为完整的所述平滑电压曲线；

24、所述判定参数用于判定所述平缓电压曲线的整体趋势是否呈现递增或者递减。

25、进一步的，根据所述平滑电压曲线和所述容量标签，获取能够用于模型训练的训练集数据，包括：

26、将所述平滑电压曲线的所述时间长度和所述容量标签组成标记训练集，表现形式如下：

27、其中，n是训练示例的数量。在所建立的模型中代表的是具有完整的充电或放电循环的所述训练集电池的样本数量，输入xj∈r+n是每个所述训练集电池的所述平滑电压曲线的所述时间长度，输出yi∈r+n是相应的所述容量标签。

28、进一步的，将所述训练集数据输入到机器学习模型进行训练，包括：

29、描述y和x之间的随机线性关系，关系如下：

30、y＝β0+β1x1+…+βkxk+ε

31、式中，x1，…xk，是非随机的变量；y是随机的因变量；β0，…βk是回归系数，ε是随机误差项；

32、使用矩阵表示为：

33、

34、最终模型表示为：

35、y＝xβ+ε。

36、相对于现有技术，本发明具有以下优势：

37、本发明所述的电池容量预测方法，通过对训练集电池进行老化循环，获取完整的充放电的电压曲线和电流曲线，使得曲线获取更加方便，同时，计算获取电流曲线的片段数据对应的当前容量，获得容量标签，并对电压曲线进行平滑处理，再者，根据获得的容量标签和平滑电压曲线，能够获取训练集数据，将训练局数据代入学习模型进行训练，其次，获取平滑处理过的预测集曲线，输入到训练后的模型中，获取预测结果，以能够实现缩短电池容量预测的时间，并还利于满足对大批次电池进行容量预测的需求。

38、此外，本发明也提出一种电池容量预测系统，运用了上述的电池容量预测方法。

39、本发明所述的电池容量预测系统，和上述的电池容量预测方法，相较于传统技术具有相同的有益效果，在此不再进行赘述。

技术特征：

1.一种电池容量预测方法，其特征在于：包括：

2.根据权利要求1所述的电池容量预测方法，其特征在于：对训练集电池进行老化循环，获取完整的充放电的所述电压曲线和所述电流曲线，包括：

3.根据权利要求2所述的电池容量预测方法，其特征在于：

4.根据权利要求2所述的电池容量预测方法，其特征在于：

5.根据权利要求1所述的电池容量预测方法，其特征在于：计算每一个充放电的所述电流曲线的片段数据对应的当前容量，从而得到容量标签，计算公式如下：

6.根据权利要求1所述的电池容量预测方法，其特征在于：对所述电压曲线进行平滑处理，得到平滑电压曲线，包括：

7.根据权利要求6所述的电池容量预测方法，其特征在于：对所述平滑电压曲线进行处理，包括：

8.根据权利要求1所述的电池容量预测方法，其特征在于：根据所述平滑电压曲线和所述容量标签，获取能够用于模型训练的训练集数据，包括：

9.根据权利要求1所述的电池容量预测方法，其特征在于：将所述训练集数据输入到机器学习模型进行训练，包括：

10.一种电池容量预测系统，其特征在于：

技术总结本发明提供了一种电池容量预测方法及系统，本发明的电池容量预测方法，包括对训练集电池进行老化循环，获取完整的充放电的电压曲线和电流曲线；分析计算得到所述训练集电池的容量真实值，具体包括：计算每一个充放电的所述电流曲线的片段数据对应的当前容量，从而得到容量标签；对所述电压曲线进行平滑处理，得到平滑电压曲线；根据所述平滑电压曲线和所述容量标签，获取能够用于模型训练的训练集数据；将所述训练集数据输入到机器学习模型进行训练；对预测集电池进行部分充放电，获取预测集曲线，并将所述预测集曲线进行平滑处理，输入到训练后的模型中得到预测结果。本发明的电池容量预测方法能够缩短电池容量预测的时间，并利于满足对大批次电池进行容量预测的需求。技术研发人员：张弛,郝鑫宇,李世冲,卜胤煊,庞永鹏,李凯,许澳,崔奥成受保护的技术使用者：河北科技大学技术研发日：技术公布日：2024/10/17