[发明专利]一种电池寿命在线预测方法及系统

权利要求书

1.一种电池寿命在线预测方法，其特征是，包括：

获取电池充电状态下不同时刻的多组状态参数，确定每组状态参数对应的等效静态电压；

判断每个等效静态电压是否在预设的特征区间内，如是，则根据处于特征区间内的等效静态电压对应的状态参数确定特征容量，得到多组特征容量；

根据多组特征容量确定所述电池的真实容量；

根据所述真实容量预测所述电池的寿命。

2.如权利要求1所述的方法，其特征是，所述状态参数包括电池的温度、电池剩余电量百分比、电池健康度、电池充电状态下的电流和电压。

3.如权利要求2所述的方法，其特征是，确定每组状态参数对应的等效静态电压，具体为：

根据第一公式确定每组状态参数对应的等效静态电压，所述第一公式为：

V_oc＝V+I×R_s

式中，V为每组状态参数中的电池充电状态下的电压，I为每组状态参数中的电池充电状态下的电流，R_s为每组状态参数中的电池的等效电阻，所述电池的等效电阻是根据所述电池的温度、所述电池剩余电量百分比和所述电池健康度确定的。

4.如权利要求1所述的方法，其特征是，根据处于特征区间内的等效静态电压对应的状态参数确定特征容量，具体为：

根据第二公式确定特征容量，所述第二公式为：

式中，ΔQ为特征容量，I_i为第i组状态参数中的电池充电状态下的电流，Δt_i为第i组状态参数采集时刻相对于第i-1组状态参数采集时刻的时间差值。

5.如权利要求1-4任一项所述的方法，其特征是，根据多组特征容量确定所述电池的真实容量，具体为：

将多组特征容量输入至长短时记忆神经网络中，得到预测容量；

根据预测容量确定电池的真实容量。

6.如权利要求5所述的方法，其特征是，根据预测容量确定电池的真实容量，具体为：

根据第三公式确定电池的真实容量，所述第三公式为：

Real_Q＝Mean_Q*B₁+B₂*Mean_Q²+lnt

式中，Real_Q为电池的真实容量，Mean_Q为所述预测容量，B₁、B₂和Int为完整电池容量衰减模型中的衰减参数。

7.如权利要求5所述的方法，其特征是，将多组特征容量输入至长短时记忆神经网络中，得到预测容量，具体为：

对多组特征容量进行预处理；

将预处理后的特征容量输入至长短时记忆神经网络中，得到中间预测容量；

判断所述中间预测容量的误差是否小于阈值，如是，将所述中间预测容量记为最终的预测容量；如否，则利用Box-Cox变换对所述长短时记忆神经网络中的参数进行误差修正，然后利用修正后的长短时记忆神经网络进行预测，直至中间预测容量的误差小于阈值。

8.如权利要求7所述的方法，其特征是，对多组特征容量进行预处理，具体为：

对多组特征容量进行缺省值填充；

对填充后的多组特征容量进行数据切片；

对切片后的多组特征容量进行向量空间重构。

9.如权利要求7所述的方法，其特征是，所述Box-Cox变换如第四公式，所述第四公式为：

式中，y为原始连续因变量，λ为变换参数。

10.一种电池寿命在线预测系统，其特征是，包括：

电压确定模块，所述电压确定模块用于获取电池充电状态下不同时刻的多组状态参数，确定每组状态参数对应的等效静态电压；

判断模块，所述判断模块用于判断每个等效静态电压是否在预设的特征区间内，如是，则根据处于特征区间内的等效静态电压对应的状态参数确定特征容量，得到多组特征容量；

容量确定模块，所述容量确定模块用于根据多组特征容量确定所述电池的真实容量；

寿命预测模块，所述寿命预测模块用于根据所述真实容量预测所述电池的寿命。