[发明专利]一种基于容量衰减的动力电池退役预测方法

说明书

本发明提供了一种基于容量衰减的动力电池退役预测方法，构建了基于LSTM网络的容量衰减算法预测模型以及基于对已退役电池统计的退役统计预测模型，分别作为该方法的两个基础模型，用于根据数据样本的实际情况决策具体使用哪个基础模型。在样本数量较少、数据质量较差的情况下，通过退役统计预测模型得到相对粗略的预测结果。而在样本数量充足、质量较高时，通过容量衰减算法预测模型则能够针对不同材料、场景用途的电池，实现更为精确的退役时间预测。该方法能够对现存新能源车辆实现更广泛的覆盖，有利于对已退役电池和未来将退役电池的有效大数据分析，从而具有了现有技术所不具备的诸多有益效果。

技术领域

本发明属于新能源汽车动力电池容量残值评估技术领域，具体涉及一种基于容量衰减的动力电池退役预测方法。

背景技术

随着国内外新能源汽车保有量的提高，动力电池的退役数量高峰即将到来，如何针对实现有效的退役电池回收利用，对于环境、资源的保护与可持续发展来说具有重要意义。现阶段，本领域对将退役的动力电池寿命预测以及后续分选利用的问题，只能满足较小数量电池的试验与粗略统计，尚无法实现在数量较大的情况下针对可能导致电池衰退的各种因素，通过执行多维度的参数指标分析来得到较为精确的预测结果。且阻碍了获取单车动力电池各自的具体情况，不利于提前对各电池的后期使用、退役及回收做出规划。

发明内容

有鉴于此，针对上述本领域中存在的技术问题，本发明提供了一种基于容量衰减的动力电池退役预测方法，具体包括以下步骤：

步骤一、选择样本车辆并提取其全生命周期中的充放电历史数据；

步骤二、根据样本车辆动力电池的材料类型：三元材料电池、磷酸铁锂电池、其他类型电池，以及车辆用途类型：运营车辆、非运营车辆，将动力电池划分为6个类型；

步骤三、利用不同动力电池类型的历史数据计算电池使用过程中，每日经历的充电片段与放电片段所分别对应的充电容量和放电容量样本；

步骤四、根据每日所述的充电片段与放电片段时间占比，分别确定由步骤二所计算的充电容量和放电容量样本值的权重，求加权平均得到电池在不同累计使用时间所对应的最大可用容量；

步骤五、利用不同动力电池类型所得到的最大可用容量与累计使用时间构建训练样本集，通过反向传播训练法对长短期记忆网络进行训练，得到与6个动力电池类型分别对应的容量衰减算法预测模型；

步骤六、对已退役电池在退役时的容量衰减率和累计使用时间进行统计，确定所述容量算法预测模型的退役条件，并建立动力电池的退役统计预测模型；

步骤七、融合所建立的容量衰减算法预测模型与退役统计预测模型用于对车辆容量衰减趋势与退役时间的预测；以样本车辆的数量、历史数据质量作为使用上述两个预测模型中的哪一个来进行退役预测的决策依据。

进一步地，步骤一中提取的所述历史数据具体涉及以下参数指标：

充电电流、充电时间、放电电流、放电时间、电池荷电状态SOC。

进一步地，步骤二中将动力电池具体划分为以下6个类型：

三元运营车辆(类1)、三元非运营车辆(类2)、磷酸铁锂运营车辆(类3)、磷酸铁锂非运营车辆(类4)、其他类型电池运营车辆(类5)，其他类型电池非运营车辆(类6)。

进一步地，步骤三中具体采用以下方式分别充电容量和放电容量样本：

针对每个充电片段，采用以下公式计算充电容量样本值C_C：

上式中，I为充电电流，t₀为充电片段初始时刻，T₁充电片段结束时刻，SOC₀与SOC₁分别为充电片段初始与结束时刻的SOC值；