[发明专利]一种基于wasserstein距离的电池SOH估计方法及装置

权利要求书

1.一种基于wasserstein距离的电池SOH估计方法，其特征在于：包括如下步骤：

S1、采集多个袋式电池的老化数据，并分别获取各袋式电池各老化周期的IC曲线，其中，IC表示一个连续的电压增量上所增加的电池电量；

S2、分别计算各相邻两IC曲线峰值窗口之间的wasserstein距离，得到特征数据集，并将特征数据集分为前期数据集和后期数据集；

S3、采用基于高斯回归过程方法的预测模型，所述S2中的特征数据集作为预测模型的输入，电池SOH作为预测模型的输出，对于预测模型的超参数α、l和p，分别设定其取值范围为(0.1-100)、(0,1)和(0,100)，先取取值范围内的任意值，再利用前期数据集对预测模型进行初次训练，并根据预测所得值与真值之间的差距，调整并确定各超参数的值；

S4、利用后期数据集对已确定超参数的预测模型进行训练。

2.根据权利要求1所述的一种基于wasserstein距离的电池SOH估计方法，其特征在于：所述S2中，分别利用差分公式对各IC曲线进行采样，得到采样数据集，并通过Pytorch进行Sinkhorn迭代，以获取相邻两IC曲线峰值窗口之间的wasserstein距离。

3.根据权利要求1所述的一种基于wasserstein距离的电池SOH估计方法，其特征在于：所述S1中，所述多个袋式电池的老化数据具体为预先记录的八个标称740Ma·h的袋式电池的老化数据。

4.根据权利要求1或2或3所述的一种基于wasserstein距离的电池SOH估计方法，其特征在于：所述S2中，所述峰值窗口为以IC曲线峰值为中心的长度为3的区间。

5.根据权利要求1或2或3所述的一种基于wasserstein距离的电池SOH估计方法，其特征在于：所述S3中，所述参数确定模块中，当预测所得值与真值之间的差距大于第一阈值时，则调低超参数α的值、调高超参数l和p的值，当预测所得值与真值之间的差距小于第二阈值时，则调高超参数α的值、调低超参数l和p的值，调整额度应在经验区间的10％以内，经验区间从步骤S3中的各超参数的取值范围内选出。

6.根据权利要求1或2或3所述的一种基于wasserstein距离的电池SOH估计方法，其特征在于：所述预测模型中，高斯过程的核函数为协方差函数。

7.根据权利要求1或2或3所述的一种基于wasserstein距离的电池SOH估计方法，其特征在于：所述S1中，所述IC具体计算公式为：其中，Q为电池容量，U为电池电压。

8.一种基于wasserstein距离的电池SOH估计装置，其特征在于：包括：

采集模块：用于采集多个袋式电池的老化数据，并分别获取各袋式电池各老化周期的IC曲线，其中，IC表示一个连续的电压增量上所增加的电池电量；

特征数据集获取模块：用于分别计算各相邻两IC曲线峰值窗口之间的wasserstein距离，得到特征数据集，并将特征数据集分为前期数据集和后期数据集；

参数确定模块：采用基于高斯回归过程方法的预测模型，将特征数据集作为预测模型的输入，电池SOH作为预测模型的输出，对于预测模型的超参数α、l和p，分别设定其取值范围为(0.1,100)、(0,1)和(0,100)，先取取值范围内的任意值，再利用前期数据集对预测模型进行初次训练，并根据预测所得值与真值之间的差距，调整并确定各超参数的值；

模型训练模块：利用后期数据集对已确定超参数的预测模型进行训练。

9.根据权利要求8所述的一种基于wasserstein距离的电池SOH估计装置，其特征在于：所述特征数据集获取模块中，分别利用差分公式对各IC曲线进行采样，得到采样数据集，并通过Pytorch进行Sinkhorn迭代，以获取相邻两IC曲线峰值窗口之间的wasserstein距离。

10.根据权利要求8所述的一种基于wasserstein距离的电池SOH估计装置，其特征在于：所述参数确定模块中，当预测所得值与真值之间的差距大于第一阈值时，则调低超参数α的值、调高超参数l和p的值，当预测所得值与真值之间的差距小于第二阈值时，则调高超参数α的值、调低超参数l和p的值，调整额度应在经验区间的10％以内，经验区间从各超参数的取值范围内选出。