[发明专利]一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法

摘要

一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法，本发明涉及一种电池寿命预测方法。本发明解决了现有方法无法实现锂电池循环寿命预测的问题，本发明采用ESN算法，进行退化建模，采用高斯过程回归的建模方法，建立基于GPR的等压降放电时间预测模型进行基于ESN的退化模型训练与基于GPR的等压降放电时间预测模型训练，获得等压降放电时间预测模型，进行基于GPR的等压降放电时间预测模型，获得等压降放电时间的预测值；进行基于ESN的退化模型，获得下N₁个放电周期的电池的放电容量；电池的剩余容量值与电池容量的失效阈值行比较，完成电池循环寿命的间接预测。本发明适用于电池寿命预测。

主权项

1.一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法，其特征在于，该方法的具体步骤为：步骤一、采集待测电池的冲放电周期次数x、每个充放电周期的放电压电及电池容量和每个充放电周期放出的电量z，步骤二、根据采集待测电池的冲放电周期次数x和每个充放电周期的放电电压及电池容量计算出对应的等压降放电时间差，获得等压降放电时间序列数据y；步骤三、采用ESN算法，利用等压降放电时间序列y和每次充放电后的电池的剩余容量数据z进行退化建模，获得基于ESN的退化模型；步骤四、采用高斯过程回归的建模方法，利用充放电周期次数x及电池充放电周期对应的等压降放电时间序列y建立基于GPR的等压降放电时间预测模型；步骤五、将等压降放电时间序列数据y和每个放电周期放出的电量z的数据集作为训练集进行基于ESN的退化模型训练，将电池的充放电周期次数x和等压降放电时间序列y的数据集作为训练数据进行基于GPR的等压降放电时间预测模型训练，获得等压降放电时间预测模型，其中N为正整数；步骤六、将下N个冲放电周期次数集输入基于GPR的等压降放电时间预测模型，获得等压降放电时间的预测值步骤七、将获得等压降放电时间的预测值代入基于ESN的退化模型，获得下N个放电周期的电池的放电容量步骤八、将用电池的初始容量减去下N个充放电周期的电池的放电容量后的电池的剩余容量值与电池容量的失效阈值进行比较，判断电池的剩余容量值是否等于电池容量的失效阈值，是则将充放电周期N作为电池的剩余寿命，完成基于GPR带有不确定区间的锂离子电池循环寿命的间接预测，否则执行步骤九；步骤九、将电池的剩余容量值与电池容量的失效阈值进行比较，如果电池的剩余容量值大于电池容量的失效阈值，则令N=N+N₁，返回执行步骤五，如果电池的剩余容量值小于电池容量的失效阈值，则令N=N-N₁，返回执行步骤五，其中N₁为小于N的正整数。