CN112327170A - 基于神经网络的动力电池全周期剩余寿命估算方法 - Google Patents

Abstract

本发明提供了一种基于神经网络的动力电池全周期剩余寿命估算方法，结合人工神经网络模型一，建立实验工况下动力电池剩余寿命函数关系：结合人工神经网络模型二，建立实车工况下动力电池剩余寿命函数关系：通过人工神经网络模型三建立动力电池全周期剩余寿命函数关系。本发明所述的基于神经网络的动力电池全周期剩余寿命估算方法采用人工神经网络对实验工况下和实车工况下动力电池的函数关系进行修正，从而建立动力电池全周期剩余寿命函数关系。

Description

基于神经网络的动力电池全周期剩余寿命估算方法

技术领域

本发明属于动力电池寿命估算技术领域，尤其是涉及一种基于神经网络的动力电池全周期剩余寿命估算方法。

背景技术

截止到2020年7月，我国新能源汽车保有量417万辆，与去年年底相比增加36万辆，增长9.45％。从新能源汽车的成本构成看，电池驱动***占据了新能源汽车成本的30-45％，而动力电池又占据电池驱动***约75-85％的成本构成。电动汽车电池性能随着循环使用而衰减，当动力电池功率或者容量性能达不到电动汽车使用标准时，电动汽车需要退役当前动力电池，更换新的动力电池。新能源汽车动力蓄电池将进入规模化退役，动力电池从电动汽车上退役后仍有高达80％的剩余容量，可应用于对电池性能要求较低的场合，即进入电池储能梯级利用阶段，目前缺少专门针对动力电池剩余寿命进行准确估算的方法，不能准确判断动力电池是否具有再利用的价值。

发明内容

有鉴于此，本发明旨在提出一种基于神经网络的动力电池全周期剩余寿命估算方法，以解决目前缺少专门针对动力电池剩余寿命进行准确估算的方法的问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于神经网络的动力电池全周期剩余寿命估算方法，包括：

搭建实验工况下动力电池测试***，进行不同条件下的充放电试验，获取实验工况下表征动力电池剩余寿命的特征参数数据，结合人工神经网络模型一，建立实验工况下动力电池剩余寿命函数关系：

搭建实车工况下动力电池测试***，通过模拟实车在条件下的驾驶，获取实车工况下表征动力电池剩余寿命的特征参数数据，结合人工神经网络模型二，建立实车工况下动力电池剩余寿命函数关系：

通过人工神经网络模型三对实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系进行训练和修正，并确定实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系之间的权值，建立动力电池全周期剩余寿命函数关系。

进一步的，所述实验工况下动力电池测试***包括：

用于调节动力电池环境温度的高低温箱；

用于实现动力电池充放电的充放电仪；

用于采集动力电池、高低温箱、充放电仪相关数据的数据采集仪，数据采集仪连接上位机。

进一步的，利用实验工况下动力电池测试***实现动力电池在不同温度区间、不同充放电倍率、不同SOC区间和不同动态工况下进行充放电试验，获取实验工况下表征动力电池剩余寿命的特征参数数据。

进一步的，所述实验工况下表征动力电池剩余寿命的特征参数数据包括剩余容量一、电池内阻一、电池电压限一和电池的自放电率一数据，利用人工神经网络模型一对动力电池在不同温度区间、不同充放电倍率、不同SOC区间、不同动态工况下电池剩余容量一、电池内阻一、电池电压限一、电池的自放电率一的部分随机数据进行训练、校验和预测，得到动力电池在实验工况下剩余寿命与温度、充放电倍率、电池SOC区间、工况之间的函数关系，并且得到温度、充放电倍率、电池SOC区间、工况对动力电池剩余寿命影响的权值，从而建立实验工况动力电池剩余寿命函数关系。

进一步的，在实车工况下动力电池测试***下，通过电池BMS管理***获取电动汽车在不同的汽车车速、天气情况、汽车行驶工况、汽车行驶里程下表征动力电池剩余寿命的参数，参数包括剩余容量二、电池电压限二、电池自放电率二、电池内阻二，经过人工神经网络模型二对动力电池在不同汽车车速、天气情况、汽车行驶工况、汽车行驶里程下剩余容量二、电池电压限二、电池自放电率二、电池内阻二的部分随机数据进行训练、校验和预测，得到动力电池在实车工况下剩余寿命与汽车车速、天气情况、汽车加速度汽车行驶里程之间的函数关系，并且得到汽车车速、天气情况、汽车加速度、汽车行驶里程对动力电池剩余寿命影响的权值，从而建立实车工况动力电池剩余寿命函数关系。

相对于现有技术，本发明所述的基于神经网络的动力电池全周期剩余寿命估算方法具有以下优势：

本发明所述的基于神经网络的动力电池全周期剩余寿命估算方法采用人工神经网络在不同温度、充放电倍率、电池SOC、动态工况下建立实验工况下动力电池剩余寿命的函数关系，为实验工况下动力电池寿命估计提供了支持；采用人工神经网络在不同的汽车车速、天气情况、汽车加速度和汽车行驶里程下建立了实车工况下动力电池剩余寿命的函数关系，为实车工况下动力电池寿命估计提供了支持；采用人工神经网络对实验工况下和实车工况下动力电池的函数关系进行修正，从而建立动力电池全周期剩余寿命函数关系。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的基于神经网络的动力电池全周期剩余寿命估算方法原理架构图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，一种基于神经网络的动力电池全周期剩余寿命估算方法，包括：

搭建实验工况下动力电池测试***，进行不同条件下的充放电试验，获取实验工况下表征动力电池剩余寿命的特征参数数据，结合人工神经网络模型一，建立实验工况下动力电池剩余寿命函数关系：

搭建实车工况下动力电池测试***，通过模拟实车在条件下的驾驶，获取实车工况下表征动力电池剩余寿命的特征参数数据，结合人工神经网络模型二，建立实车工况下动力电池剩余寿命函数关系：

通过人工神经网络模型三对实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系进行训练和修正，并确定实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系之间的权值，建立动力电池全周期剩余寿命函数关系。

所述实验工况下动力电池测试***包括：

用于调节动力电池环境温度的高低温箱；

用于实现动力电池充放电的充放电仪；

用于采集动力电池、高低温箱、充放电仪相关数据的数据采集仪，数据采集仪连接上位机。

利用实验工况下动力电池测试***实现动力电池在不同温度区间、不同充放电倍率、不同SOC区间和不同动态工况下进行充放电试验，获取实验工况下表征动力电池剩余寿命的特征参数数据。

所述实验工况下表征动力电池剩余寿命的特征参数数据包括剩余容量一、电池内阻一、电池电压限一和电池的自放电率一数据，利用人工神经网络模型一对动力电池在不同温度区间、不同充放电倍率、不同SOC区间、不同动态工况下电池剩余容量一、电池内阻一、电池电压限一、电池的自放电率一的部分随机数据进行训练、校验和预测，得到动力电池在实验工况下剩余寿命与温度、充放电倍率、电池SOC区间、工况之间的函数关系，并且得到温度、充放电倍率、电池SOC区间、工况对动力电池剩余寿命影响的权值，从而建立实验工况动力电池剩余寿命函数关系。

在实车工况下动力电池测试***下，通过电池BMS管理***获取电动汽车在不同的汽车车速、天气情况、汽车行驶工况、汽车行驶里程下表征动力电池剩余寿命的参数，参数包括剩余容量二、电池电压限二、电池自放电率二、电池内阻二，经过人工神经网络模型二对动力电池在不同汽车车速、天气情况、汽车行驶工况、汽车行驶里程下剩余容量二、电池电压限二、电池自放电率二、电池内阻二的部分随机数据进行训练、校验和预测，得到动力电池在实车工况下剩余寿命与汽车车速、天气情况、汽车加速度汽车行驶里程之间的函数关系，并且得到汽车车速、天气情况、汽车加速度、汽车行驶里程对动力电池剩余寿命影响的权值，从而建立实车工况动力电池剩余寿命函数关系。

所述一种基于神经网络的动力电池剩余寿命估算方法的工作原理为：

如图1所示，通过动力电池与高低温箱、充放电仪和数据采集仪之间的配合安装，测试动力电池在不同温度区间、不同充放电倍率、不同SOC区间和不同动态工况下的充放电试验，经过若干个循环后，获得动力电池表征动力电池剩余寿命的特征参数：剩余容量一、电池内阻一、电池电压限一和电池的自放电率一；并经过人工神经网络模型一对动力电池在不同温度区间、不同充放电倍率、不同SOC区间、不同动态工况下电池剩余容量一、电池内阻一、电池电压限一、电池的自放电率一的部分随机数据进行训练、校验和预测，从而得到动力电池在实验工况下剩余寿命与温度、充放电倍率、电池SOC区间、工况之间的函数关系，并且得到温度、充放电倍率、电池SOC区间、工况对动力电池剩余寿命影响的权值分别为γ1、γ2、γ3、γ4，从而建立实验工况动力电池剩余寿命函数关系。

人工神经网络模型一对动力电池在不同温度区间、不同充放电倍率、不同SOC区间、不同动态工况下电池剩余容量一、电池内阻一、电池电压限一、电池的自放电率一的部分随机数据进行训练后形成新的数据，再与动力电池相同实验条件下动力电池的数据进行校验，直到两者之间的误差小于1％；若两者之间的误差大于1％，继续用人工神经网络模型一对动力电池的随机数据进行训练，直到两者之间的误差小于1％；然后通过人工神经网络模型一选择与训练数据的不同工况下动力电池寿命进行预测，所得的结果与预测数据相同的实验工况下动力电池的实验结果进行误差分析，直到两者的误差小于1％；从而得到动力电池在实验工况下剩余寿命与温度、充放电倍率、电池SOC区间、工况之间的函数关系，从而建立实验工况动力电池剩余寿命函数关系。

电动汽车通过电池BMS管理***获得电动汽车在不同的汽车车速、天气情况、汽车行驶工况、汽车行驶里程下表征动力电池剩余寿命的参数：并且经过人工神经网络模型二对动力电池在不同汽车车速、天气情况、汽车行驶工况、汽车行驶里程下剩余容量二、电池电压限二、电池自放电率二、电池内阻二的部分随机数据进行训练、校验和预测；从而得到动力电池在实车工况下剩余寿命与汽车车速、天气情况、汽车加速度、汽车行驶里程之间的函数关系，并且得到汽车车速、天气情况、汽车加速度、汽车行驶里程对动力电池剩余寿命影响的权值分别为ω1、ω2、ω3、ω4，从而建立实车工况动力电池剩余寿命函数关系；并且通过人工神经网络模型三对实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系进行训练和修正，并确定实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系之间的权值分别为α和β，从而建立动力电池全周期剩余寿命函数关系。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于，包括：

搭建实验工况下动力电池测试***，进行不同条件下的充放电试验，获取实验工况下表征动力电池剩余寿命的特征参数数据，结合人工神经网络模型一，建立实验工况下动力电池剩余寿命函数关系：

搭建实车工况下动力电池测试***，通过模拟实车在条件下的驾驶，获取实车工况下表征动力电池剩余寿命的特征参数数据，结合人工神经网络模型二，建立实车工况下动力电池剩余寿命函数关系：

通过人工神经网络模型三对实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系进行训练和修正，并确定实验工况下动力电池剩余寿命函数关系和实车工况下电池的剩余寿命函数关系之间的权值，建立动力电池全周期剩余寿命函数关系。

2.根据权利要求1所述的基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于，所述实验工况下动力电池测试***包括：

用于调节动力电池环境温度的高低温箱；

用于实现动力电池充放电的充放电仪；

用于采集动力电池、高低温箱、充放电仪相关数据的数据采集仪，数据采集仪连接上位机。

3.根据权利要求2所述的基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于：利用实验工况下动力电池测试***实现动力电池在不同温度区间、不同充放电倍率、不同SOC区间和不同动态工况下进行充放电试验，获取实验工况下表征动力电池剩余寿命的特征参数数据。

4.根据权利要求1或3所述的基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于：所述实验工况下表征动力电池剩余寿命的特征参数数据包括剩余容量一、电池内阻一、电池电压限一和电池的自放电率一数据，利用人工神经网络模型一对动力电池在不同温度区间、不同充放电倍率、不同SOC区间、不同动态工况下电池剩余容量一、电池内阻一、电池电压限一、电池的自放电率一的部分随机数据进行训练、校验和预测，得到动力电池在实验工况下剩余寿命与温度、充放电倍率、电池SOC区间、工况之间的函数关系，并且得到温度、充放电倍率、电池SOC区间、工况对动力电池剩余寿命影响的权值，从而建立实验工况动力电池剩余寿命函数关系。

5.根据权利要求1所述的基于神经网络的动力电池全周期剩余寿命估算方法，其特征在于：在实车工况下动力电池测试***下，通过电池BMS管理***获取电动汽车在不同的汽车车速、天气情况、汽车行驶工况、汽车行驶里程下表征动力电池剩余寿命的参数，参数包括剩余容量二、电池电压限二、电池自放电率二、电池内阻二，经过人工神经网络模型二对动力电池在不同汽车车速、天气情况、汽车行驶工况、汽车行驶里程下剩余容量二、电池电压限二、电池自放电率二、电池内阻二的部分随机数据进行训练、校验和预测，得到动力电池在实车工况下剩余寿命与汽车车速、天气情况、汽车加速度汽车行驶里程之间的函数关系，并且得到汽车车速、天气情况、汽车加速度、汽车行驶里程对动力电池剩余寿命影响的权值，从而建立实车工况动力电池剩余寿命函数关系。

Images