一种锂电池的实时个性化健康评估方法和装置
技术特征：
1.一种锂电池的实时个性化健康评估方法，其特征在于，包括：s1：获取不同终端不同放电协议下的锂电池在充电过程中80％soc到预设电压之间的特征曲线数据，对其进行特征提取得到对应的目标特征；所述特征曲线数据包括：充电电压曲线、充电电容曲线、每个循环与第n个循环的充电电压差值与充电电容差值，n为次数阈值；s2：利用所述特征曲线数据的目标特征对第一神经网络进行预训练，以使其中的卷积模块和循环模块进行特征提取，并引入递进的两层全连接层来预测锂电池的放电容量和剩余循环寿命，得到第二神经网络；s3：利用待评估锂电池的历史循环中的放电容量对所述第二神经网络进行微调得到目标神经网络；将所述待评估锂电池对应的目标特征输入所述目标神经网络，预测所述待评估锂电池的总放电容量和剩余循环寿命。2.如权利要求1所述的锂电池的实时个性化健康评估方法，其特征在于，所述s1包括：获取不同终端不同放电协议下的锂电池在充电过程中80％soc到3.6v电压之间的特征曲线数据；选取各所述锂电池的特征曲线数据中的部分曲线作为原始特征；通过极大极小归一化方法对所述原始特征进行预处理得到所述目标特征。3.如权利要求1所述的锂电池的实时个性化健康评估方法，其特征在于，所述s2之前所述方法还包括：在获取各个所述锂电池的特征曲线数据的同时获取每个所述锂电池在每个放电循环中的总放电容量或剩余循环寿命；所述s2包括：将所述特征曲线数据输入所述第一神经网络，以获取的所述总放电容量或所述剩余循环寿命作为所述第一神经网络的输出目标进行预训练，进而得到所述第二神经网络。4.如权利要求3所述的锂电池的实时个性化健康评估方法，其特征在于，所述剩余循环寿命为电池容量退化到初始容量的80％的循环数。5.如权利要求1所述的锂电池的实时个性化健康评估方法，其特征在于，所述第一神经网络包括依次连接的：卷积模块，包括：三个连续的卷积层和最大池化层堆叠；循环模块，包括：两个连续的lstm层和全连接层；第一全连接层包括：1个神经元的全连接层，用于总放电容量的估计；第二全连接层包括：1个神经元的全连接层，用于剩余循环寿命的预测。6.如权利要求5所述的锂电池的实时个性化健康评估方法，其特征在于，所述第一神经网络的算是函数为：网络的算是函数为：m表示训练集中样本总数，p表示用作特征的循环数量，表示第j个循环的真实容量，表示第j个循环的估计容量，表示第i个循环的真实剩余寿命，表示第i个循环的预测剩余寿命，λ为预设超参数。7.如权利要求5所述的锂电池的实时个性化健康评估方法，其特征在于，所述s3包括：利用所述待评估锂电池的历史循环中的放电容量作为目标对所述第二神经网络进行
训练，以微调所述循环模块，从而得到所述目标神经网络；将所述待评估锂电池对应的目标特征输入所述目标神经网络，得到的结果作为所述待评估锂电池对应的总放电容量和剩余循环寿命。8.一种锂电池的实时个性化健康评估装置，其特征在于，包括：获取模块，用于获取不同终端不同放电协议下的锂电池在充电过程中80％soc到预设电压之间的特征曲线数据，对其进行特征提取得到对应的目标特征；所述特征曲线数据包括：充电电压曲线、充电电容曲线、每个循环与第n个循环的充电电压差值与充电电容差值，n为次数阈值；训练模块，用于利用所述特征曲线数据的目标特征对第一神经网络进行预训练，以使其中的卷积模块和循环模块进行特征提取，并引入递进的两层全连接层来预测锂电池的放电容量和剩余循环寿命，得到第二神经网络；预测模块，用于利用待评估锂电池的历史循环中的放电容量对所述第二神经网络进行微调得到目标神经网络；将所述待评估锂电池对应的目标特征输入所述目标神经网络，预测所述待评估锂电池的总放电容量和剩余循环寿命。9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
技术总结
本发明公开了一种锂电池的实时个性化健康评估方法，属于电池存储技术领域，包括：获取不同终端不同放电协议下的锂电池在充电过程中80％SOC到预设电压之间的特征曲线数据进而获取其目标特征；利用目标特征对第一神经网络进行预训练，得到第二神经网络；利用待评估锂电池的历史循环中的放电容量对第二神经网络进行微调得到目标神经网络；将待评估锂电池对应的目标特征输入目标神经网络，预测待评估锂电池的总放电容量和剩余循环寿命。本发明在保证个性化适应不同放电策略的锂电池的前提下，降低其对数据的依赖程度，同时解决现有锂电池健康状态预测实时性能较弱的问题。健康状态预测实时性能较弱的问题。健康状态预测实时性能较弱的问题。
技术研发人员：袁烨 许嵩沛 马贵君
受保护的技术使用者：华中科技大学
技术研发日：2022.12.26
技术公布日：2023/3/28
相关知识
一种磷酸铁锂电池的电池健康状态估算方法及装置与流程
电池老化的评估方法及装置与流程
一种实时评估电池健康状态的方法
锂电池健康状态的评估方法
一种基于深度学习的锂电池健康状态评估方法
一种锂电池健康状态快速检测装置及方法2024.pdf专利下载
一种基于支持向量机的锂电池健康状态评估方法
一种电池健康状态评估方法
锂电池健康度评估方法及系统.pdf
=退役锂离子电池健康状态评估方法【钜大锂电】
网址: 一种锂电池的实时个性化健康评估方法和装置 https://m.trfsz.com/newsview1702656.html
