【CN110208705A】一种锂电池剩余寿命预测方法及装置【专利】

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201910385098.X

(22)申请日 2019.05.09

(71)申请人 赛尔网络有限公司

地址 100084 北京市海淀区中关村东路1号

院清华科技园8号楼B座赛尔大厦

申请人 中南大学

(72)发明人 彭军　郑智勇　李恒　杨迎泽　

张晓勇　程亦君　陈彬　黄志武　

蒋富　刘伟荣　

(74)专利代理机构 长沙市融智专利事务所(普

通合伙) 43114

代理人 杨萍

(51)Int.Cl.

G01R 31/367(2019.01)

G01R 31/392(2019.01)

G01R 31/371(2019.01)

(54)发明名称一种锂电池剩余寿命预测方法及装置(57)摘要本发明公开了一种锂电池剩余寿命预测方法及装置，装置包括AC -DC转换模块、DC -DC转换模块和控制板；预测方法包括以下步骤：首先使用AC -DC转换模块对锂电池进行充电；然后使用DC -DC转换模块进行放电；在放电期间，对电池的电压及电流信号进行采集，并通过串口转UDP模块、4G -LTE数传模块上传至云服务器；服务器分别根据电池的放电电流信号和电压信号求得电池的可用容量CAP及电压信号的波动指数VCFI；然后将归一化处理后的CAP和VCFI作为特征，送到训练好的基于梯度提升决策树的预测模型中，通过映射即可求得电测的预测寿命。本发明提高

了锂电池剩余使用寿命预测的精度。权利要求书2页 说明书6页 附图2页CN 110208705 A 2019.09.06

C N 110208705

A

1.一种锂电池剩余寿命预测方法，其特征在于，包括如下步骤：

步骤1：对锂电池先充电至完全充满；

步骤2：对锂电池进行恒流模式放电，并在放电期间采集锂电池的电压和放电电流，得到放电期间锂电池的电压曲线和放电电流曲线；

步骤3：从放电期间锂电池的电压曲线和放电电流曲线提取锂电池的特征；

步骤4：将锂电池的特征输入到训练好的锂电池剩余寿命预测模型中，输出锂电池的剩余使用寿命。

2.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，所述步骤3中，锂电池的特征包括电池可用容量CAP和电压曲线的信号波动指数VCFI；其中，电池的可用容量CAP

的计算公式为：

其中，Δt为采样周期，M为整个放电期间(从开始时间t a 至结束时间t b )内的采样点的个数；I i 为第i个采样点采集到的锂电池放电电流；

电压曲线的信号波动指数VCFI的计算公式为：

式中，y i 为第i个采样点采集到的锂电池电压，μ

为M个采样点采集到的电压的平均值，

其中M为采样点的总数，ω为采样频率，ω＝1/Δt。

3.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，先对步骤3中提取到的特征进行归一化处理，再将归一化处理后得到的特征值输入到训练好的锂电池剩余寿命预测模型中进行计算；

对某一特征X进行归一化处理的公式如下：

其中X norm 为特征X归一化处理后得到的特征值，X max 和X min 分别为所有训练样本相应特征的最大值和最小值。

4.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，所述锂电池剩余寿命预测模型为基于梯度提升决策树构建的模型。

5.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，训练锂电池剩余寿命预测模型的方法为：

首先，由若干已知剩余使用寿命的锂电池构成训练样本集合；

然后，对训练样本集合中的每一个训练样本，分别根据步骤1～步骤3提取其特征，即提取训练样本的特征；

最后，以训练样本的特征为输入，训练样本的剩余使用寿命为输出，训练锂电池剩余寿命预测模型，确定模型参数，得到训练好的锂电池剩余寿命预测模型。

6.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，所述步骤1中，先对锂电池先进行恒流模式充电，再进行恒压模式充电。

权　利　要　求　书1/2页2CN 110208705 A