申请/专利权人：燕山大学

申请日：2023-10-24

公开（公告）日：2024-06-28

公开（公告）号：CN117214725B

主分类号：G01R31/367

分类号：G01R31/367;G01R31/378;G01R31/396

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明涉及一种基于改进对称点图构建锂离子电池容量预测方法，其包括:S1、获取锂离子电池容量退化数据，确定锂离子融合特征CTV；S2、采用灰色关联度分析锂离子融合特征CTV，进行非线性退化建模；S3、根据锂离子电池容量退化模型，构建锂离子的电池容量预测模型，完成锂离子电池容量预测。本发明能够通过锂离子电池的退化模型，获取多源信息融合的融合特征CTV，能够对数据特性进行充分处理，完成对锂离子电池容量的预测，并进行可靠性评估；利用非线性退化建模求解锂离子电池的可靠度，考虑电池的个体差异和随机初始值，用蒙特卡洛仿真，直观的表明锂离子电池的变化，确定其可靠性情况。

主权项：1.一种基于改进对称点图的锂离子电池容量预测方法，其特征在于，其包括：S1：获取锂离子电池容量退化数据，确定锂离子融合特征CTV；S11：使用锂离子电池加速寿命实验平台，获得锂离子电池容量退化数据，选取每组锂离子电池放电循环中的放电电压、放电电流和放电温度；基于改进极坐标系的对称点图构造方法，处理电池容量退化数据得到对称点图融合图图像；S12：然后，采用数字图像处理方法，将步骤S11中的对称点图融合图图像转换为二维黑白图像，进一步转换成数字矩阵；S13：对锂离子电池每次循环所生成的融合对称点图图像进行后处理，根据步骤S12中的数字矩阵，依据改进曼哈顿距离获取锂离子融合特征CTV；所述改进曼哈顿距离的计算表达式为： 其中，dit,n为两个矩阵对应行向量之间的曼哈顿距离；xtk为t时刻数字矩阵第k行向量；xnk为n时刻数字矩阵第k行向量；Dn为n时刻改进曼哈顿距离；t为第一时刻参数；n为第二时刻参数；k为行向量编号；i为锂离子电池容量退化数据编号；m为锂离子电池容量退化数据；所有时刻的改进曼哈顿距离Dn按时间顺序组成改进曼哈顿距离序列D，改进曼哈顿距离序列D即为融合特征CTV；所述融合特征CTV符合非线性漂移参数θ决定的分布状态；S2：采用灰色关联度分析锂离子融合特征CTV，进行非线性退化建模；S21：获得步骤S11中的锂离子电池容量退化数据，设定为yit；步骤S13中的锂离子融合特征CTV，设定为xjt；计算锂离子电池容量退化数据与锂离子融合特征CTV的关联系数S22：根据锂离子电池容量退化数据yit与锂离子融合特征CTV的关联系数计算灰色关联系数rij为： 其中，rij为灰色关联系数；h为关联系数总数；为融合特征CTV的关联系数；j为锂离子融合特征CTV编号；S23：根据步骤S1中分析的融合特征CTV的图像趋势，采用非线性Wiener过程进行退化建模，分析步骤S22得到灰色关联系数rij能够得出融合特征CTV与锂离子电池容量的相关度高，建立锂离子电池容量退化模型为： 其中，Xt为锂离子电池容量；x0为初始退化数据，x0～N1μ0,δ02；μt；θ为退化过程的漂移系数；θ为非线性漂移参数；σB为扩散系数；Bt为标准布朗运动；N1为表示服从正太分布；μ0为初始退化数据期望；δ0为初始退化数据方差；S24：使用融合特征CTV代替锂离子电池容量退化模型中的锂离子电池容量，使用极大似然估计方法求解锂离子电池容量退化模型的非线性漂移参数θ；所述非线性漂移参数θ为； 其中，μ0为初始退化数据期望；σ0为第一待求解的参数向量；μa为锂离子电池容量退化模型的似然参数；σa为非线性漂移影响系数方差；σB为扩散系数；b为锂离子电池退化的共性参数；S3：根据步骤S2建立的锂离子电池容量退化模型，构建锂离子的电池容量预测模型，具体为； 其中，Rt0为t0时间的锂离子的电池容量；t0为锂离子电池的使用时间；ft为概率密度函数；获取步骤S2中估计得到的似然估计值，代入步骤S3建立的锂离子的电池容量参数预测模型，完成锂离子电池容量预测。

全文数据：

权利要求：

百度查询： 燕山大学 基于改进对称点图构建锂离子电池容量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD