本发明专利技术公开了一种电池寿命预测方法、装置、云端服务器及存储介质，其中方法包括：确定经验模型，并采用经验模型学习电池历史数据轨迹；基于电池历史数据估计电池容量状态，获得第一估计结果，并在学习电池历史数据轨迹的过程中，根据第一估计结果对经验模型的参数进行修正；确定机理模型，并根据机理模型估计电池容量状态，获得第二估计结果；采用修正后的经验模型对电池寿命进行预测，并在预测过程中，根据第二估计结果对修正后的经验模型参数再次进行修正，最终获得电池寿命预测结果。由此，基于电池历史数据以及确定的机理模型，先后对确定的经验模型参数进行两次修正，从而可以构建更加精确的电池寿命预测模型，提高了电池寿命预测精度。命预测精度。命预测精度。
【技术实现步骤摘要】
电池寿命预测方法、装置、云端服务器及存储介质
[0001]本专利技术涉及电池
，尤其涉及一种电池寿命预测方法、装置、云端服务器及存储介质。
技术介绍
[0002]随着电动汽车的快速发展，人们对动力电池提出了更高的要求，动力电池的使用寿命将直接影响电动汽车的性能，因此人们对动力电池寿命预测（RUL）的研究愈加重视，精确的电池寿命预测能够不仅可以提升用户驾驶体验，而且可以构建动力电池全生命周期动态智能健康管理系统，具有巨大的社会效益及经济效益。
[0003]相关技术中，在进行动力电池寿命预测时，通常基于历史轨迹的数据驱动对动力电池寿命预测进行预测，或者，基于机理模型对动力电池寿命预测进行预测。但是，这些常用的动力电池寿命预测方法难以建立较为精确的预测模型，电池寿命预测精度较差。
技术实现思路
[0004]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的第一个目的在于提出一种电池寿命预测方法，基于电池历史数据以及确定的机理模型，先后对确定的经验模型参数进行两次修正，从而可以构建更加精确的电池寿命预测模型，提高了电池寿命预测精度。
[0005]本专利技术的第二个目的在于提出一种计算机可读存储介质。
[0006]本专利技术的第三个目的在于提出一种云端服务器。
[0007]本专利技术的第四个目的在于提出一种电池寿命预测装置。
[0008]为达到上述目的，本专利技术第一方面实施例提出一种电池寿命预测方法，包括：确定经验模型，并采用经验模型学习电池历史数据轨迹；基于电池历史数据估计电池容量状态，获得第一估计结果，并在学习电池历史数据轨迹的过程中，根据第一估计结果对经验模型的参数进行修正；确定机理模型，并根据机理模型估计电池容量状态，获得第二估计结果；采用修正后的经验模型对电池寿命进行预测，并在预测过程中，根据第二估计结果对修正后的经验模型参数再次进行修正，最终获得电池寿命预测结果。
[0009]根据本专利技术实施例的电池寿命预测方法，确定经验模型并采用该经验模型学习电池历史数据轨迹，同时基于电池历史数据估计电池容量状态，获得第一估计结果，并在学习电池历史数据轨迹的过程中，根据第一估计结果对上述经验模型的参数进行修正，确定机理模型并根据该机理模型估计电池容量状态，获得第二估计结果，采用上述修正后的经验模型对电池寿命进行预测，并在预测过程中，根据第二估计结果对上述修正后的经验模型参数再次进行修正，最终获得电池寿命预测结果。由此，基于电池历史数据以及确定的机理模型，先后对确定的经验模型参数进行两次修正，从而可以构建更加精确的电池寿命预测模型，提高了电池寿命预测精度。
[0010]根据本专利技术的一个实施例，根据第一估计结果对经验模型的参数进行修正，包括：
将第一学习结果作为先验估计，并将第一估计结果作为后验修正，采用卡尔曼滤波算法对经验模型的参数进行修正，其中，第一学习结果根据经验模型学习电池历史数据轨迹获得。
[0011]根据本专利技术的一个实施例，根据第二估计结果对修正后的经验模型参数再次进行修正，包括：将修正后的经验模型输出的第二学习结果作为先验估计，并将第二估计结果作为后验修正，采用卡尔曼滤波算法对修正后的经验模型参数再次进行修正。
[0012]根据本专利技术的一个实施例，在获得电池寿命预测结果之后，方法还包括：将电池寿命预测结果作为初始寿命预测值，并更换经验模型和/或机理模型，以获得多个寿命预测值；采用误差评估和加权计算方式对初始寿命预测值和多个寿命预测值进行寻优计算，获得电池寿命预测修正值。
[0013]根据本专利技术的一个实施例，采用误差评估和加权计算方式对初始寿命预测值和多个寿命预测值进行寻优计算，包括：将第一估计结果作为真值，并计算初始寿命预测值与真值之间的初始误差最大值、初始误差均值和初始误差标准值，以及计算多个寿命预测值与真值在预设时间内的多个误差最大值、多个误差均值和多个误差标准值；在初始误差最大值均大于多个误差最大值、初始误差均值均大于多个误差均值、且初始误差标准值均大于多个误差标准值时，确定多个误差最大值中的最小值，并根据最小值对应的寿命预测值以及初始寿命预测值进行加权计算。
[0014]根据本专利技术的一个实施例，根据以下公式计算电池寿命预测修正值：RUL=P0*RUL0+P
i
*RUL
i
其中，RUL为电池寿命预测修正值，RUL0为初始寿命预测值，RUL
i
为最小值对应的寿命预测值，，，和为权值系数，为初始误差最大值，为初始误差标准值，为初始误差均值，为最小值对应的误差最大值，为最小值对应的误差标准值，为最小值对应的误差均值。
[0015]根据本专利技术的一个实施例，经验模型包括双指数模型、单指数模型、线性模型、多项式模型和Verhulst模型。
[0016]根据本专利技术的一个实施例，基于电池历史数据估计电池容量状态，包括：根据电池电压数据和电池容量数据，建立特征电压片段与电池容量的映射关系；根据特征电压片段与电池容量的映射关系对当前电池容量状态进行估计。
[0017]根据本专利技术的一个实施例，根据机理模型估计电池容量状态，包括：基于Butler
‑
Volmer方程，建立电池电极副反应速率与副反应过电势关系；根据电池电极副反应速率与副反应过电势关系确定电池容量损失量；根据电池容量损失量对电池容量状态进行估计。
[0018]为达到上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，其上存储有电池寿命预测程序，该电池寿命预测程序被处理器执行时实现如第一方面实施例中的电池寿命预测方法。
[0019]根据本专利技术实施例的计算机可读存储介质，通过上述的电池寿命预测方法，基于电池历史数据以及确定的机理模型，先后对确定的经验模型参数进行两次修正，从而可以构建更加精确的电池寿命预测模型，提高了电池寿命预测精度。
[0020]为达到上述目的，本专利技术第三方面实施例提出了一种云端服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的电池寿命预测程序，处理器执行电池寿命预
测程序时，实现如第一方面实施例中的电池寿命预测方法。
[0021]根据本专利技术实施例的云端服务器，通过上述的电池寿命预测方法，基于电池历史数据以及确定的机理模型，先后对确定的经验模型参数进行两次修正，从而可以构建更加精确的电池寿命预测模型，提高了电池寿命预测精度。
[0022]为达到上述目的，本专利技术第四方面实施例提出了一种电池寿命预测装置，包括：第一确定模块，用于确定经验模型，并采用经验模型学习电池历史数据轨迹；第一估计模块，基于电池历史数据估计电池容量状态，获得第一估计结果；第一修正模块，用于在学习电池历史数据轨迹的过程中，根据第一估计结果对经验模型的参数进行修正；第二确定模块，用于确定机理模型；第二估计模块，用于根据机理模型估计电池容量状态，获得第二估计结果；预测模块，用于采用修正后的经验模型对电池寿命进行预测，并在预测过程中，根据第二估计结果对修正本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电池寿命预测方法，其特征在于，包括：确定经验模型，并采用所述经验模型学习电池历史数据轨迹；基于电池历史数据估计电池容量状态，获得第一估计结果，并在学习所述电池历史数据轨迹的过程中，根据所述第一估计结果对所述经验模型的参数进行修正；确定机理模型，并根据所述机理模型估计电池容量状态，获得第二估计结果；采用修正后的经验模型对电池寿命进行预测，并在预测过程中，根据所述第二估计结果对修正后的经验模型参数再次进行修正，最终获得电池寿命预测结果。2.根据权利要求1所述的电池寿命预测方法，其特征在于，根据所述第一估计结果对所述经验模型的参数进行修正，包括：将第一学习结果作为先验估计，并将所述第一估计结果作为后验修正，采用卡尔曼滤波算法对所述经验模型的参数进行修正，其中，所述第一学习结果根据所述经验模型学习所述电池历史数据轨迹获得。3.根据权利要求2所述的电池寿命预测方法，其特征在于，根据所述第二估计结果对修正后的经验模型参数再次进行修正，包括：将所述修正后的经验模型输出的第二学习结果作为先验估计，并将所述第二估计结果作为后验修正，采用所述卡尔曼滤波算法对所述修正后的经验模型参数再次进行修正。4.根据权利要求1
‑
3中任一项所述的电池寿命预测方法，其特征在于，在获得所述电池寿命预测结果之后，所述方法还包括：将所述电池寿命预测结果作为初始寿命预测值，并更换所述经验模型和/或所述机理模型，以获得多个寿命预测值；采用误差评估和加权计算方式对所述初始寿命预测值和所述多个寿命预测值进行寻优计算，获得电池寿命预测修正值。5.根据权利要求4所述的电池寿命预测方法，其特征在于，采用误差评估和加权计算方式对所述初始寿命预测值和所述多个寿命预测值进行寻优计算，包括：将所述第一估计结果作为真值，并计算所述初始寿命预测值与所述真值之间的初始误差最大值、初始误差均值和初始误差标准值，以及计算所述多个寿命预测值与所述真值在预设时间内的多个误差最大值、多个误差均值和多个误差标准值；在所述初始误差最大值均大于所述多个误差最大值、所述初始误差均值均大于所述多个误差均值、且所述初始误差标准值均大于所述多个误差标准值时，确定所述多个误差最大值中的最小值，并根据所述最小值对应的寿命预测值以及所述初始寿命预测值进行加权计算。6.根据权利要求5所述的电池寿命预测方法，其特征在于，根据以下公式计算所述电池寿命预测修正值：RUL=P0*...
【专利技术属性】
技术研发人员：梁海强，沈帅，唐磊，张骞慧，熊瑞，王晨旭，
申请(专利权)人：北京新能源汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。