电池SOH预测模型的确定方法、预测终端及存储介质技术

本发明专利技术提供一种电池SOH预测模型的确定方法、预测终端及存储介质。该方法包括：获取多个样本电池的充放电数据；其中，充放电数据等时间间隔采样得到；针对每条充放电数据，根据该条充放电数据确定该条充放电数据对应的IC曲线，并根据该条充放电数据对应的IC曲线提取该条充放电数据的特征；根据各条充放电数据的特征，确定电池SOH预测模型；其中，电池的SOH与充放电数据的特征线性相关。本发明专利技术通过IC曲线提取电池特征，进而基于SOH与特征的线性关系建立预测模型，采用该模型进行预测计算量小，速度快。且本方案充放电数据等间隔取样，对采集器的精度的要求不高，有效降低了数据误差，进一步提高了预测精度。一步提高了预测精度。一步提高了预测精度。

【技术实现步骤摘要】
电池SOH预测模型的确定方法、预测终端及存储介质


[0001]本专利技术涉及电池
，尤其涉及一种电池SOH预测模型的确定方法、预测终端及存储介质。

技术介绍

[0002]电池健康状态(SOH，State of Health)反应了电池的寿命衰减程度，准确的对电池健康状态进行评估可以及时的为用电器内的电池提供预防性维修及维护的决策提供参考，降低维护成本、降低用电器故障概率。
[0003]现有技术中，通常采用基于模型的方法对电池的SOH进行预测，但受训练样本的选取、模型类型的选取等影响，预测精度较低。

技术实现思路

[0004]本专利技术实施例提供了一种电池SOH预测模型的确定方法、预测终端及存储介质，以解决现有技术中基于模型的SOH预测方法受训练样本的选取、模型类型的选取等影响，预测精度低的问题。
[0005]第一方面，本专利技术实施例提供了一种电池SOH预测模型的确定方法，包括：
[0006]获取多个样本电池的充放电数据；其中，充放电数据等时间间隔采样得到；
[0007]针对每条充放电数据，根据该条充放电数据确定该条充放电数据对应的IC曲线，并根据该条充放电数据对应的IC曲线提取该条充放电数据的特征；
[0008]根据各条充放电数据的特征，确定电池SOH预测模型；其中，电池的SOH与充放电数据的特征线性相关。
[0009]第二方面，本专利技术实施例提供了一种预测终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式电池SOH预测模型的确定方法的步骤。
[0010]第三方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式电池SOH预测模型的确定方法的步骤。
[0011]本专利技术实施例提供一种电池SOH预测模型的确定方法、预测终端及存储介质，上述方法包括：获取多个样本电池的充放电数据；其中，充放电数据等时间间隔采样得到；针对每条充放电数据，根据该条充放电数据确定该条充放电数据对应的IC曲线，并根据该条充放电数据对应的IC曲线提取该条充放电数据的特征；根据各条充放电数据的特征，确定电池SOH预测模型；其中，电池的SOH与充放电数据的特征线性相关。本专利技术实施例中通过IC曲线提取电池特征，进而基于SOH与特征的线性关系建立预测模型，采用该模型进行预测计算量小，速度快。且本方案充放电数据等间隔取样，对采集器的精度的要求不高，有效降低了数据误差，进一步提高了预测精度。
附图说明
[0012]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0013]图1是本专利技术实施例提供的一种电池SOH预测模型的确定方法的实现流程图；
[0014]图2是本专利技术实施例提供的容量曲线与IC曲线的对比图；
[0015]图3是本专利技术实施例提供的初始IC曲线与滤波后的IC曲线的对比图；
[0016]图4是本专利技术实施例提供的SOH相近的多个不同电池的IC曲线对比图；
[0017]图5是本专利技术实施例提供的同一电池不同健康度的IC曲线对比图；
[0018]图6是本专利技术实施例提供的拟合曲线图；
[0019]图7是本专利技术实施例提供的电池SOH预测模型的确定装置的结构示意图；
[0020]图8是本专利技术实施例提供的预测终端的示意图。
具体实施方式
[0021]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0022]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
[0023]参见图1，其示出了本专利技术实施例提供的电池SOH预测模型的确定方法的实现流程图，上述方法详述如下：
[0024]S101：获取多个样本电池的充放电数据；其中，充放电数据等时间间隔采样得到；
[0025]其中，样本电池的数量越多，样本的多样性越好，模型的准确度会更高。但同样会加大工作量，因此，样本电池的数量可根据实际应用需求设定。
[0026]需要说明的，充放电数据可以为多条，也即每个样本获取多条充放电数据，形成数据集，用于后续的模型确定。
[0027]进一步的，IC曲线的物理含义是单位电压范围内电池材料所含有的容量，绘制IC曲线仅需充放电过程中的电压及电量(容量)增量即可，采集数据较少，方便采集。
[0028]现有技术中，在充放电过程中，可以等电压间隔采样，即在电压每变化相同的幅度时进行数据采样；或等时间间隔采样，即在时间变化相同的幅度时进行数据采样。
[0029]等电压间隔采样，电压变化固定，IC曲线平滑；但若选取的电压间隔太大，则会导致数据点过少，IC曲线的特征被弱化；若选取的电压间隔太小，则受采集器精度的影响，降低测量精度，IC曲线误差较大。
[0030]等时间间隔采样，时间变化固定，采集方便，但可能会出现数据分布不均匀的情况，影响IC曲线的准确度。
[0031]本专利技术实施例中采用等时间间隔采样方式进行采样，不受采集器精度的影响，同时，可通过降低时间间隔以避免数据分布不均匀的情况，有效提高了IC曲线的准确度。
[0032]S102：针对每条充放电数据，根据该条充放电数据确定该条充放电数据对应的IC曲线，并根据该条充放电数据对应的IC曲线提取该条充放电数据的特征；
[0033]本专利技术实施例中，充放电数据包括电压及容量，根据电压及容量即可得到样本电池的IC曲线，具体参考图2。
[0034]S103：根据各条充放电数据的特征，确定电池SOH预测模型；其中，电池的SOH与充放电数据的特征线性相关。
[0035]由于电池的SOH与一些特征具有线性关系，因此，本专利技术实施例中根据各条充放电数据对应的特征寻找该线性关系，从而建立电池SOH预测模型，利用该模型对电池的SOH进行准确预测。
[0036]本专利技术实施例中通过IC曲线提取电池特征，进而建立预测模型预测电池的SOH。由于该模型基于SOH与特征的线性关系确定，计算简单，采用该模型进行预测计算量小，速度快。且本方案充放电数据等间隔取样，对采集器的精度的要求不高，有效降低了数据误差，进一步提高了预测精度。
[0037]在一种可能的实施方式中，S102可以包括：
[0038]S1021：根据该条充放电数据形成该条充放电数据对应的初始IC曲本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池SOH预测模型的确定方法，其特征在于，包括：获取多个样本电池的充放电数据；其中，所述充放电数据等时间间隔采样得到；针对每条充放电数据，根据该条充放电数据确定该条充放电数据对应的IC曲线，并根据该条充放电数据对应的IC曲线提取该条充放电数据的特征；根据各条充放电数据的特征，确定电池SOH预测模型；其中，电池的SOH与所述充放电数据的特征线性相关。2.根据权利要求1所述的电池SOH预测模型的确定方法，其特征在于，所述根据该条充放电数据确定该条充放电数据对应的IC曲线，包括：根据该条充放电数据形成该条充放电数据对应的初始IC曲线；对该条充放电数据对应的初始IC曲线进行滤波，得到该条充放电数据对应的IC曲线。3.根据权利要求2所述的电池SOH预测模型的确定方法，其特征在于，所述对该条充放电数据对应的初始IC曲线进行滤波，得到该条充放电数据对应的IC曲线，包括：采用高斯滤波结合卡尔曼滤波对该条充放电数据对应的初始IC曲线进行滤波，得到该条充放电数据对应的IC曲线。4.根据权利要求1所述的电池SOH预测模型的确定方法，其特征在于，所述根据该条充放电数据对应的IC曲线提取该条充放电数据的特征，包括：确定该条充放电数据对应的IC曲线的峰值点；根据该条充放电数据对应的IC曲线的峰值点，得到该条充放电数据的特征。5.根据权利要求4所述的电池SOH预测模型的确定方法，其特征在于，该条充放电数据对应的IC曲线的峰值点至少为两个；该条充放电数据的特征为多个；所述根据该条充放电数据对应的IC曲线的峰值点，得到该条充放电数据的特征，包括：将该条充放电数据对应的IC曲线的峰值点中...

【专利技术属性】
技术研发人员：余云娇，李镇，王世泽，
申请(专利权)人：科华数据股份有限公司，
类型：发明
国别省市：