一种锂离子电池健康状态及剩余使用寿命预估方法技术

本发明专利技术公开一种锂离子电池健康状态及剩余使用寿命预估方法，属于新能源电池储能技术领域；预估方法包括：S1，处理锂电池数据，分别提取与SOH和RUL相关的健康因子构建特征向量，用以生成训练样本和测试样本；S2，使用基于柯西变异的蚁狮优化算法，获取精英蚁狮位置，作为最优参数组合；S3，将S2的最优参数组合输入支持向量回归模型，并通过支持向量回归模型对S1生成的训练样本和测试样本进行训练和测试，输出SOH和RUL预估值；对传统种群算法存在局部最优停滞问题，创新性地用引入柯西变异算子，使算法及早跳出局部最优觅食位置找到全局最优解，进而来提高算法的预测精度提高了锂电池状态预测精度和准确性。状态预测精度和准确性。状态预测精度和准确性。

【技术实现步骤摘要】
一种锂离子电池健康状态及剩余使用寿命预估方法


[0001]本专利技术属于新能源电池储能
，具体涉及一种锂离子电池健康状态及剩余使用寿命预估方法。

技术介绍

[0002]锂离子电池凭借其高能量密度、低自放电率、无记忆效应和长使用寿命等优势，已成为电动汽车和储能系统的主流技术解决方案。但与此同时，锂电池在循环使用中会性能恶化，由于外部环境和内部电极材料腐蚀、隔膜老化等原因，直接影响新能源设备的安全可靠使用。因此，精确高效的锂电池健康状态预估和剩余寿命预测是电池管理系统安全运行的重要前提。
[0003]近年来提出了许多方法来锂电池健康状态(SOH)和剩余寿命(RUL)预测精度，其中包括一种基于数据驱动的方法，无需知道电池内部退化机理，已成为锂电池状态预测的主要技术之一。但基于数据驱动的建模方式需要大量且充足的训练样本数据，而锂电池实时监测数据分布呈现小样本数据、长时间窗口的特点，可利用数据更为缺乏，这会严重影响锂电池状态估计精度。

技术实现思路

[0004]针对现有技术的不足，本专利技术的目的在于提供一种锂离子电池健康状态及剩余使用寿命预估方法。
[0005]本专利技术的目的可以通过以下技术方案实现：
[0006]一种锂离子电池健康状态及剩余使用寿命预估方法，包括以下步骤：
[0007]S1，处理锂电池数据，分别提取与SOH和RUL相关的健康因子构建特征向量，用以生成训练样本和测试样本；
[0008]S2，使用基于柯西变异的蚁狮优化算法，获取精英蚁狮位置，作为最优参数组合；
[0009]S3，将S2的最优参数组合输入支持向量回归模型，并通过支持向量回归模型对S1生成的训练样本和测试样本进行训练和测试，输出SOH和RUL预估值。
[0010]进一步地，S1中，与SOH相关的健康因子包括：平均放电电压、恒流放电时间、等压升充电时间间隔以及等流降充电时间间隔；与RUL相关的健康因子包括：内阻、恒压充电时间和恒流充电时间。
[0011]进一步地，S2中，获取精英蚁狮位置的步骤包括：
[0012]S21，对每只蚂蚁和每只蚁狮的位置进行随机初始化，获得每只蚂蚁和每只蚁狮的位置；
[0013]S22，将S21得到的每只蚂蚁和每只蚁狮的位置作为参数代入支持向量回归模型进行训练，并根据均方误差建立的适应度函数来计算适应度，对所有蚂蚁和蚁狮的适应度从高到低排序，并将蚁狮种群中适应度值最优的个体作为当前的精英蚁狮；
[0014]S23，通过轮盘赌搜索对蚁狮进行优化选择，捕获蚂蚁并判断迭代终止条件；随着
蚂蚁的游走，其适应度变高并落入陷阱，此时选择出精英蚁狮并进行迭代，更新精英蚁狮；搜索过程中，根据S22所得适应度计算每次精英蚁狮的选择累计概率q
i
，随机生成r∈[0,1]，若q
i
>r，则选择该蚁狮保存为精英蚁狮；一直搜索直到达到最大迭代次数，将保存的精英蚁狮位置作为最优参数组合；当蚁狮群体中相邻两次的最优值都作为历史最优值被记录下来时，即算法陷入局部最优停滞，将进入S24；
[0015]S24，基于柯西变异更新蚂蚁和蚁狮位置；
[0016]S25，计算更新后蚂蚁的适应度，判断是否为最佳蚁狮位置；若此时位置的蚂蚁适应度高于更新蚁狮的适应度，则达到了最大精度，或者达到了算法的最大迭代次数，则获得最佳的蚁狮位置，否则算法就转至S22。
[0017]进一步地，S21中，蚂蚁根据：X(t)＝[0,cumsum(2r(t1)
‑
1),
···
,cumsum(2r(t
n
)
‑
1)]在搜索空间中随机行走；
[0018]式中：cumsum为计算累计和，r(t)为随机函数：
[0019]进一步地，S22中，适应度函数为：
[0020][0021]式中，MSE代表实际值与预测值之间的均方误差，n为训练样本集的样本数，和y
i
分别是第i个SOH和RUL的预测值和实际值。
[0022]进一步地，S23中，根据S22所得适应度计算每次精英蚁狮的选择累计概率，表达式为：
[0023][0024]进一步地，在S24中，嵌入柯西变异操作，更新蚁狮群体位置并更新最优值，将蚁狮种群中适应度最大的蚁狮位置更新为精英蚁狮的位置，其表达式为：
[0025]Ant
t
＝Ant0+Ant
o
*Cauchy(0,1)
[0026]Antlion
t
＝Antlion0+Antlion0*Cauchy(0,1)
[0027]其中，Ant0、Antlion0为原蚁狮和蚂蚁的初始位置，Ant
t
、Antlion
t
是经过柯西变异后蚁狮和蚂蚁更新的新位置，Cauchy(0,1)是t＝1时的标准柯西分布。
[0028]进一步地，S3中，获取SOH和RUL预估值的具体步骤为：
[0029]S31，将S2所得最优参数组合作为所述支持向量回归模型的参数，将S1中的训练样本输入进模型，训练出最优支持向量回归模型；
[0030]S32，通过S1得到的测试样本验证S31训练好的模型，并预测电池的SOH和RUL。
[0031]进一步地，S31中，训练出最优支持向量回归模型的具体步骤为：
[0032]1)通过一个非线性映射函数φ(x)，将低维样本映射到更高维空间，其函数关系为f(x)＝w
·
φ(x)+b；其中w是权重参数，b是偏置参数；建立目标函数：
[0033][0034][0035]其中，ξ
i
*和ξ
i
为第i个训练样本的松弛变量，ε为不敏感损失函数；C为惩罚参数；
[0036]2)通过拉格朗日求解目标函数，将寻找带有条件的最优值问题转化为无限制条件的函数，对各个参数求解偏导，利用对偶定理并加入核函数的支持向量机的回归函数式为：
[0037][0038]其中，x
i
为第i个特征输入向量，K(x
i
,x)为核函数，α
i
和α
i
*为拉格朗日乘子。
[0039]一种计算机存储介质，存储有可读程序，当程序运行时，执行上述预估方法。
[0040]本专利技术的有益效果：
[0041]1、本专利技术针对传统种群算法存在局部最优停滞问题，创新性地用引入柯西变异算子，使算法及早跳出局部最优觅食位置找到全局最优解，来提高算法的预测精度和减少算法的收敛时间，设计合理，提高了锂电池状态预测精度和准确性，对提升电池使用性能和安全性能方面具有重大意义；
[0042]2、本专利技术选择支持向量回归模型，在具有小样本、非线性特点的电池数据集上表现优秀，并通过蚁狮智能算法解决支持向量回归模型的参数选择问题，提高模型训练的泛化能力和拟合能力；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂离子电池健康状态及剩余使用寿命预估方法，其特征在于，包括以下步骤：S1，处理锂电池数据，分别提取与SOH和RUL相关的健康因子构建特征向量，用以生成训练样本和测试样本；S2，使用基于柯西变异的蚁狮优化算法，获取精英蚁狮位置，作为最优参数组合；S3，将S2的最优参数组合输入支持向量回归模型，并通过支持向量回归模型对S1生成的训练样本和测试样本进行训练和测试，输出SOH和RUL预估值。2.根据权利要求1所述的一种锂离子电池健康状态及剩余使用寿命预估方法，其特征在于，S1中，与SOH相关的健康因子包括：平均放电电压、恒流放电时间、等压升充电时间间隔以及等流降充电时间间隔；与RUL相关的健康因子包括：内阻、恒压充电时间和恒流充电时间。3.根据权利要求1所述的一种锂离子电池健康状态及剩余使用寿命预估方法，其特征在于，S2中，获取精英蚁狮位置的步骤包括：S21，对每只蚂蚁和每只蚁狮的位置进行随机初始化，获得每只蚂蚁和每只蚁狮的位置；S22，将S21得到的每只蚂蚁和每只蚁狮的位置作为参数代入支持向量回归模型进行训练，并根据均方误差建立的适应度函数来计算适应度，对所有蚂蚁和蚁狮的适应度从高到低排序，并将蚁狮种群中适应度值最优的个体作为当前的精英蚁狮；S23，通过轮盘赌搜索对蚁狮进行优化选择，捕获蚂蚁并判断迭代终止条件；随着蚂蚁的游走，其适应度变高并落入陷阱，此时选择出精英蚁狮并进行迭代，更新精英蚁狮；搜索过程中，根据S22所得适应度计算每次精英蚁狮的选择累计概率q
i
，随机生成r∈[0,1]，若q
i
>r，则选择该蚁狮保存为精英蚁狮；一直搜索直到达到最大迭代次数，将保存的精英蚁狮位置作为最优参数组合；当蚁狮群体中相邻两次的最优值都作为历史最优值被记录下来时，即算法陷入局部最优停滞，将进入S24；S24，基于柯西变异更新蚂蚁和蚁狮位置；S25，计算更新后蚂蚁的适应度，判断是否为最佳蚁狮位置；若此时位置的蚂蚁适应度高于更新蚁狮的适应度，则达到了最大精度，或者达到了算法的最大迭代次数，则获得最佳的蚁狮位置，否则算法就转至S22。4.根据权利要求3所述的一种锂离子电池健康状态及剩余使用寿命预估方法，其特征在于，S21中，蚂蚁根据：X(t)＝[0,cumsum(2r(t1)
‑
1),
···
,cumsum(2r(t
n
)
‑
1)]在搜索空间中随机行走；式中，cumsum为计算累计和，r(t)为随机函数：5.根据权利要求3所述的一种锂离子电池健康状态及剩余使用寿命预估方法，其特征在于，S22中，适应度函数...

【专利技术属性】
技术研发人员：王青松，禹安诺，
申请(专利权)人：东南大学，
类型：发明
国别省市：