一种锂电池健康状态预测评估方法技术

本发明专利技术涉及状态管理数据预测技术领域，具体涉及一种锂电池健康状态预测评估方法。该方法构建参考边缘分析每个锂电池分区外部结构的形变及破损老化程度，获取对应分区的锂电池膨胀指数和保护膜褶皱系数，然后根据外部保护膜的颜色信息获取保护膜褪色指数；结合外部结构形变及破损褪色程度，构建锂电池健壮强度为目标特征，并结合CA显著性算法获取对应分区的显著性值；利用显著性值评估待测锂电池组的健康状态，并定期采集获取实时健康状态数据序列，预测锂电池组的健康状态。本发明专利技术通过分析锂电池的结构变形及老化程度，将纹理及颜色信息融合为目标特征，获取锂电池分区显著性值，进而得到更全面准确的健康状态数据，提高了预测的准确性。测的准确性。测的准确性。

【技术实现步骤摘要】
一种锂电池健康状态预测评估方法


[0001]本专利技术涉及状态管理数据预测
，具体涉及一种锂电池健康状态预测评估方法。

技术介绍

[0002]随着电力科技的发展，锂电池因具有能量密度高、寿命长以及可自由组合以适配不同电源需求等优点，被广泛地应用于人类的生产生活中。然而锂电池的工作环境及工作强度等因素会很大程度的影响其健康状态，而带病运行又将直接影响整个锂电池组的寿命，故对锂电池进行定期健康状态评估及预测至关重要。
[0003]现有技术中的预测算法需要基于准确的历史信息实现准确的数据预测，而传统的锂电池健康状况检测通常是对锂电池组工作中的各项参数如电流、电压等进行监控，观察其是否发生异常变化进而对锂电池组的健康状态进行评估。然而这种办法仅能分析锂电池组的整体运行状况，并不能有效检测出锂电池组的结构变形、损伤或老化等异常，所获取的健康状态数据并不全面且不准确，影响对锂电池组健康状态的评估预测。

技术实现思路

[0004]为了解决现有检测手段获取的健康状态数据不全面准确，影响对锂电池组健康状态的评估预测的技术问题，本专利技术的目的在于提供一种锂电池健康状态预测评估方法，所采用的技术方案具体如下：本专利技术提出了一种锂电池健康状态预测评估方法，所述方法包括：获取单排待测锂电池组的侧表面图像；所述侧表面图像包含锂电池区域、支架区域及所有铆合槽点，且所述支架区域的主方向与所述侧表面图像的水平方向平行；获取所述锂电池区域中的边界边缘和保护膜边缘，根据所述边界边缘获取每个锂电池分区；根据所述铆合槽点构建每条所述边界边缘的参考边缘，所述参考边缘与所述支架区域的主方向垂直；在每个所述锂电池分区中，根据所述边界边缘及所述参考边缘上相同纵坐标像素点的距离获取锂电池膨胀指数；在每个所述锂电池分区中，对所述参考边缘及所述保护膜边缘进行曲率分析，获取保护膜褶皱系数；根据所述侧表面图像中像素点的颜色信息筛选褪色像素点；根据所述褪色像素点的数量获取每个所述锂电池分区的保护膜褪色指数；根据所述保护膜褶皱系数、所述保护膜褪色指数及所述锂电池膨胀指数获取锂电池健壮强度；根据所述锂电池健壮强度获取对应所述锂电池分区的显著性值；根据每个所述锂电池分区的所述显著性值评估单排待测锂电池组的健康状态；获取待测时间段内每个检测时刻下的实时单排待测锂电池组的实时健康状态；将所述实时健康状态组成的序列输入训练好的预测模型，输出预测健康状态。
[0005]进一步地，所述获取所述锂电池区域中的边界边缘和保护膜边缘，根据所述边界边缘获取每个锂电池分区包括：
获取所述锂电池区域内的所有边缘；计算所有所述边缘的长度并求长度均值，将所述长度大于等于所述长度均值的边缘作为边界边缘，所述长度小于所述长度均值的边缘作为保护膜边缘；以第一个所述边界边缘开始，按预设排列顺序将每两个所述边界边缘所分割区域作为一个锂电池分区。
[0006]进一步地，所述根据所述边界边缘及所述参考边缘上相同纵坐标像素点的距离获取锂电池膨胀指数包括：在每个所述锂电池分区中，计算所述边界边缘及所述参考边缘上的每个相同纵坐标像素点的欧氏距离的方差，所述方差为对应所述锂电池分区的锂电池膨胀指数。
[0007]进一步地，所述获取对应所述锂电池分区的保护膜褶皱系数包括：在每个所述锂电池分区内，获取所述参考边缘上每个像素点的参考曲率，获取所述保护膜边缘上的像素点的目标曲率；计算相同纵坐标像素点的所述目标曲率与所述参考曲率的曲率差异，将所述曲率差异求和，得到对应所述锂电池分区的保护膜褶皱系数。
[0008]进一步地，所述褪色像素点的获取方法包括：获取预设标准HSV值；获取每个所述锂电池分区内的每个像素点的HSV值，将HSV值小于预设标准HSV值的像素点标记为褪色像素点。
[0009]进一步地，所述根据所述褪色像素点的数量获取每个所述锂电池分区的保护膜褪色指数包括：在每个所述锂电池分区中，获取所述褪色像素点的数量，计算所述褪色像素点的数量与所述锂电池分区的像素点总数的比值，所述比值为保护膜褪色指数。
[0010]进一步地，所述根据所述保护膜褶皱系数、所述保护膜褪色指数及所述锂电池膨胀指数获取锂电池健壮强度包括：将所述保护膜褶皱系数及所述保护膜褪色指数相乘获取对应所述锂电池区域的老化指数；计算所述老化指数与所述锂电池膨胀指数的乘积，将所述乘积进行负映射并归一化，获得锂电池健壮强度。
[0011]进一步地，所述根据所述锂电池健壮强度获取对应所述锂电池分区的显著性值包括：将任意一个所述锂电池分区与所有所述锂电池分区的所述锂电池健壮强度的差值作为目标特征距离差值，根据所述目标特征距离差值，利用CA显著性算法计算对应所述锂电池分区的显著性值。
[0012]进一步地，所述根据每个所述锂电池分区的所述显著性值评估所述单排待测锂电池组的健康状态包括：将每个所述锂电池分区对应的所述显著性值进行归一化，将归一化值大于预设阈值的所述锂电池分区作为非健康锂电池区域，将归一化值小于等于预设阈值的所述锂电池分区作为健康锂电池区域；获取所述非健康锂电池区域的数量，将所述非健康锂电池的数量与所述锂电池分区的总数量的比值作为所述健康状态。
[0013]进一步地，所述预测模型为根据ARIMA时序预测算法构成的模型。
[0014]本专利技术具有如下有益效果：本专利技术考虑到现有检测手段获取的健康状态数据不全面准确，影响对锂电池组健康状态的评估预测。为获取全面准确的锂电池健康状态数据，提高预测评估准确性，本专利技术首先获取单排待测锂电池组的侧表面图像中的锂电池区域、支架区域及铆合槽点；支架区域主方向与侧表面水平方向平行，以确保每个锂电池单体的侧表面均被完整采集，进而便于后续的分析；然后获取锂电池区域内的边界边缘和保护膜边缘，根据边界边缘构建锂电池分区；考虑到铆合槽点是单排待测锂电池组铆合槽上的点，在电池膨胀时位置参数不变，使参考边缘具有很强的鲁棒性及参考价值，故根据铆合槽点构建每条边界边缘对应的参考边缘；通过在对应锂电池分区中计算边界边缘及参考边缘上相同纵坐标像素点的相对距离判断对应分区的锂电池膨胀指数；考虑到锂电池保护膜边缘的曲率能够反映锂电池老化程度的纹理信息，锂电池保护膜上的颜色能够反映锂电池老化程度的颜色信息，根据锂电池保护膜上的纹理信息和颜色信息融合获取锂电池老化指数，进一步结合反映锂电池形变的锂电池膨胀指数获取锂电池健壮强度，将反映锂电池外在结构、纹理信息及颜色信息的特征信息的锂电池健壮强度作为目标特征获取每个锂电池分区的显著性值，更易于获取每个锂电池区域的差异，进而根据差异获取更准确全面的待测锂电池组的健康状态数据，再根据待测时间段内所获取的实时健康状态数据预测锂电池组的健康状态。本专利技术通过分析锂电池的结构变形及老化程度，同时将结构的纹理信息及颜色信息融合作为目标特征，获取更为准确的锂电池分区显著性值，进一步获取了更全面准确的健康状态数据，相比现有技术提高了锂电池健康状态评估及预测的准确性。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电池健康状态预测评估方法，其特征在于，所述方法包括：获取单排待测锂电池组的侧表面图像；所述侧表面图像包含锂电池区域、支架区域及所有铆合槽点，且所述支架区域的主方向与所述侧表面图像的水平方向平行；获取所述锂电池区域中的边界边缘和保护膜边缘，根据所述边界边缘获取每个锂电池分区；根据所述铆合槽点构建每条所述边界边缘的参考边缘，所述参考边缘与所述支架区域的主方向垂直；在每个所述锂电池分区中，根据所述边界边缘及所述参考边缘上相同纵坐标像素点的距离获取锂电池膨胀指数；在每个所述锂电池分区中，对所述参考边缘及所述保护膜边缘进行曲率分析，获取保护膜褶皱系数；根据所述侧表面图像中像素点的颜色信息筛选褪色像素点；根据所述褪色像素点的数量获取每个所述锂电池分区的保护膜褪色指数；根据所述保护膜褶皱系数、所述保护膜褪色指数及所述锂电池膨胀指数获取锂电池健壮强度；根据所述锂电池健壮强度获取对应所述锂电池分区的显著性值；根据每个所述锂电池分区的所述显著性值评估单排待测锂电池组的健康状态；获取待测时间段内每个检测时刻下的实时单排待测锂电池组的实时健康状态；将所述实时健康状态组成的序列输入训练好的预测模型，输出预测健康状态。2.根据权利要求1所述的一种锂电池健康状态预测评估方法，其特征在于，所述获取所述锂电池区域中的边界边缘和保护膜边缘，根据所述边界边缘获取每个锂电池分区包括：获取所述锂电池区域内的所有边缘；计算所有所述边缘的长度并求长度均值，将所述长度大于等于所述长度均值的边缘作为边界边缘，所述长度小于所述长度均值的边缘作为保护膜边缘；以第一个所述边界边缘开始，按预设排列顺序将每两个所述边界边缘所分割区域作为一个锂电池分区。3.根据权利要求1所述的一种锂电池健康状态预测评估方法，其特征在于，所述根据所述边界边缘及所述参考边缘上相同纵坐标像素点的距离获取锂电池膨胀指数包括：在每个所述锂电池分区中，计算所述边界边缘及所述参考边缘上的每个相同纵坐标像素点的欧氏距离的方差，所述方差为对应所述锂电池分区的锂电池膨胀指数。4.根据权利要求1所述的一种锂电池健康状态预测评估方法，其特征在于，所述获取对应所述锂电池分区的保护膜褶皱系数包括：在每个所述锂电池分区内，获取所述参考边缘上每个像...

【专利技术属性】
技术研发人员：李俊峰，程继灿，高中兴，
申请(专利权)人：济宁市无界科技有限公司，
类型：发明
国别省市：