【技术实现步骤摘要】
本专利技术属于储能电池，具体涉及一种基于生存分析的电池剩余寿命预测方法和系统。
技术介绍
1、在电池应用领域，对电池寿命的准确预测至关重要。电池寿命的预测不仅影响着电动汽车、移动设备等产品的性能和可靠性，还直接关系到用户的使用体验和生产成本。然而，电池的寿命受多种因素影响，包括充放电循环次数、工作温度、充电速率、深度充放电等。为了准确预测电池的剩余寿命，研究人员和工程师们一直在寻找各种方法。传统的电池寿命预测方法主要基于对电池历史数据的分析和物理模型的建立。通过收集并分析电池的充放电循环次数、电压、温度等参数，然后利用统计分析方法或物理模型进行预测。然而，这种方法存在一定的局限性，特别是在面对截断型数据时。
2、在实际应用中，由于电池的使用环境和工作条件的不同，研究期限内，部分电池可能会提前无效或报废，而另一部分电池仍然在继续使用。这导致了所收集到的电池数据是截断型的，即观察到的数据仅反映了在观察期间的电池情况，而未观察到的未来发生报废的电池信息不在数据中。传统的分析方法往往无法很好地处理这种截断型数据，导致对电池寿命的预测存在一定的偏差和不确定性。
技术实现思路
1、本专利技术的目的就在于提供一种基于生存分析的电池剩余寿命预测方法和系统，以解决
技术介绍
中提出的问题。
2、本专利技术通过以下技术方案来实现上述目的：
3、第一方面、本专利技术提出了一种基于生存分析的电池剩余寿命预测方法，所述方法包括：
4、获取样本电池充放电历史数据中温
5、构建加速失效时间模型，构建加速失效时间模型，通过所述训练集对所述加速失效时间模型进行训练以拟合模型，采用最大似然估计法和所述测试集对加速失效时间模型进行参数优化，确定最终的加速失效时间模型；
6、采集目标电池当前状态下的所述指标数据集并确定目标验证集，将所述目标验证集输入最终的加速失效时间模型中，根据模型输出确定目标电池的剩余寿命。
7、进一步的，所述指标数据集包括样本电池如下指标：低温充电时长、高温充电时长、高温放电时长、低温放电时长、大电流充电时长、大电流放电时长、放电深度soc<15％的持续时长、放电深度soc<10％的持续时长、放电深度soc<5％的持续时长、电池当前的日历寿命。
8、进一步的，所述预处理包括：对所述指标数据集进行处理缺失值、检测并处理异常值、数据转换和标准化、去除重复数据以及统一数据格式。
9、进一步的，所述构建加速失效时间模型包括如下步骤：
10、(1)定义事件为电池报废，将所述指标数据集作为风险集合，将指标数据集内各指标作为协变量；
11、(2)根据上述事件、所述风险集合和所述协变量构建加速失效时间模型，其中，生存时间为电池剩余寿命，并基于如下公式实施：
12、log(t)＝β0+β1*x1+β2*x2+…+βp*xp+
13、其中，t为所述生存时间，x1,x2,…,xp为所述协变量，β0,β1,…,βp为加速失效时间模型参数，是误差项。
14、进一步的，构建所述加速失效时间模型还包括：采用对数正态分布、指数分布或魏布尔分布中的任一个作为所述误差项的分布假设。
15、进一步的，所述采用最小化残差平方算法和所述测试集对加速失效时间模型进行参数优化，确定最终的加速失效时间模型，包括如下步骤：
16、(1)构建似然函数：令所述生存时间t服从weibull分布，其密度函数为f(t)，生存函数为s(t)，风险函数为h(t)，则似然函数如下式：
17、
18、其中，θ是似然函数模型参数，ti是第i个观测的失效时间，δi是指示变量，当δi＝1时表示失效事件发生，当δi＝0时表示截尾；γ是形状参数，λ是尺度参数，在aft模型中，λ＝exp(β0+β'x)，其中β是协变量的系数，x是协变量向量；
19、(2)优化似然函数：最大化对数似然函数logl(θ)：
20、
21、(3)求解参数：使用数值优化方法来求解导数为零的参数值，此时求得的参数值β0,β1,...,βp即为所述加速失效时间模型参数。
22、第二方面、本专利技术提出了一种基于生存分析的电池剩余寿命预测系统，所述系统包括：
23、数据采集模块，用于获取样本电池充放电历史数据中温度值、电流值、soc值和时间信息，形成指标数据集，将预处理后的所述指标数据集划分为训练集和测试集；
24、模型确定模块，用于构建加速失效时间模型，通过所述训练集对所述加速失效时间模型进行训练以拟合模型，采用最大似然估计法和所述测试集对加速失效时间模型进行参数优化，确定最终的加速失效时间模型；
25、寿命预测模块，用于采集目标电池当前状态下的所述指标数据集并确定目标验证集，将所述目标验证集输入最终的加速失效时间模型中，根据模型输出确定目标电池的剩余寿命。
26、本专利技术的有益效果在于：
27、(1)本专利技术中预测方法可以更好地处理截断型数据，即研究期限内观察到的数据仅反映了在观察期间的电池情况，而未观察到的未来发生报废的电池信息不在数据中，提高了估计的准确性。
28、(2)本专利技术通过结合电池历史数据和剩余寿命事件发生的概率，能够准确估计电池的剩余寿命，为设备的维护提供了重要依据。
29、(3)本专利技术中预测方法简单易行，适用于各种类型的电池，在实际应用中具有广泛的应用前景。
本文档来自技高网...【技术保护点】
1.一种基于生存分析的电池剩余寿命预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于生存分析的电池剩余寿命预测方法，其特征在于：所述指标数据集包括样本电池如下指标：低温充电时长、高温充电时长、高温放电时长、低温放电时长、大电流充电时长、大电流放电时长、放电深度soc<15％的持续时长、放电深度soc<10％的持续时长、放电深度soc<5％的持续时长、电池当前的日历寿命。
3.根据权利要求2所述的一种基于生存分析的电池剩余寿命预测方法，其特征在于：所述预处理包括：对所述指标数据集进行处理缺失值、检测并处理异常值、数据转换和标准化、去除重复数据以及统一数据格式。
4.根据权利要求2所述的一种基于生存分析的电池剩余寿命预测方法，其特征在于：所述构建加速失效时间模型包括如下步骤：
5.根据权利要求4所述的一种基于生存分析的电池剩余寿命预测方法，其特征在于：构建所述加速失效时间模型还包括：采用对数正态分布、指数分布或魏布尔分布中的任一个作为所述误差项的分布假设。
6.根据权利要求4所述的一种基
7.一种基于生存分析的电池剩余寿命预测系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于生存分析的电池剩余寿命预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于生存分析的电池剩余寿命预测方法，其特征在于：所述指标数据集包括样本电池如下指标：低温充电时长、高温充电时长、高温放电时长、低温放电时长、大电流充电时长、大电流放电时长、放电深度soc<15％的持续时长、放电深度soc<10％的持续时长、放电深度soc<5％的持续时长、电池当前的日历寿命。
3.根据权利要求2所述的一种基于生存分析的电池剩余寿命预测方法，其特征在于：所述预处理包括：对所述指标数据集进行处理缺失值、检测并处理异常值、数据转换和标准化、去除重复数据以及统一...
【专利技术属性】
技术研发人员：褚兰，王云，鲍伟，姜明军，沈永柏，孙艳，江梓贤，刘欢，
申请(专利权)人：力高山东新能源技术股份有限公司，
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。