【技术实现步骤摘要】
本专利技术属于电池管理，尤其涉及一种电池剩余循环寿命预测方法、装置、介质及设备。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、动力电池的剩余循环寿命是指在当前电池健康状态下，电池能够再经历多少次充放电循环而不会失效。
3、准确预测电池的剩余循环寿命(remaining useful life，rul)对于电池管理、维护和更换至关重要。现有的方法通常需要详细了解电池的内部结构和材料特性，耗时长，并且易受不确定因素影响，例如温度、工况、soc等。然而，目前大多使用神经网络进行电池soc等数据的预测，这种方法受前期训练数据影响加大，且预测过程中误差不可控，易造成剩余循环寿命预测精度下降。
技术实现思路
1、为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种电池剩余循环寿命预测方法、装置、介质及设备，通过神经网络和半物理模型(semi-physical model,spm)的交互，不仅实现了电池状态预测误差的监控，还能不断优化神经网络和spm模型，保障模型的预测精度，提高剩余循环寿命预测的准确性。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术的第一个方面提供一种电池剩余循环寿命预测方法。
4、一种电池剩余循环寿命预测方法，包括：
5、获取若干历史时刻的电池状态，所述电池状态包括电压、电流、soc、soh和内阻；
6、基于若干历史
7、基于神经网络预测得到的下一时刻的电池状态，计算电池剩余循环寿命。
8、进一步地，所述spm模型根据预测得到的soc，计算电池内部的电压，具体步骤包括：
9、基于预测得到的soc，通过电压与soc的对应关系曲线，模拟得到电压；
10、若模拟的电压与神经网络预测的下一时刻的电压之间的误差超过设定值，则将模拟的电压作为spm模型输出的电压，否则，将神经网络预测的下一时刻的电压作为spm模型输出的电压。
11、进一步地，所述spm模型根据预测得到的soh，计算电池内部的内阻，具体步骤包括：
12、计算神经网络预测得到的下一时刻的内阻与基准内阻的比值，模拟得到电池的soh；
13、若模拟的soh与神经网络预测的下一时刻的soh之间的误差超过设定值，则基于神经网络预测的下一时刻的soh和基准内阻，计算电池内部的内阻，作为spm模型输出的内阻；否则，将神经网络预测的下一时刻的内阻作为spm模型输出的内阻。
14、进一步地，所述历史时刻的电压和内阻，通过在高频脉冲电流中提取特征得到。
15、本专利技术的第二个方面提供一种电池剩余循环寿命预测装置。
16、一种电池剩余循环寿命预测装置，包括：
17、数据获取模块，其被配置为：获取若干历史时刻的电池状态，所述电池状态包括电压、电流、soc、soh和内阻；
18、交互预测模块，其被配置为：基于若干历史时刻的电池状态数据，通过神经网络，预测得到下一时刻的电池状态后，spm模型根据预测得到的soc和soh，计算得到电池内部的电压、电流和内阻；若spm模型计算得到的电压、电流和内阻与神经网络预测的一致，则spm模型根据神经网络预测得到的下一时刻的电池状态，调整电池物理化学参数；否则，基于spm模型计算得到的电压、电流和内阻与lstm神经网络预测得到的soc和soh作为一组训练数据，对神经网络进行微调训练后，重新预测下一时刻的电池状态；
19、寿命计算模块，其被配置为：基于神经网络预测得到的下一时刻的电池状态，计算电池剩余循环寿命。
20、进一步地，所述spm模型根据预测得到的soc，计算电池内部的电压，具体步骤包括：
21、基于预测得到的soc，通过电压与soc的对应关系曲线，模拟得到电压；
22、若模拟的电压与神经网络预测的下一时刻的电压之间的误差超过设定值，则将模拟的电压作为spm模型输出的电压，否则，将神经网络预测的下一时刻的电压作为spm模型输出的电压。
23、进一步地，所述spm模型根据预测得到的soh，计算电池内部的内阻，具体步骤包括：
24、计算神经网络预测得到的下一时刻的内阻与基准内阻的比值，模拟得到电池的soh；
25、若模拟的soh与神经网络预测的下一时刻的soh之间的误差超过设定值，则基于神经网络预测的下一时刻的soh和基准内阻，计算电池内部的内阻，作为spm模型输出的内阻；否则，将神经网络预测的下一时刻的内阻作为spm模型输出的内阻。
26、进一步地，所述历史时刻的电压和内阻，通过在高频脉冲电流中提取特征得到。
27、本专利技术的第三个方面提供一种计算机可读存储介质。
28、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的一种电池剩余循环寿命预测方法中的步骤。
29、本专利技术的第四个方面提供一种计算机设备。
30、一种计算机设备，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计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的一种电池剩余循环寿命预测方法中的步骤。
31、与现有技术相比，本专利技术的有益效果是：
32、本专利技术通过神经网络和spm模型的交互，不仅实现了电池状态预测误差的监控，还能不断优化神经网络和spm模型，保障模型的预测精度，提高剩余循环寿命预测的准确性。
本文档来自技高网...【技术保护点】
1.一种电池剩余循环寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的一种电池剩余循环寿命预测方法，其特征在于，所述SPM模型根据预测得到的SOC，计算电池内部的电压，具体步骤包括：
3.根据权利要求1所述的一种电池剩余循环寿命预测方法，其特征在于，所述SPM模型根据预测得到的SOH，计算电池内部的内阻，具体步骤包括：
4.根据权利要求1所述的一种电池剩余循环寿命预测方法，其特征在于，所述历史时刻的电压和内阻，通过在高频脉冲电流中提取特征得到。
5.一种电池剩余循环寿命预测装置，其特征在于，包括：
6.根据权利要求5所述的一种电池剩余循环寿命预测装置，其特征在于，所述SPM模型根据预测得到的SOC，计算电池内部的电压，具体步骤包括：
7.根据权利要求5所述的一种电池剩余循环寿命预测装置，其特征在于，所述SPM模型根据预测得到的SOH，计算电池内部的内阻，具体步骤包括：
8.根据权利要求5所述的一种电池剩余循环寿命预测装置，其特征在于，所述历史时刻的电压和内阻，通过在高频脉冲电流中提取特征得
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的一种电池剩余循环寿命预测方法中的步骤。
10.一种计算机设备，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计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的一种电池剩余循环寿命预测方法中的步骤。
...【技术特征摘要】
1.一种电池剩余循环寿命预测方法，其特征在于，包括：
2.根据权利要求1所述的一种电池剩余循环寿命预测方法，其特征在于，所述spm模型根据预测得到的soc，计算电池内部的电压，具体步骤包括：
3.根据权利要求1所述的一种电池剩余循环寿命预测方法，其特征在于，所述spm模型根据预测得到的soh，计算电池内部的内阻，具体步骤包括：
4.根据权利要求1所述的一种电池剩余循环寿命预测方法，其特征在于，所述历史时刻的电压和内阻，通过在高频脉冲电流中提取特征得到。
5.一种电池剩余循环寿命预测装置，其特征在于，包括：
6.根据权利要求5所述的一种电池剩余循环寿命预测装置，其特征在于，所述spm模型根据预测得到的soc，计算电池内部的...
【专利技术属性】
技术研发人员：刘涛，海滨，朱曾丽，刘建明，袁康，
申请(专利权)人：奇瑞汽车股份有限公司，
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。