【技术实现步骤摘要】
本申请涉及电池管理，具体涉及一种电池衰减的数据处理方法及装置。
技术介绍
1、锂离子电池被广泛应用于各种能源存储系统中，其运行的安全性和效率依赖于对其剩余使用寿命的准确预测。通常采用rul预测模型进行剩余使用寿命预测。然而，在许多情况下，需要进行数据集扩增，旨在通过增加数据样本的多样性和数量来改善模型性能。
2、现有的数据集扩增方法主要有：基于插值的数据扩增、收集更多数据量以及调节模型超参数以优化模型结构。然而这些方法存在以下不足：基于插值的数据扩增方法，通常是假设数据是线性的，不适用于电池非线性的特性。收集更多数据量会花费更多的时间成本和测试成本，且不适用与电池数据量极为有限的情况。调节模型超参数，不适用于电池数据量少的情形，且实现过程较为复杂。
技术实现思路
1、本申请的实施例提供一种电池衰减的数据处理方法及装置，以适用于在电池样本数据稀缺情况下的电池寿命预测，增加数据集的丰富性，提高电池寿命预测精度。
2、为了解决上述技术问题，本申请的实施例公开了如下技术方案：
3、第一方面，提供了一种电池衰减的数据处理方法，包括：将所述电池的当前衰减数据输入到预先构建的基于非线性积分项的维纳过程的电池衰减预测模型中进行拟合，得到电池衰减预测模型的参数估计模型；
4、根据所述参数估计模型对所述电池衰减预测模型的各个参数进行估计，得到所述电池衰减预测模型的各个参数的估计值；
5、根据所述电池衰减预测模型的各个参数的估计值和所述电池衰减
6、按照预设评估指标对所述重构数据集进行评估与更新。
7、结合第一方面，所述基于非线性积分项的维纳过程的电池衰减预测模型中非线性积分项包括指数函数、对数函数和幂函数中的一种或多种。
8、结合第一方面，所述电池衰减预测模型的参数估计模型为电池衰减预测模型的对数似然方程；
9、所述根据所述参数估计模型对所述电池衰减预测模型的各个参数进行估计，包括：
10、对所述电池衰减预测模型的对数似然方程依次进行简化处理和求解偏导数，得到所述电池衰减预测模型的各个参数的估计值。
11、结合第一方面，所述电池衰减预测模型的各个参数包括第一部分参数和第二部分参数；
12、所述对所述电池衰减预测模型的对数似然方程依次进行简化处理和求解偏导数，得到所述电池衰减预测模型的各个参数的估计值，包括：
13、对所述电池衰减预测模型的对数似然方程进行简化处理，得到简化后的对数似然方程；
14、对所述简化后的对数似然方程求解偏导数，得到所述电池衰减预测模型的第一部分参数的估计值；
15、将所述电池衰减预测模型的第一部分参数的估计值代入所述简化后的对数似然方程，得到所述电池衰减预测模型的第二部分参数的估计值。
16、结合第一方面，所述根据所述电池衰减预测模型的各个参数的估计值和所述电池衰减预测模型对所述电池的当前衰减数据进行重构，包括：
17、将所述电池衰减预测模型的各个参数的估计值作为先验分布，基于贝叶斯理论，计算所述电池衰减预测模型的各个参数的后验分布；
18、根据所述电池衰减预测模型的各个参数的后验分布确定各个参数的更新参数，并将各个参数的更新参数输入到所述电池衰减预测模型中，以对所述电池的当前衰减数据进行重构。
19、结合第一方面，所述预设评估指标至少包括相关系数评价指标、衰减率评价指标和欧几里得距离评价指标中的一种或多种。
20、结合第一方面，所述预设评估指标包括相关系数评价指标、衰减率评价指标和欧几里得距离评价指标；
21、所述按照预设评估指标对所述重构数据集进行评估与更新，包括：
22、依次按照所述相关系数评价指标、所述衰减率评价指标和所述欧几里得距离评价指标对所述重构数据集进行评估与更新。
23、结合第一方面，所述重构数据集包括多组重构曲线；
24、所述依次按照所述相关系数评价指标、所述衰减率评价指标和所述欧几里得距离评价指标对所述重构数据集进行评估与更新，包括：
25、获取所述电池的真实衰减数据，计算各组重构曲线与所述真实衰减数据之间的相关系数，筛选出相关系数大于预设相关系数的重构曲线，并记为第一数据集；
26、计算所述第一数据集中各组重构曲线的真实衰减率，筛选出真实衰减率满足预设衰减率条件的重构曲线，并记为第二数据集；
27、计算所述第二数据集中各组重构曲线的欧几里得距离，筛选出欧几里得距离最小的重构曲线，并记为第三数据集；
28、并通过所述第三数据集对应的重构曲线的各个参数更新所述电池衰减预测模型的各个参数。
29、结合第一方面，在所述按照预设评估指标对所述重构数据集进行评估与更新之后，还包括：
30、将按照预设评估指标进行评估与更新后的重构数据集返回并重复执行输入到预先构建的基于非线性积分项的维纳过程的电池衰减预测模型中进行拟合的操作，直至重构数据集趋于稳定。
31、第二方面，提供了一种电池衰减的数据处理装置，包括：拟合模块，用于将所述电池的当前衰减数据输入到预先构建的基于非线性积分项的维纳过程的电池衰减预测模型中进行拟合，得到电池衰减预测模型的参数估计模型；
32、参数估计模块，用于根据所述参数估计模型对所述电池衰减预测模型的各个参数进行估计，得到所述电池衰减预测模型的各个参数的估计值；
33、重构模块，用于根据所述电池衰减预测模型的各个参数的估计值和所述电池衰减预测模型对所述电池的当前衰减数据进行重构，得到所述电池的当前衰减数据的重构数据集；
34、评估与更新模块，用于按照预设评估指标对所述重构数据集进行评估与更新。
35、上述技术方案中的一个技术方案具有如下优点或有益效果：
36、与现有技术相比，本申请的一种电池衰减的数据处理方法，包括：将电池的当前衰减数据输入到预先构建的基于非线性积分项的维纳过程的电池衰减预测模型中进行拟合，得到电池衰减预测模型的参数估计模型；根据参数估计模型对电池衰减预测模型的各个参数进行估计，得到电池衰减预测模型的各个参数的估计值；根据电池衰减预测模型的各个参数的估计值和电池衰减预测模型对电池的当前衰减数据进行重构，得到电池的当前衰减数据的重构数据集；按照预设评估指标对重构数据集进行评估与更新。本申请提供的电池衰减的数据处理方法通过构建基于非线性积分项的维纳过程的电池衰减预测模型，可以实现对电池的衰减数据进行重构，增加电池衰减数据集的丰富性，能够准确的捕捉电池数据非线性的特性，并且能够保持电池衰减数据的时间序列特性和物理一致性，为电池寿命预测提供更为真实和多样化的训练数据，适用于电池数据样本稀缺的情形。并且还通过预设评估指标对重构数据集进行评估与更新，进一步提高电池衰减数本文档来自技高网...
【技术保护点】
1.一种电池衰减的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的电池衰减的数据处理方法，其特征在于，所述基于非线性积分项的维纳过程的电池衰减预测模型中非线性积分项包括指数函数、对数函数和幂函数中的一种或多种。
3.根据权利要求1所述的电池衰减的数据处理方法，其特征在于，所述电池衰减预测模型的参数估计模型为电池衰减预测模型的对数似然方程；
4.根据权利要求3所述的电池衰减的数据处理方法，其特征在于，所述电池衰减预测模型的各个参数包括第一部分参数和第二部分参数；
5.根据权利要求1所述的电池衰减的数据处理方法，其特征在于，所述根据所述电池衰减预测模型的各个参数的估计值和所述电池衰减预测模型对所述电池的当前衰减数据进行重构，包括：
6.根据权利要求1所述的电池衰减的数据处理方法，其特征在于，所述预设评估指标至少包括相关系数评价指标、衰减率评价指标和欧几里得距离评价指标中的一种或多种。
7.根据权利要求6所述的电池衰减的数据处理方法，其特征在于，所述预设评估指标包括相关系数评价指标、衰减率评价指标和欧几里
8.根据权利要求7所述的电池衰减的数据处理方法，其特征在于，所述重构数据集包括多组重构曲线；
9.根据权利要求8所述的电池衰减的数据处理方法，其特征在于，在所述按照预设评估指标对所述重构数据集进行评估与更新之后，还包括：
10.一种电池衰减的数据处理装置，其特征在于，包括：
...【技术特征摘要】
1.一种电池衰减的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的电池衰减的数据处理方法，其特征在于，所述基于非线性积分项的维纳过程的电池衰减预测模型中非线性积分项包括指数函数、对数函数和幂函数中的一种或多种。
3.根据权利要求1所述的电池衰减的数据处理方法，其特征在于，所述电池衰减预测模型的参数估计模型为电池衰减预测模型的对数似然方程；
4.根据权利要求3所述的电池衰减的数据处理方法，其特征在于，所述电池衰减预测模型的各个参数包括第一部分参数和第二部分参数；
5.根据权利要求1所述的电池衰减的数据处理方法，其特征在于，所述根据所述电池衰减预测模型的各个参数的估计值和所述电池衰减预测模型对所述电池...
【专利技术属性】
技术研发人员：唐子轩，王栋栋，何见超，高飞，张放南，
申请(专利权)人：蜂巢能源科技股份有限公司，
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。