本發(fā)明實(shí)施例涉及鋰電池，尤其涉及基于充電數(shù)據(jù)和增強(qiáng)鯨魚算法的鋰電池容量預(yù)測(cè)方法。

背景技術(shù)：

1、鋰電池作為一種清潔高效的儲(chǔ)能解決方案，被廣泛運(yùn)用于電動(dòng)汽車上，其應(yīng)用市場(chǎng)較為廣泛。隨著使用時(shí)間、使用次數(shù)的增加，鋰電池會(huì)出現(xiàn)容量衰減，影響電池的可靠性。因此，準(zhǔn)確估計(jì)電池容量對(duì)提高電動(dòng)汽車的安全性及性能的充分發(fā)揮具有重要意義。

2、機(jī)器學(xué)習(xí)算法也被逐漸用于電池容量預(yù)測(cè)，但是目前機(jī)器學(xué)習(xí)方法是基于電池種類建立相應(yīng)的預(yù)測(cè)模型，使用大量數(shù)據(jù)進(jìn)行數(shù)據(jù)訓(xùn)練后預(yù)測(cè)電池容量，此方法不僅對(duì)訓(xùn)練數(shù)據(jù)的需要量大且對(duì)其特征參數(shù)要求高，而且當(dāng)電池種類發(fā)生改變時(shí)預(yù)測(cè)模型便無(wú)法使用需要重新建模并訓(xùn)練。因此，在電池容量預(yù)測(cè)解決方案中，在對(duì)電池容量進(jìn)行準(zhǔn)確預(yù)測(cè)的同時(shí)如何提升預(yù)測(cè)模型的普遍適用性和減少訓(xùn)練數(shù)據(jù)量成為急需解決的關(guān)鍵問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、為了克服上述技術(shù)缺陷，本發(fā)明實(shí)施例中提供了一種基于短期充電數(shù)據(jù)和增強(qiáng)鯨魚優(yōu)化算法的鋰電池容量預(yù)測(cè)方法，能夠準(zhǔn)確預(yù)測(cè)不同種類電池的電池容量，提升容量預(yù)測(cè)準(zhǔn)確性的同時(shí)能減少訓(xùn)練數(shù)據(jù)量。

2、本發(fā)明實(shí)施例中提供的一種基于短期充電數(shù)據(jù)和增強(qiáng)鯨魚優(yōu)化算法的鋰電池容量預(yù)測(cè)方法，包括：

3、在對(duì)不同類型電池循環(huán)充放電測(cè)試過(guò)程中，實(shí)時(shí)采集記錄電池的充放電數(shù)據(jù)并且提取短期充電數(shù)據(jù)，充放電數(shù)據(jù)包括充電時(shí)間、電壓、電流和容量數(shù)據(jù)，短期充電數(shù)據(jù)是在預(yù)設(shè)的短期充電時(shí)長(zhǎng)內(nèi)對(duì)充電電壓、電流數(shù)據(jù)進(jìn)行樣條插值處理后得到；

4、基于增強(qiáng)鯨魚優(yōu)化算法從短期充電數(shù)據(jù)中通過(guò)迭代尋優(yōu)提取電池老化特征，其中增強(qiáng)鯨魚優(yōu)化算法是在經(jīng)典鯨魚優(yōu)化算法中引入了池化機(jī)制、遷移搜索策略、優(yōu)先選擇搜索策略和包圍獵物搜索策略改進(jìn)后的得到，電池老化特征為與電池容量相關(guān)性最強(qiáng)的充電時(shí)間區(qū)間對(duì)應(yīng)的電壓區(qū)間的電壓增量；

5、對(duì)于不同類型電池或同種類型電池，將充放電數(shù)據(jù)和老化特征輸入高斯過(guò)程回歸模型中預(yù)測(cè)得到電池容量預(yù)測(cè)值，其中高斯過(guò)程回歸模型是基于高斯過(guò)程回歸算法構(gòu)建。

6、可選的，在上述鋰電池容量預(yù)測(cè)方法的一種可能的實(shí)現(xiàn)方式中，增強(qiáng)鯨魚優(yōu)化算法的參數(shù)設(shè)置的具體步驟包括：將電壓增量和電池容量的斯皮爾曼相關(guān)性系數(shù)作為目標(biāo)函數(shù)，將優(yōu)化目標(biāo)定義為電壓增量與電池容量的斯皮爾曼相關(guān)性系數(shù)最??；將優(yōu)化對(duì)象設(shè)置為充電時(shí)間區(qū)間的上限和下限；設(shè)置增強(qiáng)鯨魚優(yōu)化算法參數(shù)：搜索代理數(shù)量、決策變量數(shù)量、最大迭代次數(shù)、執(zhí)行次數(shù)以及優(yōu)化對(duì)象的上下限。

7、可選的，在上述鋰電池容量預(yù)測(cè)方法的一種可能的實(shí)現(xiàn)方式中，迭代尋優(yōu)的具體步驟包括：基于增強(qiáng)鯨魚優(yōu)化算法，在超參數(shù)空間中隨機(jī)初始化一群鯨魚，即算法的候選解；將每個(gè)鯨魚代表的充電時(shí)間區(qū)間的上限和下限對(duì)應(yīng)的電壓增量提取出，并計(jì)算電壓增量與電池容量之間的斯皮爾曼相關(guān)性系數(shù)，用適應(yīng)度函數(shù)評(píng)估算法性能；根據(jù)增強(qiáng)鯨魚優(yōu)化算法的規(guī)則更新鯨魚的位置，即充電時(shí)間區(qū)間的上限和下限；不斷更新鯨魚的位置，直到達(dá)到最大迭代次數(shù)，得到與電池容量相關(guān)性最強(qiáng)的充電時(shí)間區(qū)間的全局最優(yōu)解，找到對(duì)應(yīng)電壓區(qū)間的電壓增量并將其作為老化特征。

8、可選的，在上述鋰電池容量預(yù)測(cè)方法的一種可能的實(shí)現(xiàn)方式中，池化機(jī)制被定義為：給定大小為k的矩陣pool＝(p1,p2,...,pk)，每次迭代結(jié)束時(shí)，生成矩陣pool中的元素pi＝(pi,1,pi,2,...,pi,d)，元素pi生成的公式如下：

9、

10、式中，pit代表第t次迭代的元素，為第t次迭代中的二進(jìn)制隨機(jī)向量，則是它的逆向量，為第t次迭代中的最差解，則代表的是在第t次迭代中生成最優(yōu)解所對(duì)應(yīng)鯨魚的一個(gè)鄰近的隨機(jī)位置。

11、可選的，在上述鋰電池容量預(yù)測(cè)方法的一種可能的實(shí)現(xiàn)方式中，遷移搜索策略的工作原理可以歸納為下式：

12、

13、式中：代表第t+1次迭代中，第i只鯨魚的位置；代表第t次迭代中，搜索空間內(nèi)鯨魚的隨機(jī)位置；rand是一個(gè)介于[0,1)隨機(jī)數(shù)，且它服從均勻分布；δmax和δmin分別對(duì)應(yīng)求解問(wèn)題的上界和下界；δbest-max和δbest-min則分別對(duì)應(yīng)最優(yōu)解的上界和下界。

14、可選的，在上述鋰電池容量預(yù)測(cè)方法的一種可能的實(shí)現(xiàn)方式中，優(yōu)先選擇搜索策略的工作原理可以歸納為下式：

15、

16、式中：代表第t次迭代中，第i只鯨魚的位置；和均為第t次迭代中，從矩陣pool中隨機(jī)選擇的位置1和位置2；maxit代表增強(qiáng)鯨魚優(yōu)化算法中設(shè)置的最大迭代次數(shù)。

17、可選的，在上述鋰電池容量預(yù)測(cè)方法的一種可能的實(shí)現(xiàn)方式中，包圍獵物搜索策略的工作原理可以歸納為以下等式：

18、

19、式中：為第t次迭代中，從矩陣pool中隨機(jī)選擇的位置3。

20、可選的，在上述鋰電池容量預(yù)測(cè)方法的一種可能的實(shí)現(xiàn)方式中，高斯過(guò)程回歸模型的訓(xùn)練的具體步驟包括：將提取到的某電池的前15％老化特征與電池容量數(shù)據(jù)作為模型訓(xùn)練集，將訓(xùn)練集用于運(yùn)行高斯過(guò)程回歸模型尋找關(guān)聯(lián)關(guān)系，并保存所得模型。

21、可選的，在上述鋰電池容量預(yù)測(cè)方法的一種可能的實(shí)現(xiàn)方式中，其特征在于，對(duì)于不同種類型的不同電池，其電池容量預(yù)測(cè)的具體步驟包括：將從某一個(gè)電池中采集到的前15％電池容量數(shù)據(jù)和老化特征輸入到高斯過(guò)程回歸模型中進(jìn)行模型訓(xùn)練，并將從該電池中采集到的后85％的電池容量數(shù)據(jù)和老化特征輸入到訓(xùn)練后的高斯過(guò)程回歸模型中用于模型驗(yàn)證，同類其他電池的所有特征輸入到所訓(xùn)練的高斯過(guò)程回歸模型中，得到該電池的電池容量預(yù)測(cè)值。

22、可選的，在上述鋰電池容量預(yù)測(cè)方法的一種可能的實(shí)現(xiàn)方式中，對(duì)于同種類型電池，其電池容量預(yù)測(cè)的具體步驟包括：對(duì)于同種類型的不同電池，將電池循環(huán)充放電測(cè)試過(guò)程中所得的后85％的電池容量數(shù)據(jù)和該電池的老化特征直接輸入到訓(xùn)練好的高斯過(guò)程回歸模型，得到對(duì)應(yīng)電池的電池容量預(yù)測(cè)值。

23、本發(fā)明實(shí)施例中采用上述技術(shù)方案可以實(shí)現(xiàn)以下技術(shù)效果：

24、在本發(fā)明實(shí)施例中基于短期充電數(shù)據(jù)和增強(qiáng)鯨魚優(yōu)化算法的鋰電池容量預(yù)測(cè)方法中，首先通過(guò)對(duì)短期充電時(shí)長(zhǎng)內(nèi)對(duì)充電電壓、電流數(shù)據(jù)進(jìn)行插值處理得到短期充電數(shù)據(jù)，其次通過(guò)引入了池化機(jī)制、遷移搜索策略、優(yōu)先選擇搜索策略和包圍獵物搜索策略對(duì)經(jīng)典鯨魚優(yōu)化算法進(jìn)行改進(jìn)使得算法的搜索能力、跳出局部最優(yōu)的能力得以提升，并且平衡了算法的局部搜索能力和全局搜索能力，因此使用增強(qiáng)鯨魚優(yōu)化算法從短期充電數(shù)據(jù)中提取電池老化特征時(shí)，可以使得提取的電池老化特征與電池容量的相關(guān)性更強(qiáng)，使用此方法提取的電池老化特征可以提升電池容量預(yù)測(cè)的預(yù)測(cè)準(zhǔn)確性，同時(shí)由于特征是從不同類似電池的短期充電時(shí)長(zhǎng)內(nèi)充電電流、電壓數(shù)據(jù)中提取的，因此該預(yù)測(cè)方法還能預(yù)測(cè)不同種類電池的電池容量，同時(shí)還能減少預(yù)測(cè)所需的訓(xùn)練數(shù)據(jù)量。

技術(shù)特征：

1.一種基于短期充電數(shù)據(jù)和增強(qiáng)鯨魚優(yōu)化算法的鋰電池容量預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述增強(qiáng)鯨魚優(yōu)化算法的參數(shù)設(shè)置的具體步驟包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述迭代尋優(yōu)的具體步驟包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述池化機(jī)制被定義為：給定大小為k的矩陣pool＝(p1,p2,...,pk)，每次迭代結(jié)束時(shí)，生成矩陣pool中的元素pi＝(pi,1,pi,2,...,pi,d)，元素pi生成的公式如下：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述遷移搜索策略的工作原理可以歸納為下式：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述優(yōu)先選擇搜索策略的工作原理可以歸納為下式：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述包圍獵物搜索策略的工作原理可以歸納為以下等式：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述高斯過(guò)程回歸模型的訓(xùn)練的具體步驟包括：

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，對(duì)于不同種類型的不同電池，其電池容量預(yù)測(cè)的具體步驟包括：

10.根據(jù)權(quán)利要求8所述的方法，其特征在于，對(duì)于同種類型電池，其電池容量預(yù)測(cè)的具體步驟包括：

技術(shù)總結(jié)
本發(fā)明實(shí)施例公開(kāi)了基于短期充電數(shù)據(jù)和增強(qiáng)鯨魚優(yōu)化算法的鋰電池容量預(yù)測(cè)方法，能夠準(zhǔn)確預(yù)測(cè)不同種類電池的電池容量，提升容量預(yù)測(cè)準(zhǔn)確性的同時(shí)能減少訓(xùn)練數(shù)據(jù)量。該方法包括：在對(duì)不同類型電池循環(huán)充放電測(cè)試過(guò)程中，實(shí)時(shí)采集記錄電池的充放電數(shù)據(jù)并且提取短期充電數(shù)據(jù)，充放電數(shù)據(jù)包括充電時(shí)間、電壓、電流和容量數(shù)據(jù)，短期充電數(shù)據(jù)是在預(yù)設(shè)的短期充電時(shí)長(zhǎng)內(nèi)對(duì)充電電壓、電流數(shù)據(jù)進(jìn)行樣條插值處理后得到；基于增強(qiáng)鯨魚優(yōu)化算法從短期充電數(shù)據(jù)中通過(guò)迭代尋優(yōu)提取電池老化特征，其中增強(qiáng)鯨魚優(yōu)化算法是在經(jīng)典鯨魚優(yōu)化算法中引入了池化機(jī)制、遷移搜索策略、優(yōu)先選擇搜索策略和包圍獵物搜索策略改進(jìn)后的得到，電池老化特征為與電池容量相關(guān)性最強(qiáng)的充電時(shí)間區(qū)間對(duì)應(yīng)的電壓區(qū)間的電壓增量；對(duì)于不同類型電池或同種類型電池，將充放電數(shù)據(jù)和老化特征輸入高斯過(guò)程回歸模型中預(yù)測(cè)得到電池容量預(yù)測(cè)值，其中高斯過(guò)程回歸模型是基于高斯過(guò)程回歸算法構(gòu)建。

技術(shù)研發(fā)人員：夏雪磊,陳崢,彭月,陳洋,胡競(jìng)元,申江衛(wèi),沈世全
受保護(hù)的技術(shù)使用者：昆明理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19