本發(fā)明屬于鋰離子電池，尤其涉及一種鋰離子電池剩余使用壽命預測方法和裝置、系統(tǒng)。
背景技術(shù)：
1、隨著我國電動汽車、儲能系統(tǒng)等新能源產(chǎn)業(yè)的規(guī)模化擴張，鋰離子電池作為核心儲能元件，其性能可靠性與使用壽命已成為制約產(chǎn)業(yè)可持續(xù)發(fā)展的關(guān)鍵因素。在此背景下，精準預測鋰離子電池的剩余使用壽命(remaining?useful?life,rul)不僅是保障電池安全運行的技術(shù)前提，更是科學制定維修替換策略、優(yōu)化全生命周期成本管理的重要依據(jù)。
2、當前預測鋰離子電池rul的方法有三類：基于物理模型方法，基于數(shù)據(jù)驅(qū)動模型方法，以及基于融合模型方法。在物理模型上，由于需要構(gòu)造全周期物理參數(shù)并實現(xiàn)復雜的特征工程，受限于實際工況下參數(shù)動態(tài)變化與計算復雜度，難以直接應用于工程化rul預測。基于數(shù)據(jù)驅(qū)動模型的方法避免了物理模型內(nèi)復雜的處理過程，直接使用監(jiān)測數(shù)據(jù)對電池進行壽命預測，但對于監(jiān)測數(shù)據(jù)的要求嚴苛。基于融合模型的方法通過耦合物理機理與數(shù)據(jù)驅(qū)動優(yōu)勢彌補單一模型缺陷，卻仍面臨跨尺度建模復雜度高、參數(shù)校準困難等挑戰(zhàn)，不適用于在線預測rul。因此，使用數(shù)據(jù)驅(qū)動模型方法對rul進行實時預測是目前較為普遍的方法。
3、然而，當前傳統(tǒng)數(shù)據(jù)驅(qū)動方法在rul預測中主要遵循三類技術(shù)路線：其一，直接基于歷史健康狀態(tài)(state?ofhealth,soh)數(shù)據(jù)，通過模型外推電池退化軌跡，從而推算到達壽命終點的剩余周期；其二，借助循環(huán)內(nèi)電流電壓特征構(gòu)建預測模型，如severson等人發(fā)現(xiàn)電池第100次與第10次循環(huán)的相關(guān)變量方差特征與rul呈線性關(guān)聯(lián)；其三，直接利用循環(huán)電壓電流數(shù)據(jù)開展預測。
4、單純依賴soh外推法時，前期退化趨勢相近的電池易出現(xiàn)rul預測偏差，且早期階段因soh數(shù)據(jù)量不足，會導致非線性回歸模型缺乏訓練數(shù)據(jù)支撐，進而放大預測誤差。因此，亟需從電池循環(huán)內(nèi)與循環(huán)間的電流電壓數(shù)據(jù)中挖掘退化特征。盡管傳統(tǒng)方法可提取循環(huán)內(nèi)外的特征，但依賴完整充放電曲線，而實際工況中難有理想的全周期充放電場景，且需大量循環(huán)周期完成特征提取。如何僅通過少量部分充放電曲線實現(xiàn)rul預測，成為工程應用的關(guān)鍵挑戰(zhàn)。此外，在直接利用循環(huán)數(shù)據(jù)預測時，模型受資源配置限制，輸入序列長度難以滿足多循環(huán)充放電數(shù)據(jù)的要求，因此如何在有限序列長度下實現(xiàn)精準預測，亦是亟待突破的技術(shù)難點。
技術(shù)實現(xiàn)思路
1、本發(fā)明要解決的技術(shù)問題是，提供一種鋰離子電池剩余使用壽命預測方法和裝置、系統(tǒng)，僅需部分鋰離子電池的充電曲線數(shù)據(jù)，結(jié)合transformer編碼器的強大并行計算能力與注意力機制對長時序信息的捕捉優(yōu)勢，就能精準快速預測鋰離子電池rul。
2、為實現(xiàn)上述目的，本發(fā)明采用如下的技術(shù)方案：
3、一種鋰離子電池剩余使用壽命預測方法，包括：
4、步驟s1、獲取鋰離子電池全周期的電壓、電流和溫度監(jiān)測數(shù)據(jù)；
5、步驟s2、根據(jù)鋰離子電池全周期的電壓、電流和溫度監(jiān)測數(shù)據(jù)，得到不同鋰離子電池全周期四類特征數(shù)據(jù)；
6、步驟s3、基于鋰離子電池時間序列特性構(gòu)建transformer編碼器模型，同時根據(jù)不同鋰離子電池全周期四類特征數(shù)據(jù)訓練transformer編碼器模型；
7、步驟s4、將待處理的鋰離子電池數(shù)據(jù)輸入到訓練好的transformer編碼器模型中進行rul預測。
8、作為優(yōu)選，步驟s2中，基于鋰離子電池數(shù)據(jù)，計算累積電荷吞吐量，綜合分析充放電曲線的特征，使用某一固定電壓段內(nèi)的電流、電壓、電荷吞吐量以及溫度四類特征數(shù)據(jù)進行固定長度線性插值，獲得每個充放電循環(huán)下等長度的四類特征數(shù)據(jù)。
9、作為優(yōu)選，步驟s3中，使用循環(huán)內(nèi)編碼器提取電池一個充放電循環(huán)內(nèi)的高維信息特征，利用gpu并行化技術(shù)加速訓練和推理多個循環(huán)內(nèi)的特征，并使用循環(huán)間編碼器對上述循環(huán)特征進行不同循環(huán)間的綜合提取，利用全局感知向量輸出rul。
10、作為優(yōu)選，步驟s2中，采用反映初始狀態(tài)的前m個充電循環(huán)數(shù)據(jù)和反映當前老化狀態(tài)的最近n個充電循環(huán)數(shù)據(jù)用于電池壽命預測。
11、本發(fā)明還提供一種鋰離子電池剩余使用壽命預測裝置，包括：
12、第一處理模塊，用于獲取鋰離子電池全周期的電壓、電流和溫度監(jiān)測數(shù)據(jù)；
13、第二處理模塊，用于根據(jù)鋰離子電池全周期的電壓、電流和溫度監(jiān)測數(shù)據(jù)，得到不同鋰離子電池全周期四類特征數(shù)據(jù)；
14、第三處理模塊，用于基于鋰離子電池時間序列特性構(gòu)建transformer編碼器模型，同時根據(jù)不同鋰離子電池全周期四類特征數(shù)據(jù)訓練transformer編碼器模型；
15、第四處理模塊，用于將待處理的鋰離子電池數(shù)據(jù)輸入到訓練好的transformer編碼器模型中進行rul預測。
16、作為優(yōu)選，第二處理模塊基于鋰離子電池數(shù)據(jù)，計算累積電荷吞吐量，綜合分析充放電曲線的特征，使用某一固定電壓段內(nèi)的電流、電壓、電荷吞吐量以及溫度四類特征數(shù)據(jù)進行固定長度線性插值，獲得每個充放電循環(huán)下等長度的四類特征數(shù)據(jù)。
17、作為優(yōu)選，第三處理模塊使用循環(huán)內(nèi)編碼器提取電池一個充放電循環(huán)內(nèi)的高維信息特征，利用gpu并行化技術(shù)加速訓練和推理多個循環(huán)內(nèi)的特征，并使用循環(huán)間編碼器對上述循環(huán)特征進行不同循環(huán)間的綜合提取，利用全局感知向量輸出rul。
18、作為優(yōu)選，第二處理模塊采用反映初始狀態(tài)的前m個充電循環(huán)數(shù)據(jù)和反映當前老化狀態(tài)的最近n個充電循環(huán)數(shù)據(jù)用于電池壽命預測。
19、本發(fā)明還提供一種鋰離子電池剩余使用壽命預測系統(tǒng)，包括：存儲器和處理器，所述存儲器上存儲有由所述處理器運行的計算機程序，所述計算機程序在被所述處理器運行時執(zhí)行鋰離子電池剩余使用壽命預測方法。
20、本發(fā)明的僅通過少量部分充電曲線就能實現(xiàn)rul預測，由于無需復雜的特征工程，同時依據(jù)的transformer編碼器模型具有的高效并行計算能力。
1.一種鋰離子電池剩余使用壽命預測方法，其特征在于，包括：
2.如權(quán)利要求1所述的鋰離子電池剩余使用壽命預測方法，其特征在于，步驟s2中，基于鋰離子電池數(shù)據(jù)，計算累積電荷吞吐量，綜合分析充放電曲線的特征，使用某一固定電壓段內(nèi)的電流、電壓、電荷吞吐量以及溫度四類特征數(shù)據(jù)進行固定長度線性插值，獲得每個充放電循環(huán)下等長度的四類特征數(shù)據(jù)。
3.如權(quán)利要求2所述的鋰離子電池剩余使用壽命預測方法，其特征在于，步驟s3中，使用循環(huán)內(nèi)編碼器提取電池一個充放電循環(huán)內(nèi)的高維信息特征，利用gpu并行化技術(shù)加速訓練和推理多個循環(huán)內(nèi)的特征，并使用循環(huán)間編碼器對上述循環(huán)特征進行不同循環(huán)間的綜合提取，利用全局感知向量輸出rul。
4.如權(quán)利要求3所述的鋰離子電池剩余使用壽命預測方法，其特征在于，步驟s2中，采用反映初始狀態(tài)的前m個充電循環(huán)數(shù)據(jù)和反映當前老化狀態(tài)的最近n個充電循環(huán)數(shù)據(jù)用于電池壽命預測。
5.一種鋰離子電池剩余使用壽命預測裝置，其特征在于，包括：
6.如權(quán)利要求5所述的鋰離子電池剩余使用壽命預測裝置，其特征在于，第二處理模塊基于鋰離子電池數(shù)據(jù)，計算累積電荷吞吐量，綜合分析充放電曲線的特征，使用某一固定電壓段內(nèi)的電流、電壓、電荷吞吐量以及溫度四類特征數(shù)據(jù)進行固定長度線性插值，獲得每個充放電循環(huán)下等長度的四類特征數(shù)據(jù)。
7.如權(quán)利要求6所述的鋰離子電池剩余使用壽命預測裝置，其特征在于，第三處理模塊使用循環(huán)內(nèi)編碼器提取電池一個充放電循環(huán)內(nèi)的高維信息特征，利用gpu并行化技術(shù)加速訓練和推理多個循環(huán)內(nèi)的特征，并使用循環(huán)間編碼器對上述循環(huán)特征進行不同循環(huán)間的綜合提取，利用全局感知向量輸出rul。
8.如權(quán)利要求7所述的鋰離子電池剩余使用壽命預測裝置，其特征在于，第二處理模塊采用反映初始狀態(tài)的前m個充電循環(huán)數(shù)據(jù)和反映當前老化狀態(tài)的最近n個充電循環(huán)數(shù)據(jù)用于電池壽命預測。
9.一種鋰離子電池剩余使用壽命預測系統(tǒng)，其特征在于，包括：存儲器和處理器，所述存儲器上存儲有由所述處理器運行的計算機程序，所述計算機程序在被所述處理器運行時執(zhí)行如權(quán)利要求1-4中的任一項所述的鋰離子電池剩余使用壽命預測方法。