一种电化学储能系统电池剩余寿命的预测方法及系统与流程

本发明涉及电化学储能电站电池剩余寿命预测领域，特别涉及一种电化学储能系统电池剩余寿命的预测方法及系统。

背景技术：

1、随着可再生能源的快速发展和能源转型的推进，电化学储能系统作为重要的能量储存装置被广泛应用于电动汽车、智能电网等领域。电化学储能系统的核心组件是电池，而电池的剩余寿命预测是确保储能系统可靠性和经济性的关键问题之一。

2、目前，电池剩余寿命预测方法的研究已取得了一定的进展。传统方法主要基于电池的充放电循环次数、温度等参数进行寿命预测，但这种方法对电池的实际使用环境和工况变化的适应性有限。此外，电池的内部状态信息(如电池容量衰减、内阻增加等)对剩余寿命的影响也需要更精确的预测方法来加以考虑。

3、与本发明相关的现有技术一

4、现有技术一的技术方案：基于电化学阻抗谱的剩余寿命预测方法(技术论文来源：li,h.,huang,y.,sun,f.et al.remaining useful life prediction of lithium-ionbattery based on electrochemical impedance spectroscopy.j power sources 396,556–567,2018)。

5、这种方法通过监测电池的电化学阻抗谱来评估其剩余寿命。电池在使用过程中，其内部结构和化学特性会发生变化，导致电化学阻抗谱的变化。通过分析阻抗谱的特征参数，如电池内阻、容性和电荷转移电阻等，可以量化电池的衰减程度并预测其剩余寿命。

6、这种检测方法的优点是可以提供详细的电池状态信息：通过电化学阻抗谱的分析，可以获取电池内部结构和化学特性的详细信息，进而了解电池的健康状况。其次是非侵入性测量：该方法不需要对电池进行破坏性测试，可以在实际使用过程中进行监测，不会对电池的正常运行造成干扰。

7、现有技术一的缺点

8、该技术依赖复杂的分析技术，分析电化学阻抗谱需要复杂的数学和信号处理技术，对于非专业人员来说可能较为困难。同时此技术需要较长时间的监测，由于电池内部变化的缓慢性质，需要长时间的监测才能获取可靠的剩余寿命预测结果。

9、与本发明相关的现有技术二

10、现有技术二的技术方案：基于容量衰减曲线的剩余寿命预测方法(技术论文来源：pillai,r.,kuppan,s.,xing,y.et al.lithium-ion battery remaining useful lifeestimation using capacity degradation data.j power sources 239,21–30,2013)。

11、这种方法利用电池容量衰减曲线来预测其剩余寿命。通过定期测量电池的容量，并绘制容量随时间的衰减曲线，可以观察到电池容量随着循环次数的增加而逐渐下降。通过对容量衰减曲线进行拟合和分析，可以推断电池的剩余寿命。

12、该技术的优点是直观且易于理解，容量衰减曲线可以直观地反映电池容量随时间的变化，便于用户理解电池的衰减情况。这种预测方法相对简单，只需要测量电池的容量并绘制曲线，不需要复杂的数学分析过程。

13、现有技术二的缺点

14、该技术受限于循环次数，因为此方法主要依赖电池的循环次数来预测剩余寿命，而其他因素(如充放电速率、温度等)可能对电池寿命产生影响，未能充分考虑这些因素。其次是其预测精度有限，容量衰减曲线预测方法通常采用经验模型或简单的拟合方法，对于复杂的电池系统和工况，预测精度可能不高。

15、与本发明相关的现有技术三

16、现有技术三的技术方案：基于数学建模的剩余寿命预测方法(技术论文来源：song,t.,wang,x.,xia,b.,&hu,x.(2019).a novel model-based method for predictinglithium-ion battery remaining useful life using multisource data.appliedenergy,235,1447-1457)。

17、这种方法基于电池的物理和化学特性，使用数学模型来描述电池的容量衰减行为，并通过模型参数的变化来预测电池的剩余寿命。这种方法的优点是可以综合考虑电池的物理和化学特性，以及外部工况的影响，对电池剩余寿命进行更全面的预测。其次这种方法可以考虑电池的内部过程、电化学反应、材料衰减等因素，提供更准确的剩余寿命预测。

18、现有技术三的缺点

19、数学建模方法需要准确估计模型的参数，这可能需要复杂的实验测试和数据体量来支撑，降低了预测效率提升了预测成本。

技术实现思路

1、本发明的目的在于提供一种基于soh(state of health)量化电池容量衰减对电化学储能系统电池剩余寿命的预测方法，用于评估电化学储能系统中电池的剩余寿命。这种方法可以帮助用户更准确地了解电池的健康状况，并根据剩余寿命的预测结果做出相应的维护和管理决策，以提高电池的使用效率和系统的可靠性。

2、为达到上述目的，本发明通过下述技术方案实现。

3、本发明提出了一种电化学储能系统电池剩余寿命的预测方法，包括：

4、将电池历史soh值输入预先建立并训练好的soh衰减剩余寿命预测模型中，得到预测的电池soh容量走向，进而确认电池剩余寿命；

5、所述soh衰减剩余寿命预测模型通过对lstm循环神经网络改进得到；所述lstm循环神经网络包括：输入门、遗忘门和输出门；

6、所述改进包括：增加自适应门控单元和多层门控单元；其中，

7、所述自适应门控单元，用于根据输入数据的性质分别为输出门、遗忘门和输出门选择相适应的激活函数；

8、所述多层门控单元包括：更新门和/或附加遗忘门；其中，

9、所述更新门，用于动态控制参数信息的更新；所述参数信息包括：权重和偏置；

10、所述附加遗忘门，用于对参数信息提供附加遗忘控制。

11、作为上述技术方案的改进之一，所述激活函数引入可训练参数；所述可训练参数，用于使原始激活函数的斜率或者角度发生改变。

12、作为上述技术方案的改进之一，所述激活函数f的公式为：

13、f＝sigmoid(wf*x+bf)

14、或

15、f＝relu(wf*x+bf)

16、其中，wf表示输入门、遗忘门或输出门的权重；x表示输入门、遗忘门或输出门的输入数据；bf表示输入门、遗忘门或输出门的偏置；sigmoid()表示sigmoid函数，relu()表示relu函数。

17、作为上述技术方案的改进之一，所述更新门的激活函数u为：

18、u＝sigmoid(wu*y1+bu)

19、其中，y1表示更新门的输入，wu和bu分别表示更新门可学习的权重和偏置，sigmoid()表示sigmoid函数。

20、作为上述技术方案的改进之一，所述附加遗忘门的激活函数f2为：

21、f2＝sigmoid(wf2*y2+bf2)

22、其中，y2表示附加遗忘门的输入，wf2和bf2分别表示附加遗忘门可学习的权重和偏置，sigmoid()表示sigmoid函数。

23、作为上述技术方案的改进之一，所述输入门、遗忘门、输出门、更新门和/或附加遗忘门的激活函数还引入时间衰减参数；所述时间衰减参数用于根据输入数据的时间信息调整权重。

24、作为上述技术方案的改进之一，引入时间衰减参数的激活函数a(t)均为：

25、a(t)＝sigmoid(wa*x+ba)*exp(-t/τ)

26、其中，t是时间步，wa、ba、τ分别是输入门、遗忘门、输出门、更新门或附加遗忘门可学习的权重、偏置和时间常数。

27、作为上述技术方案的改进之一，所述方法还包括：对soh衰减剩余寿命预测模型进行训练；训练过程包括：

28、提取soh数值本身作为特征数据，按照五折交叉验证的方法划分；

29、对划分后的特征数据分别进行标准化处理；

30、采用滑动窗口技术，将标准化处理后的非监督数据转换为监督学习的序列数据，并形成多个历史soh容量衰减曲线；

31、使用多个历史soh容量衰减曲线对soh衰减剩余寿命预测模型进行循环训练，得到训练好的soh衰减剩余寿命预测模型。

32、作为上述技术方案的改进之一，所述标准化处理，包括：采用最大最小归一化方法，对输入的特征数据a进行归一化处理，输出归一化后的数据a*：

33、

34、其中，amax为输入特征数据的最大值，amin为输入特征数据的最小值。

35、本发明还提出了一种电化学储能系统电池剩余寿命的预测系统，所述系统用于将电池历史soh容量衰减曲线输入预先建立并训练好的soh衰减剩余寿命预测模型中，得到预测的电池soh容量走向，进而确认电池剩余寿命；

36、所述soh衰减剩余寿命预测模型通过对lstm循环神经网络改进得到；所述lstm循环神经网络包括：输入门、遗忘门和输出门；

37、所述改进包括：增加自适应门控单元和多层门控单元；其中，

38、所述自适应门控单元，用于根据输入数据的性质分别为输出门、遗忘门和输出门选择相适应的激活函数；

39、所述多层门控单元包括：更新门和/或附加遗忘门；其中，

40、所述更新门，用于动态控制参数信息的更新；所述参数信息包括：权重和偏置；

41、所述附加遗忘门，用于对参数信息提供附加遗忘控制。

42、本发明与现有技术相比优点在于：

43、1、相较于传统方法，本发明的创新之处在于综合考虑电池的历史运行数据和内部状态信息，建立了更精确的电池剩余寿命预测模型；通过自适应激活函数和多层门控单元以及mae、mse共同评估模型等创新点改善lstm网络的性能和适应性，使得该模型更具有灵活性；引入了实时监测和数据采集技术，实现了对电池剩余寿命的动态预测和实时优化管理，提供了基于预测结果的决策支持，使得电化学储能系统的维护和管理更加智能化和高效化；

44、2、本发明的电池剩余寿命预测方法能够优化电池的使用和充电策略，延长电池的使用寿命，减少更换电池的频率；提高电化学储能系统的可靠性、经济性，在智能化管理方面具有显著的创新性和应用价值；可以能显著提高电化学储能系统的可靠性和安全性，降低系统故障风险和维修成本。