一种基于深度学习的新能源储能锂电池寿命预测方法与流程

本发明涉及储能电池管理，尤其涉及一种基于深度学习的新能源储能锂电池寿命预测方法。

背景技术：

1、随着新能源储能系统装机规模不断扩大，储能锂电池在电网调峰、分布式能源接入和应急供电中的运行时间持续增长，电池单体之间的制造差异、连接关系、热环境和均衡控制状态会在长期充放电过程中形成不同退化路径。

2、现有寿命预测技术通常依据容量、内阻、电压或温度等历史数据建立退化模型，并结合循环次数或运行时间推算剩余寿命，相关技术受到广泛关注。但是在实际应用中普遍存在以下问题：

3、储能锂电池运行记录存在采样间隔不一致、充放电区间断续和不同工况下循环口径不统一的情况，难以直接形成连续可比的退化观测序列，现有方法多以单体状态独立建模，未充分利用电气连接、热管理分区和均衡通道形成的物理关联，难以表征退化状态在关联单体之间的异步传导。

4、部分深度学习模型直接输出单一寿命数值，未对容量、内阻及电池簇一致性状态的多阶段变化进行联合分段，短时波动容易被识别为退化转折，同时，预测结果与后续实际运行状态缺少同口径偏差记录，难以形成可追溯的寿命预测反馈数据。

5、因此，如何提供一种基于深度学习的新能源储能锂电池寿命预测方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于深度学习的新能源储能锂电池寿命预测方法，本发明充分利用深度学习和退化阶段识别技术，详细描述了储能锂电池运行状态编码、物理关联建模及寿命终止边界确定方法，具备预测过程连续、退化关系清晰和结果可追溯的优点。

2、根据本发明实施例的一种基于深度学习的新能源储能锂电池寿命预测方法，包括如下步骤：

3、步骤一：接收锂电池寿命预测任务信息，解析预测对象和预测条件，生成锂电池寿命预测约束集；

4、步骤二：按照锂电池寿命预测约束集读取储能锂电池运行记录，对运行记录执行数据规整和等效循环转换，生成储能锂电池运行观测序列；

5、步骤三：对储能锂电池运行观测序列执行状态规整和特征编码，生成单体运行证据序列；

6、步骤四：获取储能锂电池结构关联信息，根据电池单体之间的物理关联关系建立关联编码，生成电池物理关联矩阵；

7、步骤五：将单体运行证据序列和电池物理关联矩阵输入改进graph wavenet模型，经运行证据编码、动态退化关系构建、多尺度退化传播和寿命轨迹输出，生成电池退化轨迹矩阵；

8、步骤六：将电池退化轨迹矩阵输入改进pelt算法，根据多状态退化变化构建联合退化分段代价，在持续退化候选边界范围内执行边界筛选、累计代价计算和边界回溯，生成退化阶段边界集；

9、步骤七：根据锂电池寿命预测约束集处理退化阶段边界集，确定目标寿命终止边界，生成锂电池寿命预测结果，并根据实际运行状态与锂电池寿命预测结果之间的偏差生成寿命预测反馈记录。

10、可选的，所述步骤一具体为：

11、读取锂电池寿命预测任务信息中的预测对象描述，将预测对象描述中的对象编码与储能锂电池资源索引中的电池编码逐项比较，将电池编码一致的资源记录确定为预测对象；

12、预测对象为电池单体时，将预测对象对应的电池单体资源记录归入预测对象范围；

13、预测对象为电池模组或电池簇时，将资源层级路径隶属于预测对象对应路径的电池单体归入预测对象范围；

14、读取预测对象范围对应的运行数据索引，保留绑定电池编码属于预测对象范围且记录时间与任务调用时段存在重叠的运行数据索引，并将重叠时段确定为运行记录调用范围；

15、读取锂电池寿命预测任务信息中的预测目标，根据预测目标和预测对象对应的电池类型在寿命预测配置库中筛选目标类型一致且适用电池类型一致的配置记录；

16、提取等效循环折算规则、退化状态判定规则、预测范围规则和寿命终止判据；

17、将预测对象范围、运行记录调用范围及提取的规则按照预设字段顺序组合，生成锂电池寿命预测约束集。

18、可选的，所述步骤二具体为：

19、按照锂电池寿命预测约束集中的预测对象范围和运行记录调用范围读取储能锂电池运行记录；

20、以采集时间戳进行升序排列，删除预测对象、采集时间戳及记录内容均一致的重复记录，并剔除缺少采集时间戳或电流值的记录，生成规整运行记录；

21、按照等效循环折算规则中的有效采样间隔检查相邻规整运行记录，将时间间隔超出有效采样间隔的相邻记录断开，并依据电流方向变化划分连续充放电区间；

22、对各连续充放电区间，计算相邻规整运行记录的电流绝对值平均值与换算为小时的时间间隔之乘积；

23、对区间内各乘积进行累加，生成区间充放电电量；将区间充放电电量除以等效循环折算规则中绑定的两倍额定容量，生成区间等效循环增量；

24、按照采集时间戳累加区间等效循环增量，将累计结果写入对应规整运行记录，并将写入累计结果的规整运行记录按采集时间戳排列，生成储能锂电池运行观测序列。

25、可选的，所述步骤三具体为：

26、按照储能锂电池运行观测序列中的累计等效循环值整数区间划分等效循环窗口，将各等效循环窗口内属于同一电池单体的运行记录按采集时间戳排列；

27、从电流方向一致且荷电状态连续变化的运行记录中，累加相邻记录的电流绝对值平均值与时间间隔之乘积，将累加结果除以对应荷电状态变化比例，取同一等效循环窗口内计算结果的中位数，生成单体容量状态；

28、对电流差值非零的相邻运行记录，计算单体电压差值绝对值与电流差值绝对值之比，取各比值的中位数，生成单体内阻状态；

29、分别计算各电池单体在同一等效循环窗口内的电压中位数和温度中位数，将电压中位数、温度中位数分别减去预测对象范围内对应中位数，组合生成单体状态偏离编码；

30、计算均衡控制有效记录数量与窗口内有效记录数量之比，生成均衡占用量；

31、单体容量状态、单体内阻状态和单体状态偏离编码均完成生成时，将状态可信标记设为一，任一状态未完成生成时，将状态可信标记设为零；

32、按照特征维度，以预测对象范围内各电池单体的单体容量状态、单体内阻状态、单体状态偏离编码和均衡占用量的中位数和中位绝对偏差执行稳健标准化，中位绝对偏差为零时将对应标准化结果设为零；

33、将标准化后的单体容量状态、单体内阻状态、单体状态偏离编码和均衡占用量与状态可信标记按照预设顺序组合，并按照累计等效循环值排列，生成单体运行证据序列。

34、可选的，所述步骤四具体为：

35、按照锂电池寿命预测约束集中的预测对象范围读取储能锂电池结构关联信息，从结构关联信息中提取各电池单体对应的电气结构路径、热区标识和均衡通道标识；

36、按照单体运行证据序列中的电池单体排列顺序对电池单体进行两两组合；两电池单体的电气结构路径指向同一模组或同一电气支路时，在对应单体对中写入电气关联编码，热区标识一致时写入热区关联编码；

37、均衡通道标识一致时写入控制关联编码，不满足对应判断条件时写入对应无关联编码，生成单体对关联编码；

38、按照各电池单体在单体运行证据序列中的排列位置，将单体对关联编码写入矩阵对应行列位置，在主对角线位置写入自关联编码；

39、结构关联信息缺失时，仅保留对应主对角线位置的自关联编码，生成电池物理关联矩阵。

40、可选的，所述改进graph wavenet模型包括运行证据编码层、状态图构建层、多尺度扩散层和寿命轨迹输出层，所述状态图构建层中嵌入异步弱化传导机制；

41、所述运行证据编码层按照设定历史窗口划分单体运行证据序列，对窗口内的单体运行证据执行线性投影，生成单体状态编码；

42、依据电池物理关联矩阵归集关联邻域状态，经中位归并生成共同状态编码，计算单体状态编码与共同状态编码的同位置差值，并执行层归一化，生成单体退化编码；

43、所述状态图构建层对电池物理关联矩阵执行线性映射，生成先验关联张量；将两两单体退化编码拼接并执行线性投影，生成状态关联张量；

44、异步弱化传导机制处理先验关联张量和单体退化编码，生成有向传导门控矩阵；

45、将有向传导门控矩阵与状态关联张量逐元素相乘，并采用softmax函数执行行归一化，生成动态退化邻接矩阵；

46、所述多尺度扩散层采用门控扩张因果卷积处理单体退化编码，将卷积结果分别输入普通扩散通道和关键单体通道；

47、普通扩散通道按照动态退化邻接矩阵执行有向图卷积，关键单体通道将单体容量状态、单体内阻状态和单体状态偏离编码与退化状态判定规则中的对应判定条件逐项比较；

48、将满足判定条件组合的电池单体标记为关键退化单体，保留关键退化单体对应的卷积特征，并在其余电池单体位置写入零值；

49、将两通道结果拼接并执行线性映射，经残差连接和跳跃连接生成多尺度退化传播特征；

50、所述寿命轨迹输出层采用一维卷积处理多尺度退化传播特征，映射生成各预测等效循环位置对应的单体容量状态、单体内阻状态和电池簇一致性状态，并按照预测等效循环位置和电池单体排列顺序组合，生成电池退化轨迹矩阵。

51、可选的，所述异步弱化传导机制具体为：

52、读取先验关联张量中的非零关联位置，确定候选传导单体对；

53、按照历史窗口中的位置顺序，计算各电池单体的单体退化编码相邻位置差值，对同一位置各编码维度的差值取中位数，生成位置变化量；

54、以位置变化量绝对值的中位数与中位绝对偏差之和作为偏离阈值，将位置变化量绝对值超过偏离阈值的连续位置归并为偏离区间，并根据偏离区间内位置变化量累计结果的正负确定变化方向；

55、比较候选传导单体对中两个电池单体的首个偏离区间；两个偏离区间的变化方向一致且存在重叠时，将偏离区间起始位置较早的电池单体确定为传导端，将另一电池单体确定为响应端；

56、两个偏离区间的起始位置相同、变化方向不一致或不存在重叠时，将对应门控值设为零；

57、计算两个偏离区间的重叠长度与较短偏离区间长度之比，生成持续匹配值，计算两个偏离区间起始位置间隔加一的倒数，生成滞后衰减值；

58、将对应先验关联值、持续匹配值和滞后衰减值相乘，生成有向传导门控值，并按照电池单体排列顺序写入传导端指向响应端的矩阵位置，其余位置写入零值，生成有向传导门控矩阵。

59、可选的，所述步骤六具体为：

60、按照预测等效循环位置读取电池退化轨迹矩阵，分别计算相邻预测等效循环位置的单体容量状态下降量、单体内阻状态上升量和电池簇一致性状态下降量，将三类状态变化统一转换为数值增大表示退化加重的同向退化序列；

61、按照状态类型采用中位数和中位绝对偏差执行稳健标准化，中位绝对偏差为零时将对应标准化结果设为零；

62、针对任意两个候选边界之间的轨迹区间，分别计算各电池单体的单体容量状态下降量、单体内阻状态上升量与对应区间均值之间的平方差，并计算电池簇一致性状态下降量与对应区间均值之间的平方差；

63、将各电池单体对应的平方差和电池簇一致性状态对应的平方差累加，生成联合退化分段代价；

64、调用持续退化候选边界规则处理同向退化序列，生成持续退化候选边界范围，并将首个预测等效循环位置和末个预测等效循环位置补入持续退化候选边界范围；

65、将首个预测等效循环位置的累计代价设为零，并将首个预测等效循环位置写入候选前驱集合，按照位置顺序读取持续退化候选边界范围内的候选边界；

66、针对当前候选边界，分别计算各候选前驱位置的累计代价、候选前驱位置至当前候选边界的联合退化分段代价及分段惩罚值之和，其中分段惩罚值为退化状态类型数量与预测等效循环位置数量自然对数的乘积；

67、选择和值最小的候选前驱位置，将对应和值和候选前驱位置分别写入当前候选边界的累计代价和前驱索引；

68、针对未被选中的候选前驱位置，计算对应累计代价与延伸至当前候选边界的联合退化分段代价之和，将计算结果不小于当前候选边界累计代价的候选前驱位置从候选前驱集合中删除，并将当前候选边界写入候选前驱集合；

69、从末个预测等效循环位置开始，按照前驱索引逆序追溯候选边界，将追溯得到的候选边界按预测等效循环位置升序排列，生成退化阶段边界集。

70、可选的，所述持续退化候选边界规则具体为：

71、按照预测等效循环位置读取同向退化序列，对同一位置各电池单体的单体容量状态下降量和单体内阻状态上升量分别取中位数，并读取对应的电池簇一致性状态下降量，生成三类位置退化量；

72、三类位置退化量中至少两类大于零时，将对应位置标记为同向退化位置；

73、同向退化位置为空时，生成空的持续退化候选边界范围；同向退化位置非空时，计算各同向退化位置三类位置退化量之和，以全部同向退化位置对应和值的中位数与中位绝对偏差之和作为持续退化判定阈值；

74、保留和值不小于持续退化判定阈值的同向退化位置，将预测等效循环位置相邻的保留位置归并为持续退化区间，并删除未与前一位置或后一位置连续的孤立位置；

75、将各持续退化区间的起始位置和终止位置写入候选边界，针对持续退化区间内的各中间位置，计算相邻位置退化和值的一阶差值，再计算相邻一阶差值之差的绝对值；

76、以区间内各绝对值的中位数与中位绝对偏差之和作为转折判定阈值，将绝对值不小于转折判定阈值的位置写入候选边界，按照预测等效循环位置排序并删除重复位置，生成持续退化候选边界范围。

77、可选的，所述步骤七具体为：

78、按照锂电池寿命预测约束集中的预测范围规则限定预测等效循环位置，在限定的预测等效循环位置内读取退化阶段边界集；

79、在电池退化轨迹矩阵中提取自各退化阶段边界起连续排列位置对应的单体容量状态、单体内阻状态和电池簇一致性状态；

80、将各单体容量状态和各单体内阻状态分别与寿命终止判据中的对应阈值进行比较，分别统计满足对应阈值的电池单体数量，并将电池簇一致性状态与对应阈值进行比较；

81、对两类电池单体数量及电池簇一致性状态均达到寿命终止判据要求的连续位置进行计数，将连续位置数量达到寿命终止判据要求的退化阶段边界进行标记；

82、将标记的退化阶段边界按照预测等效循环位置升序排列，将首个标记的退化阶段边界确定为目标寿命终止边界；

83、读取目标寿命终止边界对应的预测等效循环值，并读取储能锂电池运行观测序列末位对应的累计等效循环值，计算预测等效循环值与累计等效循环值之差，生成预测剩余等效循环值；

84、将预测对象、目标寿命终止边界、预测等效循环值、预测剩余等效循环值和电池退化轨迹矩阵组合，生成锂电池寿命预测结果；

85、读取预测对象的实际运行状态，从实际运行状态中提取实际累计等效循环值及对应的三类实际状态；

86、实际运行状态未满足寿命终止判据时，从锂电池寿命预测结果中的电池退化轨迹矩阵提取实际累计等效循环值对应的三类预测状态，计算三类实际状态与对应预测状态的差值；

87、实际运行状态满足寿命终止判据时，计算实际累计等效循环值与预测等效循环值之差；

88、将预测对象、对应差值、实际累计等效循环值和目标寿命终止边界组合，生成寿命预测反馈记录。

89、本发明的有益效果是：

90、与现有技术相比，本发明首先对储能锂电池运行记录进行数据规整和等效循环转换，使不同采样间隔、不同充放电过程及不同对象层级下的运行数据按照统一等效循环口径排列，并提取单体容量状态、单体内阻状态、单体状态偏离编码和均衡占用量，形成连续可比的单体运行证据序列；同时结合电气结构路径、热区标识和均衡通道标识构建电池物理关联矩阵，为退化关系分析提供数据基础和结构依据。

91、在此基础上，本发明采用改进graph wavenet模型联合处理单体运行证据序列和电池物理关联矩阵，通过共同状态编码与单体状态编码之间的差异形成单体退化编码，并结合先验关联张量和状态关联张量构建动态退化邻接矩阵；异步弱化传导机制根据关联单体偏离区间的先后关系、变化方向和持续重叠情况刻画退化状态的有向传导，配合普通扩散通道和关键单体通道保留整体传播特征与关键退化特征，形成电池退化轨迹矩阵。

92、进一步地，本发明采用改进pelt算法对电池退化轨迹矩阵进行阶段划分，将多类状态变化转换为同向退化序列，并通过联合退化分段代价和持续退化候选边界规则限定具有连续退化依据的候选位置，使累计代价计算和边界回溯避开孤立波动，得到退化阶段边界集；再按照寿命终止判据确定目标寿命终止边界，生成锂电池寿命预测结果和寿命预测反馈记录，形成从运行数据、物理关联、退化轨迹到寿命结果的完整处理链。