电池健康度多因素作用量化评估方法、系统、介质、程序产品及终端与流程
本技术涉及电池健康度评估,特别是涉及一种电池健康度多因素作用量化评估方法、系统、介质、程序产品及终端。
背景技术:
1、目前,电池健康度(state of health,soh)是衡量电池寿命和性能的关键指标。目前,行业内对电池soh衰减的评估主要存在两类技术方案:
2、1、单因素时间序列统计法:这是目前最普遍的方案,仅基于使用时间这一单一维度建立soh衰减模型。例如,通过统计电池随时间的衰减轨迹,直接计算得出“日历老化速率”(如1.0553%/100天)。这种方案将电池随时间产生的所有衰减均归咎于日历老化,实质上是一种混合了循环老化的表观统计值。
3、2、未去共线性的多因素回归法:部分方案虽考虑了使用时间和累计放电量等多个特征,但直接将上述特征并行输入多元线性回归模型。在实际运行数据中,电池的累计使用时间与累计放电量存在高度的正相关关系(如累计使用时间越长,累计放电量必然越大),直接输入模型会导致严重的多重共线性问题,模型系数失真,无法反映各因素独立的物理影响。
4、现有技术存在以下缺点:
5、1、日历老化率评估虚高,物理机制失真:在单因素统计法中,由于使用时间与累计放电量高度耦合,测算出的“混合日历老化速率”实质上包含了大量平均使用强度下的循环老化。现有技术未能识别并剥离这种耦合,导致日历老化率严重虚高,偏离了电池电极材料自然降解的真实物理特性;
6、2、特定场景下会预测失真与误报:由于现有技术将循环老化错误地打包进日历老化,当电池处于极低使用强度(如长期库存、备用电源静置)场景时,套用虚高的混合日历老化率会严重高估电池的衰减速度,导致系统误判电池达到寿命阈值而产生提前报废的误报;
7、3、无法量化各衰减机制的独立贡献率:未去共线性的多因素回归法因特征耦合干扰,无法剥离并量化“纯日历老化”与“循环老化”的独立影响速率及相对重要性占比。
8、因此,有必要提供一种电池健康度多因素作用量化评估方法,以解决现有技术中存在的上述问题。
技术实现思路
1、鉴于上述现有技术的缺点,本发明提供一种电池健康度多因素作用量化评估方法、系统、介质、程序产品及终端,用于解决以上现有技术中的至少一个技术问题。
2、为实现上述目的及其他相关目的,本技术的第一方面提供一种电池健康度多因素作用量化评估方法,包括:获取目标电池的历史运行数据,基于目标电池的历史运行数据进行处理获得目标电池特征数据集;基于目标电池特征数据集提取至少两个候选影响因素,对所述至少两个候选影响因素的指标进行预处理,构建获得候选影响因素数据集;对候选影响因素数据集采用pearson相关系数进行相关性分析,获得相关候选影响因素数据集;基于相关候选影响因素数据集计算方差膨胀因子以进行多重共线性检验,获得多重共线性检验结果,基于多重共线性检验结果执行去共线性处理,获得目标候选影响因素数据集;基于目标候选影响因素数据集建立多因素联合量化模型,得到各候选影响因素对电池健康度的独立作用强度,根据相关系数、方差膨胀因子以及独立作用强度量化分析各候选影响因素对目标电池的电池健康度的影响程度。
3、于本技术的第一方面的一些实施例中,对候选影响因素数据集采用pearson相关系数进行相关性分析,获得相关候选影响因素数据集,具体过程包括:采用pearson相关系数计算各候选影响因素与平滑后电池健康度之间的相关系数,以及计算各候选影响因素之间的相关系数;根据相关系数判断线性相关程度,以筛选获得相关候选影响因素数据集。
4、于本技术的第一方面的一些实施例中,基于目标候选影响因素数据集建立多因素联合量化模型,得到各候选影响因素对电池健康度的独立作用强度,具体过程包括:当候选影响因素的数量为两个时,所述多因素联合量化模型采用双因素联合量化模型,将平滑后电池健康度作为被解释变量,将目标候选影响因素数据集中的候选影响因素作为解释变量,计算获得各候选影响因素对电池健康度的独立作用强度;所述双因素联合量化模型为:;其中,为平滑后电池健康度,和分别对应不同的候选影响因素,为常数项,为控制后对电池健康度的独立作用强度,为控制后对电池健康度的独立作用强度,为残差项。
5、于本技术的第一方面的一些实施例中,基于目标候选影响因素数据集建立多因素联合量化模型,得到各候选影响因素对电池健康度的独立作用强度,具体过程包括:当候选影响因素的数量为三个及以上时,所述多因素联合量化模型采用多元线性回归模型,将平滑后电池健康度作为被解释变量,将目标候选影响因素数据集中的候选影响因素作为解释变量,计算获得各候选影响因素对电池健康度的独立作用强度;所述多元线性回归模型为:;其中,为平滑后电池健康度,、、、分别对应不同的候选影响因素,为常数项,、、、分别为各候选影响因素对电池健康度的独立作用强度,为残差项。
6、于本技术的第一方面的一些实施例中,所述方法还包括:当存在多个目标电池时,所述多因素联合量化模型中引入电池个体固定效应项,基于多个目标电池的目标候选影响因素数据集计算得到各候选影响因素对电池健康度的独立作用强度;所述多因素联合量化模型中引入电池个体固定效应项后为:
7、;其中,为平滑后电池健康度,、、、分别对应不同的候选影响因素,为常数项,、、、分别为各候选影响因素对电池健康度的独立作用强度,为电池个体固定效应项,为残差项。
8、于本技术的第一方面的一些实施例中,所述方法还包括:在建立多因素联合量化模型后,引入交互作用项以扩展多因素联合量化模型,获得扩展后的多因素联合量化模型,以供分析各候选影响因素之间的耦合作用;所述扩展后的多因素联合量化模型为:;其中,为平滑后电池健康度,和分别对应不同的候选影响因素,为常数项,和分别为各候选影响因素对电池健康度的独立作用强度,为和的交互作用项,为残差项;当交互作用项中的小于0时,则判定和之间的耦合作用为增强型耦合;当交互作用项中的大于0时,则判定和之间的耦合作用为缓和型耦合;当交互作用项中的等于0时,则判定和之间无耦合作用。
9、为实现上述目的及其他相关目的,本技术的第二方面提供一种电池健康度多因素作用量化评估系统,包括:数据获取模块,用于获取目标电池的历史运行数据,基于目标电池的历史运行数据进行处理获得目标电池特征数据集;因素提取模块,用于基于目标电池特征数据集提取至少两个候选影响因素,对所述至少两个候选影响因素的指标进行预处理,构建获得候选影响因素数据集;相关分析模块,用于对候选影响因素数据集采用pearson相关系数进行相关性分析,获得相关候选影响因素数据集;去共线性处理模块,用于基于相关候选影响因素数据集计算方差膨胀因子以进行多重共线性检验,获得多重共线性检验结果,基于多重共线性检验结果执行去共线性处理,获得目标候选影响因素数据集;量化评估模块,用于基于目标候选影响因素数据集建立多因素联合量化模型,得到各候选影响因素对电池健康度的独立作用强度,根据相关系数、方差膨胀因子以及独立作用强度量化分析各候选影响因素对目标电池的电池健康度的影响程度。
10、为实现上述目的及其他相关目的,本技术的第三方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述电池健康度多因素作用量化评估方法。
11、为实现上述目的及其他相关目的,本技术的第四方面提供一种计算机程序产品,所述计算机程序产品中包括计算机程序代码,当所述计算机程序代码在计算机上运行时,使得所述计算机实现所述电池健康度多因素作用量化评估方法。
12、为实现上述目的及其他相关目的,本技术的第五方面提供一种电子终端,包括存储器、处理器及存储在存储器上的计算机程序;所述处理器执行所述计算机程序以实现所述电池健康度多因素作用量化评估方法。
13、如上所述,本技术提供的电池健康度多因素作用量化评估方法、系统、介质、程序产品及终端,具有以下有益效果:
14、(1)本技术经pearson相关性分析筛选显著相关因素并剔除冗余,结合方差膨胀因子检验与去共线性处理,消除多重共线性干扰,构建各因素间相互独立且与电池健康度稳健关联的目标数据集,为后续建模提供统计性质可靠的数据基础。
15、(2)本技术基于去共线性后的目标候选影响因素建立多因素联合量化模型,精准计算各因素对电池健康度的独立作用强度,实现纯日历老化与循环老化的有效解耦。该方法克服了现有技术中因时间因素与累计放电量高度耦合导致的日历老化率虚高问题,能够真实反映电极材料自然降解的物理特性。在电池仓储、备用电源等低使用强度场景下,可避免系统过度预估寿命衰减,防止电池被误判报废,显著减少资源浪费。
16、(3)本技术通过引入交互作用项扩展多因素联合量化模型,有效识别并量化不同候选影响因素之间的耦合作用类型与强度,提升模型对复杂工况下电池衰减规律的解释能力与预测精度。通过量化输出各影响因素的独立作用强度,本技术不仅能够识别影响电池健康状态衰减的关键影响因素,还能定量剥离各影响因素的独立效应与协同效应,为电池管理系统的精细化控制策略制定及电池全生命周期健康管理提供可量化的数据基础和决策依据。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com