一种基于AI的个性化电池健康管理方法、系统及电子设备与流程
本发明涉及电池健康管理,具体涉及一种ai的个性化电池健康管理方法、系统及电子设备。
背景技术:
1、随着新能源汽车、储能设备、智能终端以及可穿戴电子设备的快速发展,锂离子电池作为主要的能量存储单元,其运行安全性、循环寿命以及能量利用效率受到越来越广泛的关注。电池管理系统(bms)通常用于对电池的电压、电流、温度、荷电状态(soc)以及健康状态(soh)等参数进行监测和管理。其中,soh能够反映电池的老化程度及剩余使用能力,是制定充放电控制策略和延长电池使用寿命的重要依据。
2、目前,现有电池健康管理方法主要包括基于经验规则的方法、基于物理机理模型的方法以及基于数据驱动模型的方法。基于经验规则的方法通常依据预设阈值对充放电过程进行控制,实现方式简单,但难以适应不同用户的实际使用需求;基于物理机理模型的方法通常依据等效电路模型、电化学模型等对电池退化过程进行分析,具有一定的物理可解释性,但模型参数辨识复杂,在复杂工况下容易受到建模误差影响;基于数据驱动模型的方法通常利用神经网络等人工智能算法建立soh预测模型,能够提高预测精度,但大多仅依赖电池自身运行参数进行状态估计,对不同用户长期形成的充放电行为差异考虑不足,导致模型泛化能力及个性化适应能力受到限制。
3、近年来,也有部分方案尝试结合用户使用行为对电池管理进行优化,但多数仍以预测充电需求或调整充电时机为主,用户行为与电池退化状态之间的关联建模不足,难以充分反映用户使用习惯对电池健康演化的长期影响。
4、因此,现有技术普遍存在以下问题:一方面,电池物理状态信息与用户行为信息之间缺乏有效协同利用,难以充分挖掘用户行为对电池健康状态演化的影响规律;另一方面,soh预测结果与后续电池管理策略之间缺乏有效联动,难以根据不同用户的行为特征生成具有针对性的个性化电池管理策略,导致电池健康管理难以兼顾soh预测准确性、策略个性化以及长期健康管理能力。
技术实现思路
1、鉴于上述现有技术存在的不足,亟需提供一种基于ai的个性化电池健康管理方法,以实现用户行为特征与电池物理退化特征的协同建模,并建立电池健康状态预测结果与电池管理策略之间的关联机制,从而实现针对不同用户使用行为的个性化电池健康管理。
2、为实现上述目的,本发明的技术方案如下:
3、本发明一方面提供了一种基于ai的个性化电池健康管理方法,包括以下步骤:
4、获取电池运行数据,所述电池运行数据包括反映电池运行状态的电池物理参数以及反映用户充放电习惯的用户行为数据;
5、对所述电池运行数据进行预处理,所述预处理至少包括数据清洗、时间序列对齐以及特征提取,以分别获得电池物理特征和用户行为特征;
6、根据所述用户行为特征建立用户行为模型,根据所述电池物理特征建立电池退化模型;
7、根据所述用户行为模型输出结果和所述电池退化模型输出结果进行特征融合处理,以获得反映用户行为与电池退化关联关系的融合特征,并基于所述融合特征计算电池健康状态soh预测结果;
8、根据所述soh预测结果以及所述用户行为特征生成个性化电池管理策略;
9、根据所述个性化电池管理策略调整电池管理系统的控制参数。
10、在一个实施例中,所述用户行为数据至少包括充电起止时间、充电频率、充放电深度以及使用频率中的一种或多种;
11、所述电池物理参数至少包括电压、电流、温度、荷电状态soc、内阻以及循环次数中的一种或多种;
12、所述建立用户行为模型包括利用循环神经网络对所述用户行为特征进行时序行为建模;
13、所述建立电池退化模型包括基于等效电路模型建立电池退化模型,以表征电池老化状态。
14、在一个实施例中,所述特征融合处理包括:
15、根据所述用户行为模型输出结果和所述电池退化模型输出结果分别计算对应特征的重要性权重;
16、依据所述重要性权重对两类特征进行动态融合,获得所述融合特征;
17、基于所述融合特征计算所述soh预测结果;
18、所述重要性权重采用注意力机制进行计算。
19、在一个实施例中,所述根据所述soh预测结果以及所述用户行为特征生成个性化电池管理策略,包括:
20、根据用户历史行为特征对用户进行行为类型划分;
21、根据对应行为类型确定对应的电池管理策略模型;
22、根据所述soh预测结果调用对应的电池管理策略模型生成所述个性化电池管理策略;
23、其中,所述个性化电池管理策略包括充电截止阈值调整策略、充电电流调整策略以及电池均衡控制策略中的至少一种;
24、所述行为类型划分采用密度聚类算法实现。
25、在一个实施例中,所述生成个性化电池管理策略包括:
26、建立兼顾电池健康保持、充电效率以及设备使用性能的多目标优化模型,所述多目标优化模型以所述soh预测结果作为优化约束条件之一;
27、根据所述soh预测结果、所述用户行为特征以及当前电池运行状态,对所述多目标优化模型进行求解,获得对应的电池管理策略;
28、所述电池管理策略包括充电截止参数、充电电流参数、放电控制参数以及电池均衡控制参数中的至少一种。
29、在一个实施例中,所述根据所述soh预测结果生成个性化电池管理策略之后,还包括:
30、获取电池更新后的运行数据;
31、根据更新后的电池运行数据重新计算电池健康状态soh预测结果;
32、根据更新后的soh预测结果重新生成个性化电池管理策略;
33、当重新生成的个性化电池管理策略满足预设调整条件时,对电池管理系统当前控制参数进行替换或者修正,以实现电池管理策略的动态调整;
34、所述控制参数采用预设调整步长进行渐进式更新。
35、在一个实施例中,所述用户行为模型通过模型训练获得,所述电池退化模型通过参数辨识建立,包括:
36、利用覆盖不同运行环境、不同电池类型以及不同用户行为特征的历史运行数据,对所述用户行为模型进行训练,以获得基础用户行为模型;
37、利用所述历史运行数据对所述电池退化模型进行参数辨识,以确定所述电池退化模型的模型参数;
38、利用目标应用场景对应的历史运行数据对所述基础用户行为模型进行迁移学习,以获得适用于目标应用场景的用户行为模型;
39、所述用户行为模型采用循环神经网络进行构建。
40、在一个实施例中,所述联合训练还包括模型持续更新过程,包括:
41、当累计获得预设规模的实际运行数据时,触发模型增量更新;
42、在模型增量更新过程中,对历史模型知识进行保持,以降低模型更新过程中历史知识遗忘;
43、利用更新后的预测模型重新生成soh预测结果,并据此更新个性化电池管理策略;
44、所述历史训练知识保持采用弹性权重约束机制实现。
45、本发明另一方面还提供了一种基于ai的个性化电池健康管理系统,包括:
46、数据采集模块,用于获取电池运行数据,所述电池运行数据包括电池物理参数以及用户行为数据;
47、数据处理模块,与所述数据采集模块连接,用于对所述电池运行数据进行数据清洗、时间序列对齐及特征提取,以分别获得电池物理特征和用户行为特征;
48、健康状态预测模块,与所述数据处理模块连接,用于根据所述用户行为特征建立用户行为模型,根据所述电池物理特征建立电池退化模型,并根据所述用户行为模型输出结果和所述电池退化模型输出结果进行特征融合处理,以获得反映用户行为与电池退化关联关系的融合特征,并基于所述融合特征计算电池健康状态soh预测结果;
49、策略生成模块,与所述健康状态预测模块连接,用于根据所述soh预测结果以及所述用户行为特征生成个性化电池管理策略;
50、策略执行模块,与所述策略生成模块连接,用于根据所述个性化电池管理策略调整电池管理系统的控制参数,以控制电池充放电过程。
51、所述健康状态预测模块包括依次连接的行为建模单元、退化建模单元、特征融合单元以及soh预测单元。
52、本发明又一方面还提供了一种电子设备,包括:至少一个处理器;存储器;以及存储于所述存储器中并能够在所述处理器上运行的计算机程序;所述处理器执行所述计算机程序时,使所述电子设备执行上述任一项所述的基于ai的个性化电池健康管理方法。
53、综上所述,本发明通过分别建立用户行为模型与电池退化模型,并对两模型输出进行特征融合处理,实现了用户行为特征与电池物理退化特征的协同建模,提高了电池健康状态soh预测的准确性;同时,根据soh预测结果和用户行为特征生成个性化电池管理策略,并动态调整电池管理系统的控制参数,实现了电池健康管理策略的动态调节,提高了电池健康管理对不同用户使用行为的适应能力。
54、与现有技术相比,本发明至少具有如下有益效果:
55、(1)本发明通过分别建立用户行为模型与电池退化模型,并对两模型输出进行特征融合处理,实现了用户行为特征与电池物理退化特征的协同建模,提高了电池健康状态soh预测的准确性,改善了现有方法仅依赖电池物理参数或简单结合用户行为信息进行预测时对用户个体差异考虑不足的问题。
56、(2)本发明根据soh预测结果和用户行为特征生成个性化电池管理策略,并据此调整电池管理系统的控制参数,实现了从电池健康状态预测到电池管理策略生成及控制参数调整的闭环管理,提高了电池健康管理对不同用户使用行为的适应能力。
57、(3)本发明采用迁移学习与增量学习相结合的模型构建方式,使用户行为模型能够适应不同电池类型、运行环境及用户行为变化,提高了模型对不同应用场景的适应能力,并增强了电池健康管理策略的持续更新能力。
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