(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211321901.1 (22)申请日 2022.10.27 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 刘新华　王文涛　于瀚卿　杨世春　 王明悦　陈飞　 (74)专利代理 机构 北京格允知识产权代理有限 公司 11609 专利代理师 张沫 (51)Int.Cl. G01R 31/367(2019.01) G01R 31/392(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) B60L 58/16(2019.01) (54)发明名称 锂电池健康状态的预测方法、 装置、 电子设 备及存储介质 (57)摘要 本说明书实施例涉及 锂电池技术领域， 特别 涉及一种锂电池健康状态的预测方法、 装置、 电 子设备及存储介质。 其中， 锂电池健康状态的预 测方法包括： 采集目标锂电池在 多次充放电循环 过程中的循环老化数据； 其中， 循环老化数据包 括原始电压数据和原始温度数据； 针对每一次充 放电循环， 均执行： 对当前充放电循环中的原始 电压数据和原始温度数据进行清洗处理， 得到目 标电压数据和目标温度数据； 基于目标电压数据 和目标温度数据， 得到当前充放电循环的DTV数 据； 对每一次充放电循环的DTV数据进行特征提 取， 得到时间序列数据； 将时间序列数据输入到 预设的LSTM模型中进行训练， 得到预测模型； 利 用预测模型对待测锂电池的健康状态进行预测 并量化不确定性结果。 权利要求书2页 说明书10页 附图2页 CN 115389947 A 2022.11.25 CN 115389947 A 1.一种锂电池健康状态的预测方法， 其特 征在于， 包括： 采集目标锂电池在多次充放电循环过程中的循环老化数据； 其中， 所述循环老化数据 包括原始电压数据和原 始温度数据； 针对每一次所述充放电循环， 均执行： 对当前充放电循环中的原始电压数据和原始温 度数据进行清洗处理， 得到目标电压数据和目标温度数据； 基于所述 目标电压数据和所述 目标温度数据， 得到当前充放电循环的DTV数据； 对每一次所述充放电循环的DTV数据进行 特征提取， 得到时间序列数据； 将所述时间序列数据输入到预设的LSTM模型中进行训练， 得到预测模型； 利用所述预测模型对待测锂电池的健康状态进行 预测并量 化不确定性结果。 2.根据权利要求1所述的方法， 其特征在于， 所述清洗处理包括如下中的至少一种： 筛 除异常点、 固定采样间隔和滤波。 3.根据权利要求1所述的方法， 其特征在于， 所述对每一次所述充放电循环 的DTV数据 进行特征提取， 得到时间序列数据， 包括： 针对每一次所述充放电循环， 均执行： 对当前充放电循环的DTV数据依次进行滤波处理 和连线处理， 得到DTV曲线； 提取所述DTV曲线中波峰 的大小和位置以及 波谷的大小和位置， 并作为初始特征数据； 针对每一个所述波 峰或每一个所述波谷， 将当前充放电循环的电池 容量以及当前波峰或当前波谷的大小和位置进行相关性分析， 得到相关性高于预设阈值的 目标特征数据； 其中， 所述电池容 量是从所述循环老化数据中得到的； 将不同充放电循环的目标特征数据按照时间顺序排列， 得到呈二维矩阵的时间序列 数 据。 4.根据权利要求1所述的方法， 其特征在于， 所述对每一次所述充放电循环 的DTV数据 进行特征提取， 得到时间序列数据， 包括： 针对每一次所述充放电循环， 均执行： 将当前充放电循环的DTV数据构建为列向量； 对 所述列向量进行奇异值分解， 得到一个奇异值； 将不同充放电循环的奇异值按照时间顺序排列， 得到呈二维矩阵的时间序列数据。 5.根据权利要求1所述的方法， 其特征在于， 所述将所述时间序列数据输入到预设的 LSTM模型中进行训练， 得到预测模型， 包括： 将至少两个所述时间序列数据构建得到一个三维张量； 将构建得到的多个所述 三维张量输入到预设的LSTM模型中进行训练， 得到预测模型。 6.根据权利要求5所述的方法， 其特征在于， 所述LSTM模型包括依次连接的输入层、 第 一LSTM层、 第一dropout层、 第二LSTM层、 第二dropout层、 全连接层和输出层， 所述第一LSTM 层和所述第二LSTM层中的激活函数为tanh函数， 所述全连接层中的激活函数为sigmoid函 数； 和/或， 所述LSTM模型的梯度下降算法为RMSprop算法； 和/或， 所述LSTM模型采用贝叶斯 算法进行参数优化。 7.根据权利要求1 ‑6中任一项所述的方法， 其特征在于， 所述利用所述预测模型对待测 锂电池的健康状态进行 预测并量 化不确定性结果， 包括： 利用所述预测模型对待测锂电池的健康状态进行多次预测， 得到多个预测结果； 采用蒙特卡洛方法对多个所述预测结果进行不确定性 量化， 得到不确定性结果。权　利　要　求　书 1/2 页 2 CN 115389947 A 28.一种锂电池健康状态的预测装置， 其特 征在于， 包括： 采集模块， 用于采集目标锂电池在多次充放电循环过程中的循环老化数据； 其中， 所述 循环老化数据包括原 始电压数据和原 始温度数据； 执行模块， 用于针对每一 次所述充放电循环， 均执行： 对当前充放电循环中的原始电压 数据和原始温度数据进行清洗处理， 得到目标电压数据和目标温度数据； 基于所述 目标电 压数据和所述目标温度数据， 得到当前充放电循环的DTV数据； 特征提取模块， 用于对每一 次所述充放电循环的DTV数据进行特征提取， 得到时间序列 数据； 训练模块， 用于将所述时间序列数据输入到预设的LSTM模型中进行训练， 得到预测模 型； 预测模块， 用于利用所述预测模型对待测锂电池的健康状态进行预测并量化不确定性 结果。 9.一种电子设备， 包括存储器和处理器， 所述存储器中存储有计算机程序， 所述处理器 执行所述计算机程序时， 实现如权利要求1 ‑7中任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 当所述计算机程序在计算机中 执行时， 令计算机执 行权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115389947 A 3