【CN110208705A】一种锂电池剩余寿命预测方法及装置【专利】

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号
(43)申请公布日
(21)申请号 201910385098.X(22)申请日 2019.05.09(71)申请人 赛尔网络有限公司地址 100084 北京市海淀区中关村东路1号院清华科技园8号楼B座赛尔大厦 申请人 中南大学(72)发明人 彭军　郑智勇　李恒　杨迎泽　张晓勇　程亦君　陈彬　黄志武　蒋富　刘伟荣　(74)专利代理机构 长沙市融智专利事务所(普通合伙) 43114代理人 杨萍(51)Int.Cl.G01R 31/367(2019.01)G01R 31/392(2019.01)G01R 31/371(2019.01)

(54)发明名称
一种锂电池剩余寿命预测方法及装置
(57)摘要
本发明公开了一种锂电池剩余寿命预测方
法及装置，装置包括AC-DC转换模块、DC-DC转换
模块和控制板；预测方法包括以下步骤：首先使
用AC-DC转换模块对锂电池进行充电；然后使用
DC-DC转换模块进行放电；在放电期间，对电池的
电压及电流信号进行采集，并通过串口转UDP模
块、4G-LTE数传模块上传至云服务器；服务器分
别根据电池的放电电流信号和电压信号求得电
池的可用容量CAP及电压信号的波动指数VCFI；
然后将归一化处理后的CAP和VCFI作为特征，送
到训练好的基于梯度提升决策树的预测模型中，
通过映射即可求得电测的预测寿命。本发明提高
了锂电池剩余使用寿命预测的精度。

权利要求书2页 说明书6页 附图2页

CN 110208705 A
2019.09.06

C
N
1
1
0
2
0
8
7
0
5
A
1.一种锂电池剩余寿命预测方法，其特征在于，包括如下步骤：
步骤1：对锂电池先充电至完全充满；
步骤2：对锂电池进行恒流模式放电，并在放电期间采集锂电池的电压和放电电流，得
到放电期间锂电池的电压曲线和放电电流曲线；
步骤3：从放电期间锂电池的电压曲线和放电电流曲线提取锂电池的特征；
步骤4：将锂电池的特征输入到训练好的锂电池剩余寿命预测模型中，输出锂电池的剩
余使用寿命。
2.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，所述步骤3中，锂电池
的特征包括电池可用容量CAP和电压曲线的信号波动指数VCFI；其中，电池的可用容量CAP
的计算公式为：

其中，Δt为采样周期，M为整个放电期间(从开始时间ta至结束时间tb)内的采样点的个
数；Ii为第i个采样点采集到的锂电池放电电流；
电压曲线的信号波动指数VCFI的计算公式为：

式中，yi为第i个采样点采集到的锂电池电压，μ为M个采样点采集到的电压的平均值，
其中M为采样点的总数，ω为采样频率，ω＝1/Δt。
3.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，先对步骤3中提取到
的特征进行归一化处理，再将归一化处理后得到的特征值输入到训练好的锂电池剩余寿命
预测模型中进行计算；对某一特征X进行归一化处理的公式如下：

其中Xnorm为特征X归一化处理后得到的特征值，Xmax和Xmin分别为所有训练样本相应特征
的最大值和最小值。
4.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，所述锂电池剩余寿命
预测模型为基于梯度提升决策树构建的模型。
5.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，训练锂电池剩余寿命
预测模型的方法为：
首先，由若干已知剩余使用寿命的锂电池构成训练样本集合；
然后，对训练样本集合中的每一个训练样本，分别根据步骤1～步骤3提取其特征，即提
取训练样本的特征；
最后，以训练样本的特征为输入，训练样本的剩余使用寿命为输出，训练锂电池剩余寿
命预测模型，确定模型参数，得到训练好的锂电池剩余寿命预测模型。
6.根据权利要求1所述的锂电池剩余寿命预测方法，其特征在于，所述步骤1中，先对锂
电池先进行恒流模式充电，再进行恒压模式充电。

权　利　要　求　书
1/2页

2
CN 110208705 A