(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 202111062588.X (22)申请日 2021.12.08 (71)申请人 南昌师范学院 地址 330032 江西省南昌市经济技 术开发 区瑞香路8 89号 (72)发明人 徐东辉　徐向阳　 (74)专利代理 机构 南昌市赣昌知识产权代理事 务所(普通 合伙) 36140 代理人 刘鸿运 (51)Int.Cl. G06F 30/27(2020.01) G06V 10/774(2022.01) G06K 9/62(2022.01) G06Q 50/06(2012.01) G06F 119/02(2020.01) (54)发明名称 一种车用锂离子动力电池SOH时间序列预测 方法 (57)摘要 本发明针对现有技术的不足,提供一种车用 锂离子动力电池SOH时间序列预测方法,包括以 下步骤； 1） 对锂离子动力电池系统SOH时间序列 进项混沌判别； 2） 建立NARX预测模型； 3） 采集锂 离子动力电池 退化状态监测到的数据集； 4） 选择 NARX预测模型的输入变量； 5） 确定嵌入维数和时 间延迟， 然后应用于采集到的一维实验数据相空 间重构中,构造出训练样本集和测试样本集； 6） 将重构后的训练样本集训练NARX模型， 将测试样 本集对NARX模型进行预测， 得到最终的锂离子动 力电池SOH输出值， 本发明具有较高的预测精度 及较好的响应 速度， 具有较高的应用价 值。 权利要求书3页 说明书7页 附图4页 CN 113901707 A 2022.01.07 CN 113901707 A 1.一种车用锂离子动力电池SOH时间序列预测方法,通过对锂电池系统的混沌动力学 进行判定， 利用相空间重构技术对实验采集到的一维状态空间的时间序列数据进行重构， 恢复锂电池系统本身的混沌动力学特性属性， 然后利用NARX神经网络对重构后的时间序列 数据进行训练和预测， 其 步骤如下： (1)使用关联维D2法对锂离子动力电池系统SOH时间序列进 项混沌判别； (2)建立NARX预测模型； (3)采集锂离 子动力电池退化状态监测到的数据集； (4)采用灰色 关联从采集到的数据中选择NARX 预测模型的输入变量； (5)采用C ‑C法确定嵌入维数和时间延迟， 经计算， 最后确定τ＝3和m＝8， 利用上述结果 应用于对实验采集到的一维实验数据相空间重构中,构造出训练样本集{(xi,yi)}， xi∈RN ×M,yi∈RN×1， 测试样本集{(xt,yt)},xt∈RN×M,yt∈RN×1； (6)将重构后的训练样本集{(xi,yi)}， xi∈RN×M,yi∈RN×1训练NARX模型， 将测试样本集 {(xt,yt)},xt∈RN×M,yt∈RN×1对NARX模型进行 预测， 得到最终的锂离 子动力电池SOH 输出值。 2.根据权利要求1所述的一种车用锂离子动力电池SOH时间序列预测方法， 其特征在于 步骤(1)所述的关联维D2法， 其方法如下： 在考察m维相空间中设相点之间的欧氏距离为rij(m) rij(m)＝||Xm(ti)‑Xm(tj)||                   (1) 任给一标度r， 统计小于r的点对数目在所有点中所占的比例为： 其中,n为相点数， θ 为Heaviside函数, 关联维D(m)记为： 不随m改变， 于是 得到锂离 子动力电池系统的关联维数, 当D2＞2.3为分数， 表 明锂离子动力电池系统具有混沌特性， 则该锂离子动力电池系统 吸引子的维数为D2， 可对锂离子动力电池系统SOH时间序列进行 预测。 3.根据权利要求1所述的一种车用锂离子动力电池SOH时间序列预测方法， 其特征在于 步骤(2)中NARX网络模型 可表示如下： y(t)＝f(y(t ‑1),y(t‑2),...,y(t‑ny),u(t‑1),u(t‑2),...,u(t‑nu))          (5) 式中： f为非线性函数； y(t)为期望目标向量； u(t)为外部输入向量； y(t ‑1),y(t‑ 2),...,y(t ‑ny)为时延后的期望目标向量； u(t ‑1),u(t‑2),...,u(t ‑nu)为时延后的外部输 入向量， NARX网络模型的隐层激活函数 f1选取tansig函数； 输出层激活函数 f2选取purelin 函数， 分别表示 为下式： f2(x)＝x                            (7)权　利　要　求　书 1/3 页 2 CN 113901707 A 2NARX神经网络训练采用的是Levenberg ‑Marquards算法， 假设一个最大位移作为区域 半径， 然后在该区域内寻找代价函数的极小值点， 若目标代 价函数值增大， 则调整 该区域半 径改变范围， 继续 求解； 若目标代价 函数值减小， 则继续迭代计算。 4.根据权利要求1所述的一种车用锂离子动力电池SOH时间序列预测方法， 其特征在于 步骤(3)所述采集锂离子动力电池退化状态监测 到的数据集， 是锂离子动力电池在常温25 ℃条件下进 行充电、 放电和电阻测量等3个实验操作， 并实时测量电池终端电压、 输出电流、 温度、 充电器电压、 充电器电流 等实验数据， 其 步骤如下： 1)以2A恒流充电， 直至电池电压 达到4.2V， 再以恒压充电， 直至I≤20mA； 2)以2A恒流放电， 直至B5和B6电池电压分别降至2.7V和2.5V； 3)重复上述步骤(1)和步骤(2)充放电循环过程使锂离子电池老化， 当电池实际容量下 降到额定容 量的70％(从2 Ah降至4Ah)时停止老化实验； 4)以上步骤(1)和(2)记为一次循环过程， 共完成200次循环， 过程中数据的采用频率设 置为1HZ， 实时同步采集电池终端电压、 输出电流、 温度、 充电器电压、 充电器电流及数据采 集时间等数据， 并且同时记录电池的最大可用容量； 采用频率扫描 范围为0.1HZ～5HZ的EIS 方法获取电池阻抗。 5.根据权利要求1所述的一种车用锂离子动力电池SOH时间序列预测方法， 其特征在于 步骤(5)中C ‑C方法确定嵌入维数和时间延迟， 其 步骤如下： 1)假定τs为锂离子动力电池系统时间序列的采样间隔, τd＝t τs为时间序列的延迟， τw＝ (m‑1)τd为延迟时间窗口， τp为平均轨道周期( τw≥τp)； 2)计算锂离 子动力电池系统的给定时间序列的标准差σ； 3)通过下式可得S(t)、 ΔS(t)及Scor(t)3个变量的值， 式 中， rj＝jσ /2,(j＝1、 2、 3、 4) 式(8)到式(10)的3个值综合反应时间序列数据的相关性 程度； 4)从ΔS(t)的第一个极小值寻找时间序列独立的第一个局部最大值， 通过时间延迟τd ＝tτs可以获得第一个局部最大时间， 同时， 用Scor(t)的最小值确定时间序列独立的第一个 整体最大值时间窗口τw＝t τs； 利用上述 4个步骤可 得锂离子电池动力学系统的τ ＝3、 m＝8。 6.根据权利要求1所述的一种车用锂离子动力电池SOH时间序列预测方法， 其特征在于 步骤(5)中所述的相空间重构， 是假设锂离子动力电池健康状态(SOH)时间序列{x(i),i＝ 1,2,…,N}， 根据Takens理论,若时间延迟τ和嵌入维数m具有确定值时,则锂离子动力电池 健康状态(SOH)时间序列相空间相点可表示 为：权　利　要　求　书 2/3 页 3 CN 113901707 A 3