CN116243194B 一种混合工况条件下的电池健康状态在线预测方法 （重庆大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116243194B(45)授权公告日2025.07.11

(21)申请号202211687026.9

(22)申请日2022.12.27

(65)同一申请的已公布的文献号申请公布号CN116243194A

(43)申请公布日2023.06.09

(73)专利权人重庆大学

地址400044重庆市沙坪坝区沙坪坝正街

174号

(72)发明人张永志赵明远冯信鸿

(74)专利代理机构北京同恒源知识产权代理有限公司11275

专利代理师廖曦

(51)Int.CI.

G01R31/392(2019.01)

G01R31/367(2019.01)

GO6F18/2415(2023.01)

GO6F18/214(2023.01)

(56)对比文件

MingyuanZhao.Improvingin-situlifepredictionandclassificationperformancebycapturingboththepresentstateand

evolutionrateofbatteryaging.《JournalofEnergyStorage》.2024,全文.

MingyuanZhao.Batterydegradation

stagedetectionandlifeprediction

withoutaccessinghistoricaloperatingdata.《EnergyStorageMaterials》.2024,全文.

审查员黄雪莉

权利要求书3页说明书10页附图3页

(54)发明名称

一种混合工况条件下的电池健康状态在线预测方法

(57)摘要

CN116243194B本发明涉及一种机理和数据融合驱动的多工况在线预测电池健康状态和寿命的机器学习方法，属于电池检测领域。该方法包括以下步骤：获得电池在不同工况下以一定电流倍率充电到截止电压后，继续以恒压充至满电，然后静置一段时间的电压容量数据；基于提取的静置时的电压曲线，使用电池二阶RC等效电路模型，辨识出包含电池机理信息的开路电压、电阻和电容等六个参数作为模型输入得到电池在线的健康状态预测模型、电池在线的剩余使用寿命预测模型、电池在线剩余寿命分类模型，实现快速准确的在

CN116243194B

获得电池在不同工况下以一定电流倍率

获得电池在不同工况下以一定电流倍率充电到截止电压后，继续以恒压充至满电，然后静置一段时间的电压容量数据

基于提取的静置时的电压曲线，使用电池老化机

理模型，辨识出包含机理信息的参数特征作为模

型输入

在静置结束后让电池怛流放电到放电截止电压，放电的容量作为当前容量，其与初始容

量的比值为电池的健康状态，以此为输出进行基于机器学习方法的回归预测模型的训练

电池在容量衰退到B0%初始容量前全生命周期

内的剩余使用寿命作为输出，进行基于机器

学习方法的回归预测模型的训练

基于电池循环处不同的健康状态设置动态闻值，将电池分为长寿命和短寿命组作为输出进行基于机器学习方法的回归分类器的训练

电池在线的健康状态预测模型

电池在线的剩余使用寿命预测模型

电池在线剩余寿命分类模型

对不同工况下的待测电池同样提取

出静置段的电压数据进行电池老化

机理模型的参数辨识，将辨识的参

数输入已训练好的模型中

实现在线的预测电池健康状态。剩余使用寿命和

电池长短寿命分类

CN116243194B权利要求书1/3页

2

1.一种混合工况条件下的电池健康状态在线预测方法，其特征在于：该方法包括以下步骤：

S1:获得电池在不同工况下以一定电流倍率充电到截止电压后，继续以恒压充至满电，然后静置一段时间的电压容量数据；

S2:基于提取的静置时的电压曲线，使用机理模型，辨识出包含电池机理信息特征参数为模型输入；

S3:在静置结束后让电池恒流放电到放电截止电压，放电的容量作为当前容量，其与初始容量的比值为电池的健康状态，以该电池的健康状态为输出进行基于机器学习方法的回归预测模型的训练，得到电池在线的健康状态预测模型；

S4:电池在容量衰退到80%初始容量前全生命周期内任一循环处的剩余使用寿命作为输