本發明涉及一種基于BMS大數據和集成學習的鋰電池RUL預測方法及設備,所述方法包括以下步驟:根據待測電池充電階段電池BMS監測到的電流、端電壓以及溫度信息,計算多個充電周期內的IC曲線、DV曲線、電壓曲線和溫度差分曲線,基于各曲線關鍵點提取特征向量序列(FIC_i,FDV_i,FV_i,FDT_i,Find_i);基于所提取的特征向量序列對未來循環周期進行預測,得到特征向量預測值;以所述特征向量預測值作為離線訓練好的最大剩余容量回歸模型的輸入,得到對應的最大剩余容量預測,從而得到RUL預測結果,其中,所述最大剩余容量回歸模型基于XGBoost集成學習模型建立。與現有技術相比,本發明具有適用范圍廣、預測精度高等優點。
聲明:
“基于BMS大數據和集成學習的鋰電池RUL預測方法及設備” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)