(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111626227.3 (22)申请日 2021.12.2 9 (65)同一申请的已公布的文献号 申请公布号 CN 113985294 A (43)申请公布日 2022.01.28 (73)专利权人 山东大学 地址 266237 山东省青岛市 即墨滨海路72 号 (72)发明人 李沂滨　崔明　贾磊　宋艳　 王代超　郭庆稳　高辉　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 代理人 张庆骞 (51)Int.Cl. G01R 31/367(2019.01) G01R 31/392(2019.01) G06F 30/27(2020.01) G06F 119/04(2020.01)(56)对比文件 CN 113361197 A,2021.09.07 CN 108761346 A,2018.1 1.06 CN 105183994 A,2015.12.23 AU 2021107489 A4,2021.12.23 CN 112487702 A,2021.0 3.12 CN 110333462 A,2019.10.15 CN 113722877 A,2021.1 1.30 CN 113111579 A,2021.07.13 RU 2741686 C1,2021.01.28 CN 110579714 A,2019.12.17 EP 2770769 A1,2014.08.27 (续) 审查员 范明莉 (54)发明名称 一种电池剩余寿 命的预估方法及装置 (57)摘要 本发明属于锂电池技术领域， 为了解决极限 学习机模型受随机初始化权重影 响， 影响锂电池 剩余使用寿命 预测的精度的问题， 提供了一种电 池剩余寿命的预估方法及装置。 其中， 电池剩余 寿命的预估方法包括获取锂电池历史充放电循 环数据， 并从其中提取从第一电压到第二电压的 放电时间差和前向循环的电池容量， 进而构成初 始特征向量； 基于初始特征向量及预先训练完成 的寿命预测模 型， 进行迭代预测直到预测容量低 于额定容量的预设比例， 最终获得锂电池的剩余 使用寿命预测值； 其中， 所述寿命预测模型为经 天牛须搜索算法优化初始化参数的极限学习机 模型。 该预估 方法提高了极限学习机的精准度及 稳定性， 最终提高了锂电池剩余使用寿命预测值 的准确性。 [转续页] 权利要求书3页 说明书9页 附图4页 CN 113985294 B 2022.04.01 CN 113985294 B (56)对比文件 Yan Song 等.Dist ributed A ttention- Based Temporal Co nvolutional Netw ork for Remaining Useful L ife Predicti on. 《 IEEE Internet of Thi ngs Journal 》 .2020,第8卷(第12期), 尚梦瑶.基 于智能优化 算法的蓄电池 模型参 数辨识及SOC估计. 《中国优秀硕士论文 全文数据 库》 .2019,2/2 页 2[接上页] CN 113985294 B1.一种电池剩余寿命的预估方法， 其特 征在于， 包括： 获取锂电池历史充放电循环数据， 并从其中提取从第 一电压到第 二电压的放电时间差 和前向循环的电池容 量， 进而构成初始特 征向量； 基于初始特征向量及预先训练完成的寿命预测模型， 进行迭代预测直到预测容量低于 额定容量的预设比例， 最终 获得锂电池的剩余使用寿命预测值； 其中， 设第 i次测量的电容值为 ， 其对应的放电电压、 时间温度序列数据分别为 、 ； 设第i次循环电池放电时首次电压从第一电压 到第二电压 时间为 其中 表示 的反函数； 序列 则表示前 k个循环在 到 的等压降时间序列； 第一电压和第二电压的最优值选取 过程为： 设电池最高电压为 ,截止电压为 ， ， 则 其中， 分别为第一电压和第二电压的最优值； 为偏相关系数； 为电池容量 序列 与等压降时间序列 之间的相关系数； 为电池容量序列 与循环次数 之间的相 关系数； 为循环次数 与等压降时间序列 之间的相关系数； 其中， 所述寿命预测模型为经天牛 须搜索算法优化初始化 参数的极限学习机模型； 利用天牛 须搜索算法优化极限学习机模型的初始化 参数过程为： 根据当前迭代的触须 单位方向及探索距离， 计算左右两根触角探索距离； 计算当前迭代到下一次迭代的初始化参数更新步长， 即前进方向， 同时判断当前前进 方向是否比当前位置更优， 若是， 则更新前进方向， 否则继续计算左右两根触角探索距离； 利用更新后前进方向来计算下一次迭代的初始化 参数； 更新触须单位方向及探索距离， 判断是否到达设定终止条件， 若是， 则得到优化后的初 始化参数， 否则继续计算左右两根触角探索距离； 计算左右两根触角探索距离的公式为： 其中， 和 分别为左右两根触角探索距离； 为第t步迭代的探索距离； 为触须单位方向， 其与目标参数 大小相对应； 为第t步迭代需要 优化的极限学习机模型的初始化 参数； 表示随机值； n表示初始化 参数的个数；权　利　要　求　书 1/3 页 2 CN 113985294 B 3