电池健康状态综合评估方法、系统、设备及存储介质与流程

本发明涉及电池健康状态分析，尤其涉及一种电池健康状态综合评估方法、系统、设备及存储介质。

背景技术：

1、动力电池作为其核心部件，其健康状态监测和寿命预测成为保障车辆安全运行的关键技术。传统的电池健康评估方法主要依赖于单一的容量或内阻特征，无法全面反映电池的性能退化状态，导致评估结果的准确性和可靠性不足。

2、目前，电池管理系统采集的数据存在噪声干扰和采样频率不一致等问题，直接影响了特征提取的质量。同时，现有的评估模型往往采用固定权重的融合策略，难以适应电池在不同工况下的动态特性变化，使得评估结果与实际状态产生偏差。此外，电池健康状态评估还面临着评估结果不确定性量化、置信度评估等挑战。特别是在复杂工况下，单一的评估指标难以准确反映电池的真实健康状态，需要建立多源数据融合的综合评估方法，并引入深度学习等智能算法提升评估的准确性和鲁棒性。

技术实现思路

1、本发明提供了一种电池健康状态综合评估方法、系统、设备及存储介质，本发明实现了对电池健康状态的多维度评估。

2、第一方面，本发明提供了一种电池健康状态综合评估方法，所述电池健康状态综合评估方法包括：

3、对电池管理系统采集的电压数据、电流数据、温度数据分别进行小波降噪和统一频率处理，得到标准化数据序列；

4、根据所述标准化数据序列通过脉冲响应法计算内阻值、电流积分法计算容量值、充放电能量比值计算效率值，得到第一电池特征参数；

5、对所述第一电池特征参数进行协方差矩阵自适应的卡尔曼滤波处理，得到第二电池特征参数；

6、基于所述第二电池特征参数构建容量-内阻变化率指标和温度-效率相关性指标，得到双阈值评估矩阵；

7、将所述双阈值评估矩阵输入深度强化学习模型，通过actor网络和critic网络进行正向传播计算和迭代训练，得到特征融合权重系数；

8、根据所述特征融合权重系数对所述双阈值评估矩阵进行加权计算，生成电池健康状态值和剩余寿命预测值。

9、第二方面，本发明提供了一种电池健康状态综合评估系统，所述电池健康状态综合评估系统包括：

10、采集模块，用于对电池管理系统采集的电压数据、电流数据、温度数据分别进行小波降噪和统一频率处理，得到标准化数据序列；

11、计算模块，用于根据所述标准化数据序列通过脉冲响应法计算内阻值、电流积分法计算容量值、充放电能量比值计算效率值，得到第一电池特征参数；

12、处理模块，用于对所述第一电池特征参数进行协方差矩阵自适应的卡尔曼滤波处理，得到第二电池特征参数；

13、构建模块，用于基于所述第二电池特征参数构建容量-内阻变化率指标和温度-效率相关性指标，得到双阈值评估矩阵；

14、训练模块，用于将所述双阈值评估矩阵输入深度强化学习模型，通过actor网络和critic网络进行正向传播计算和迭代训练，得到特征融合权重系数；

15、生成模块，用于根据所述特征融合权重系数对所述双阈值评估矩阵进行加权计算，生成电池健康状态值和剩余寿命预测值。

16、本发明第三方面提供了一种电池健康状态综合评估设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电池健康状态综合评估设备执行上述的电池健康状态综合评估方法。

17、本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的电池健康状态综合评估方法。

18、本发明提供的技术方案中，通过小波降噪和频率统一预处理，有效消除了原始数据中的噪声干扰，解决了多源数据采样频率不一致的问题。采用协方差矩阵自适应的卡尔曼滤波算法，动态调整噪声协方差矩阵，提高了特征参数的滤波精度，增强了算法对测量噪声的抵抗能力。构建双阈值评估矩阵，综合考虑了容量-内阻变化率和温度-效率相关性两个维度的特征指标，实现了对电池健康状态的多维度评估。引入td3深度强化学习算法优化特征融合权重系数，通过时序误差迭代训练，实现了权重系数的动态自适应调整，提升了评估结果的准确性。对评估结果进行置信度分析，给出了健康状态值和剩余寿命预测值的置信区间，为评估结果的可靠性提供了定量依据。采用分级评估策略，将健康状态划分为优秀、良好、正常、警告和危险五个等级，便于直观判断电池健康状态，有利于及时发现潜在安全隐患。

19、本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

20、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种电池健康状态综合评估方法，其特征在于，所述方法包括：

2.根据权利要求1所述的电池健康状态综合评估方法，其特征在于，所述对电池管理系统采集的电压数据、电流数据、温度数据分别进行小波降噪和统一频率处理，得到标准化数据序列，包括：

3.根据权利要求2所述的电池健康状态综合评估方法，其特征在于，所述根据所述标准化数据序列通过脉冲响应法计算内阻值、电流积分法计算容量值、充放电能量比值计算效率值，得到第一电池特征参数，包括：

4.根据权利要求3所述的电池健康状态综合评估方法，其特征在于，所述对所述第一电池特征参数进行协方差矩阵自适应的卡尔曼滤波处理，得到第二电池特征参数，包括：

5.根据权利要求4所述的电池健康状态综合评估方法，其特征在于，所述基于所述第二电池特征参数构建容量-内阻变化率指标和温度-效率相关性指标，得到双阈值评估矩阵，包括：

6.根据权利要求5所述的电池健康状态综合评估方法，其特征在于，所述将所述双阈值评估矩阵输入深度强化学习模型，通过actor网络和critic网络进行正向传播计算和迭代训练，得到特征融合权重系数，包括：

7.根据权利要求6所述的电池健康状态综合评估方法，其特征在于，所述根据所述特征融合权重系数对所述双阈值评估矩阵进行加权计算，生成电池健康状态值和剩余寿命预测值，包括：

8.一种电池健康状态综合评估系统，其特征在于，用于执行如权利要求1-7中任一项所述的电池健康状态综合评估方法，所述系统包括：

9.一种电池健康状态综合评估设备，其特征在于，所述电池健康状态综合评估设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的电池健康状态综合评估方法。

技术总结
本发明涉及电池健康状态分析技术领域，公开了一种电池健康状态综合评估方法、系统、设备及存储介质，其中，该方法包括：对电池管理系统采集的数据进行预处理，得到标准化数据序列；根据标准化数据序列计算第一电池特征参数；对第一电池特征参数进行协方差矩阵自适应的卡尔曼滤波处理，得到第二电池特征参数；基于第二电池特征参数构建容量‑内阻变化率指标和温度‑效率相关性指标，得到双阈值评估矩阵；将双阈值评估矩阵输入深度强化学习模型，通过Actor网络和Critic网络进行正向传播计算和迭代训练，得到特征融合权重系数；对双阈值评估矩阵进行加权计算，生成电池健康状态值和剩余寿命预测值，该方法实现了对电池健康状态的多维度评估。

技术研发人员：李彬,曾锦辉,李俊彦,秦鸿
受保护的技术使用者：珠海市嘉德电能科技有限公司
技术研发日：
技术公布日：2025/2/27

相关知识

电池健康状态综合评估方法、系统、设备及存储介质与流程
一种电池健康状态的评估方法、电子设备及可读存储介质与流程
评估电池健康状态的方法、装置、设备和存储介质与流程
动力电池健康状态评估方法、装置、存储介质及电子设备与流程
电池健康状态评估方法、装置、存储介质及电子装置与流程
电池健康状态诊断方法、装置、电子设备及存储介质与流程
电池健康度的确定方法及系统、电子设备及存储介质与流程
电池健康状态的检测方法、系统、设备、介质及电池系统与流程
蓄电池健康度估算方法、装置、电子设备及存储介质与流程
电池健康状态的判别方法、存储介质及检测系统与流程

网址: 电池健康状态综合评估方法、系统、设备及存储介质与流程 https://www.trfsz.com/newsview1837699.html