本发明涉及一种基于BMS大数据和集成学习的
锂电池RUL预测方法及设备,所述方法包括以下步骤:根据待测电池充电阶段电池BMS监测到的电流、端电压以及温度信息,计算多个充电周期内的IC曲线、DV曲线、电压曲线和温度差分曲线,基于各曲线关键点提取特征向量序列(FIC_i,FDV_i,FV_i,FDT_i,Find_i);基于所提取的特征向量序列对未来循环周期进行预测,得到特征向量预测值;以所述特征向量预测值作为离线训练好的最大剩余容量回归模型的输入,得到对应的最大剩余容量预测,从而得到RUL预测结果,其中,所述最大剩余容量回归模型基于XGBoost集成学习模型建立。与现有技术相比,本发明具有适用范围广、预测精度高等优点。
声明:
“基于BMS大数据和集成学习的锂电池RUL预测方法及设备” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)