(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111610993.0 (22)申请日 2021.12.27 (71)申请人 宁波力斗智能技 术有限公司 地址 315153 浙江省宁波市海曙区石碶街 道横涨村 (72)发明人 何怡刚　张朝龙　 (74)专利代理 机构 湖北武汉 永嘉专利代理有限 公司 42102 专利代理师 刘琰 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/04(2020.01) (54)发明名称 一种基于新型长短时记忆网络的锂电池剩 余使用寿 命预测方法 (57)摘要 本发明公开了一种基于新型长短时记忆网 络的锂电池剩余使用寿命预测方法， 该方法包括 以下步骤： S1、 测量锂电池随着充放电周期的放 电容量数据序列； S2、 基于锂电池放电容量数据 序列， 应用新型长短时记忆网络建立锂电池剩余 使用寿命预测模 型， 在输入层与隐含层间添加映 射层； S3、 基于建立的锂电池剩余使用寿命预测 模型， 预测锂电池未来充放电周期的最大可用容 量序列； S4、 基于锂电池未来充放电周期的最大 可用容量序列， 结合锂电池失效阈值， 计算锂电 池的剩余寿命。 本发明采用了新的模型结构， 首 次将映射层加入传统长短时记忆网络输入层与 隐含层之间， 具有操作简单误差小、 预测精度高 的优点。 权利要求书2页 说明书5页 附图2页 CN 114491952 A 2022.05.13 CN 114491952 A 1.一种基于新型长短时记忆网络的锂电池剩余使用寿命预测方法， 其特征在于， 该方 法包括以下步骤： S1、 测量锂电池随着充放电周期的放电容 量数据序列； S2、 基于锂电池放电容量数据序列， 应用新型长短时记忆网络建立锂电池剩余使用寿 命预测模型， 在输入层与隐含层间添加映射层； S3、 基于建立的锂电池剩余使用寿命预测模型， 预测锂电池未来充放电周期的最大可 用容量序列； S4、 基于锂电池未来充放电周期的最大可用容量序列， 结合锂电池失效阈值， 计算锂电 池的剩余寿命。 2.根据权利要求1所述的基于新型长短时记忆网络的锂电池剩余使用寿命预测方法， 其特征在于， 所述 步骤S1的具体方法为： 测量的锂电池随着 充放电周期的放电容量数据序列为[C1,K,Ci,K,Cn]， 其中， Ci为第i个 充放电周期锂电池组的放电容 量， i＝1,2,…,n， n为充放电周期个数。 3.根据权利要求1所述的基于新型长短时记忆网络的锂电池剩余使用寿命预测方法， 其特征在于， 所述 步骤S2建立模型的具体方法为： 新型长短时记忆网络指的是将传统长短时记忆网络输入层与隐含层间添加映射层， 映 射层搭建规则为： (a)输入层X＝[I1,K,Ii,K,In]T， 输入层神经元I1,K,Ii,K,In与放电容量数据序列C1,K, Ci,K Cn一一对应， 即第i个充放电周期的锂电池放电容量Ci传送至输入层第i个神经元， 通 过k次非线性变换规则 δ(g)将输入信号[C1,K,Ci,K,Cn]生成k个不同的映射元Zk＝[Z1,K,Zj, K,Zk]， 其中， Zj＝ δ(XWzj+βzj),j＝1,2,K,k， Zj表示第j次非线性变换后的映射信号， δ为可自主选择的非线性变换规则， Wzj为第j次 非线性的随机初始化的权 重参数， βzj为第j次非线性变换的随机初始化的扰动参数； (c)基于映射元Zk＝[Z1,K,Zj,K,Zk]， 通过m次深层变换规则ζ(g)生成m个不同的本征元 Hm＝[H1,K,Hp,K Hm]， 其中， Hp＝ζ(ZkWhp+βhp),p＝1,2,K,m， Hp表示第p次深层变换后得到的本征元， ζ为可自行选择的深层变换规则， Wjp为第p次深 层变换的权 重参数， βjp为第p次深层变换的扰动参数； (d)以串联的方式级联映射元与本征 元， 构成映射层[Z1,K,Zj,K,Zk,H1,K,Hp,KHm]。 4.根据权利要求3所述的基于新型长短时记忆网络的锂电池剩余使用寿命预测方法， 其特征在于， 所述步骤S2中应用新型长短时记忆网络建立锂电池剩余使用寿命预测模型， 具体步骤为： 输入锂电池放电容量数据序列X＝[C1,K,Ci,K,Cn]T， 以前i个充放电周期的锂电池放电 容量数据[C1,K,Ci‑1]T作为训练样本， 对应的以下一次充放电周期的放电容量数据[C2,K, Ci]T作为训练目标， 应用搭建的新型长短时记 忆网络建立锂电池剩余使用寿命 模型。 5.根据权利要求4所述的基于新型长短时记忆网络的锂电池剩余使用寿命预测方法， 其特征在于， 所述 步骤S3的具体方法为： 基于建立的锂电池剩余使用寿命预测模型， 预测锂电池未来充放电周期的最大可用容权　利　要　求　书 1/2 页 2 CN 114491952 A 2量序列， 具体步骤为： 将第i个充放电周期到第n ‑1个充放电周期的锂电池放电容量数据[Ci,K,Cn‑1]T作为预 测样本， 输入建立的锂电池剩余使用寿命预测模型， 预测第i+1到第n个充放电周期的锂电 池放电容 量。 6.根据权利要求1所述的基于新型长短时记忆网络的锂电池剩余使用寿命预测方法， 其特征在于， 所述 步骤S4的具体方法为： 剩余寿命是指锂电池发生失效前剩余的充放电周期数， RUL＝|Ttrue‑Tpredicted|， 其中， RUL为锂电池剩余寿命， Ttrue为测量的锂电池放电容量达到失效阈值时对应的充放电周期 数， Tpredicted为预测的锂电池未来充放电周期的放电容量达到失效阈值时对应的充放电周 期数。 7.根据权利要求1所述的基于新型长短时记忆网络的锂电池剩余使用寿命预测方法， 其特征在于， 所述步骤S4中的锂电池组失效的容量阈值指的是锂电池放电容量下降到标称 容量的70％。权　利　要　求　书 2/2 页 3 CN 114491952 A 3