【技術實現步驟摘要】
本申請涉及電池，具體涉及一種阻抗譜預測模型訓練、預測方法、裝置及介質。
技術介紹
1、電化學阻抗譜(electrochemical?impedance?spectroscopy，eis)使用不同頻率的阻抗來反映電化學過程的特性，可以反應電池內部豐富的動力學特征，常用于電池狀態估計、故障診斷和失效分析領域。利用等效電路模型或者弛豫時間分析，可以將電化學阻抗譜按不同頻率響應接卸為若干個可以反應電池內部信息的特征值，如ro(歐姆內阻)，rct(界面極化阻抗)，rcp(擴散阻抗)，這些特征值可以精準的反應電池在不同頻域上的電化學反應，從而準確描述電池內部的機理變化，進而對電池老化及潛在的失效風險做出預測。但是eis的測量過程，通常依賴于昂貴的，可以激勵高頻正弦波的儀器，且測量需要花費較長的時間。這使得電池的eis的測量過程難以在實車或者儲能站中直接實現。
2、目前，在實驗室中最廣泛使用的阻抗譜采集方法是依次向電池注入不同頻率的正弦電流或電壓擾動信號，然后處理擾動及其響應以獲得阻抗。這種方法具有高測量精度的優點。然而，由于擾動的順序注入，特別是對于非常低頻的阻抗，完成測量通常需要很長時間。例如，大多數商用電化學工作站在頻率范圍為1khz到0.01hz，每個數量級有十個頻率點時，需要9分鐘到30分鐘來完成阻抗測量。這樣長時間的測量對于電動車的車載應用、維修評估或退役后的快速篩查并不利。此外，實施這種方法需要高精度和通用的電位差動態測試儀/恒流測試儀來產生正弦擾動，這對于實驗室外的應用來說既昂貴又多余。因此，對于實際應用場景如電動
3、一些現有技術中，為了更低成本的獲取電池的電化學阻抗譜，往往會對應用端的硬件設備進行改造，以增加一些硬件設備來輔助測量的進行，但是這樣不僅會增加硬件成本，還有可能影響車或者儲能站的運行效率。
4、相應地，本領域需要一種新的電池的電化學阻抗譜特征值預測方案來解決上述問題。
技術實現思路
1、為了克服上述缺陷，提出了本申請，以解決或至少部分地解決如何實現更為簡單、低成本且無需硬件改造的電化學阻抗譜特征值的預測的技術問題。
2、在第一方面，提供一種阻抗譜預測模型訓練方法，所述方法包括：
3、獲取電池的脈沖過程中的直流內阻特征值樣本；
4、獲取所述直流內阻特征值樣本對應的所述電池的阻抗譜特征值樣本；
5、將所述直流內阻特征值樣本和對應的所述阻抗譜特征值樣本作為訓練數據，對預設的阻抗譜預測模型進行訓練，獲得訓練后的所述阻抗譜預測模型。
6、在上述阻抗譜預測模型訓練方法的一個技術方案中，所述獲取電池的脈沖過程中的直流內阻特征值樣本，包括：
7、對所述電池施加脈沖信號；
8、獲取所述脈沖信號施加過程中所述電池的多個直流內阻特征值，作為所述直流內阻特征值樣本。
9、在上述阻抗譜預測模型訓練方法的一個技術方案中，所述獲取所述脈沖信號施加過程中所述電池的多個直流內阻特征值，包括根據以下公式獲取所述直流內阻特征值；
10、
11、其中，di為所述脈沖信號施加過程中第i秒的直流內阻特征值；vo為所述脈沖信號施加過程中最后一個時刻的電壓值，io為所述脈沖信號施加過程中最后一個時刻的電流值，vi為所述脈沖信號施加過程中第i秒的電壓值，ii為所述脈沖信號施加過程中第i秒的電流值。
12、在上述阻抗譜預測模型訓練方法的一個技術方案中，所述獲取所述直流內阻特征值樣本對應的所述電池的阻抗譜特征值樣本，包括：
13、獲取所述電池的電化學阻抗譜；
14、對所述電化學阻抗譜進行解析，獲取所述阻抗譜特征值樣本。
15、在上述阻抗譜預測模型訓練方法的一個技術方案中，所述獲取所述電池的電化學阻抗譜，包括：
16、應用電位差動態測試儀或恒流測試儀，對所述電池進行測試，獲取所述電化學阻抗譜。
17、在上述阻抗譜預測模型訓練方法的一個技術方案中，所述對所述電化學阻抗譜進行解析，獲取所述阻抗譜特征值樣本，包括：
18、通過等效電路模型或弛豫時間分布算法，對所述電化學阻抗譜進行解析，獲取所述阻抗譜特征值樣本。
19、在上述阻抗譜預測模型訓練方法的一個技術方案中，獲取所述阻抗譜特征值樣本，包括：
20、獲取所述電池的歐姆內阻、界面極化阻抗、擴散阻抗中的至少一種，作為所述阻抗特征值樣本。
21、在上述阻抗譜預測模型訓練方法的一個技術方案中，所述阻抗譜預測模型為利用隨機森林模型算法或樸素貝葉斯算法通過機器學習的方法獲得的。
22、在上述阻抗譜預測模型訓練方法的一個技術方案中，所述脈沖過程為所述電池充電過程中撤去電流或施加電流的過程。
23、在第二方面提供一種阻抗譜特征值預測方法，所述方法包括：
24、獲取待預測電池的脈沖過程中的直流內阻特征值；
25、基于訓練后的阻抗譜預測模型，根據所述直流內阻特征值，獲取所述待預測電池的阻抗譜特征值；
26、其中，所述訓練后的阻抗譜預測模型為根據上述阻抗譜預測模型訓練方法中任一項所述的阻抗譜預測模型訓練方法訓練獲得的。
27、在第三方面，提供一種智能設備，該智能設備包括至少一個處理器；以及，與所述至少一個處理器通信連接的存儲器；其中，所述存儲器中存儲有計算機程序，所述計算機程序被所述至少一個處理器執行時實現上述阻抗譜預測模型訓練方法的技術方案中任一項技術方案所述的方法或上述阻抗譜特征值預測方法技術方案中所述的方法。
28、在第四方面，提供一種計算機可讀存儲介質，該計算機可讀存儲介質其中存儲有多條程序代碼，所述程序代碼適于由處理器加載并運行以執行上述阻抗譜預測模型訓練方法的技術方案中任一項技術方案所述的方法或上述阻抗譜特征值預測方法技術方案中所述的方法。
29、方案1.一種阻抗譜預測模型訓練方法，其特征在于，所述方法包括：
30、獲取電池的脈沖過程中的直流內阻特征值樣本；
31、獲取所述直流內阻特征值樣本對應的所述電池的阻抗譜特征值樣本；
32、將所述直流內阻特征值樣本和對應的所述阻抗譜特征值樣本作為訓練數據，對預設的阻抗譜預測模型進行訓練，獲得訓練后的所述阻抗譜預測模型。
33、方案2.根據方案1所述的阻抗譜預測模型訓練方法，其特征在于，
34、所述獲取電池的脈沖過程中的直流內阻特征值樣本，包括：
35、對所述電池施加脈沖信號；
36、獲取所述脈沖信號施加過程中所述電池的多個直流內阻特征值，作為所述直流內阻特征值樣本。
37、方案3.根據方案2所述的阻抗譜預測模型訓練方法，其特征在于，
38、所述獲取所述脈沖信號施加過程中所述電池的多個直流內阻特征值，包括根據以下公式獲取所本文檔來自技高網...
【技術保護點】
1.一種阻抗譜預測模型訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的阻抗譜預測模型訓練方法，其特征在于，
3.根據權利要求2所述的阻抗譜預測模型訓練方法，其特征在于，
4.根據權利要求1所述的阻抗譜預測模型訓練方法，其特征在于，
5.根據權利要求4所述的阻抗譜預測模型訓練方法，其特征在于，
6.根據權利要求4所述的阻抗譜預測模型訓練方法，其特征在于，
7.根據權利要求1至6中任一項所述的阻抗譜預測模型訓練方法，其特征在于，
8.根據權利要求1至6中任一項所述的阻抗譜預測模型訓練方法，其特征在于，
9.根據權利要求1至6中任一項所述的阻抗譜預測模型訓練方法，其特征在于，
10.一種阻抗譜特征值預測方法，其特征在于，所述方法包括：
【技術特征摘要】
1.一種阻抗譜預測模型訓練方法，其特征在于，所述方法包括：
2.根據權利要求1所述的阻抗譜預測模型訓練方法，其特征在于，
3.根據權利要求2所述的阻抗譜預測模型訓練方法，其特征在于，
4.根據權利要求1所述的阻抗譜預測模型訓練方法，其特征在于，
5.根據權利要求4所述的阻抗譜預測模型訓練方法，其特征在于，
6.根據權利...
【專利技術屬性】
技術研發人員：林彥可，袁野，李想，種皓宇，
申請(專利權)人：蔚來汽車科技安徽有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。