(19)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 202211231364.1 (22)申请日 2022.10.10 (65)同一申请的已公布的文献号 申请公布号 CN 115291116 A (43)申请公布日 2022.11.04 (73)专利权人 深圳先进技 术研究院 地址 518000 广东省深圳市南 山区西丽 街 道大学城学苑大道1068号 (72)发明人 郭媛君　周邦昱　杨之乐　胡天宇　 安钊　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 陈专 (51)Int.Cl. G01R 31/367(2019.01)G01R 31/392(2019.01) G06F 30/27(2020.01) 审查员 郑李仁 (54)发明名称 储能电池健康状态预测方法、 装置及智能终 端 (57)摘要 本发明公开了一种储能电池健康状态预测 方法、 装置及智能终端， 方法包括： 获取储能电池 的当前运行状态数据和当前电池健康状态值； 根 据预设的标准运行状态数据与当前运行状态数 据计算获得运行状态偏移数据； 根据当前运行状 态数据、 运行状态偏移数据和当前电池健康状态 值， 通过已训练的储能电池健康状态预测模型对 储能电池的健康状态进行预测并获得储能电池 在目标预测时刻的电池健康状态预测值， 目标预 测时刻是当前时刻的后一时刻， 储能电池健康状 态预测模型包括第一预测子模型和第二预测子 模型， 第一预测子模型和上述第二预测子模型的 在模型训练时采用的训练优化算法不同。 本发明 有利于获得储能电池的健康状态预测值。 权利要求书3页 说明书11页 附图3页 CN 115291116 B 2022.12.16 CN 115291116 B 1.一种储能电池健康状态预测方法， 其特 征在于， 所述方法包括： 获取储能电池的当前运行状态数据和当前电池健康状态值， 其中， 所述当前运行状态 数据包括所述储能电池在当前时刻的电压、 电流、 荷电状态和运行温度； 根据预设的标准运行状态数据与 所述当前运行状态数据中的电压、 电流和运行温度计 算获得运行状态偏移数据， 其中， 所述预设的标准运行状态数据包括标准电压、 标准电流和 标准运行温度； 根据所述当前运行状态数据、 所述运行状态偏移数据和所述当前电池健康状态值， 通 过已训练的储能电池健康状态预测模型对所述储能电池的健康状态进行预测并获得所述 储能电池在目标预测时刻的电池健康状态预测 值， 其中， 所述 目标预测时刻是所述当前时 刻的后一时刻， 所述储能电池健康状态预测模型包括第一预测子模型和第二预测子模型， 所述第一预测子模型和所述第二预测子模型的在模型训练时采用的训练优化 算法不同； 其中， 所述根据所述当前运行状态数据、 所述运行状态偏移数据和所述当前电池健康 状态值， 通过已训练的储能电池健康状态预测模型对所述储能电池的健康状态进 行预测并 获得所述储能电池在目标预测时刻的电池健康状态预测值， 包括： 将所述当前运行状态数 据、 所述运行状态偏移数据和所述当前电池健康状态值作为所述第一预测子模型的输入数 据， 通过所述第一预测子模型输出所述储能电池在目标预测时刻的健康状态第一预测值； 将所述当前运行状态数据、 所述运行状态偏移数据和所述健康状态第一预测值作为所述第 二预测子模型的输入数据， 通过所述第二预测子模型输出所述储能电池在目标预测时刻的 健康状态第二预测值， 并将所述 健康状态第二预测值作为所述电池健康状态预测值。 2.根据权利要求1所述的储能电池健康状态预测方法， 其特征在于， 所述获取储能电池 的当前运行状态数据和当前电池健康状态值， 包括： 获取所述储能电池在当前时刻的电压、 电流、 荷电状态和运行温度； 获取所述储能电池对应的初始容量以及所述储能电池在当前时刻的当前实际容量， 将 所述当前实际容 量与所述初始容 量的比值作为所述当前电池健康状态值。 3.根据权利要求1所述的储能电池健康状态预测方法， 其特征在于， 所述当前运行状态 数据还包括所述储能电池在所述当前时刻的故障检测数据。 4.根据权利要求1 ‑3任意一项所述的储能电池健康状态预测方法， 其特征在于， 所述根 据预设的标准运行状态数据与所述当前运行状态数据中的电压、 电流和运行温度计算获得 运行状态偏移数据， 包括： 根据所述标准电压、 所述标准电流、 所述标准运行温度、 所述储能电池在 当前时刻的电 压、 所述储能电池在当前时刻的电流以及所述储能电池在当前时刻的运行温度分别计算 获 得电压差值、 电流差值和温度差值； 将所述电压差值除以所述标准电压获得电压偏移值， 将所述电流差值除以所述标准电 流获得电流偏移值， 将所述温度差值除以所述标准 运行温度获得温度偏移值； 根据预设的权重系数对所述电压偏移值、 所述电流偏移值以及所述温度偏移值进行加 权求和， 获得 所述运行状态偏移数据。 5.根据权利要求1所述的储能电池健康状态预测方法， 其特征在于， 所述储能电池健康 状态预测模型根据如下步骤进行训练： 将训练数据中的运行状态训练数据、 运行状态偏移训练数据和电池健康状态训练值输权　利　要　求　书 1/3 页 2 CN 115291116 B 2入所述第一预测子模型， 通过所述第一预测子模型输出第一训练预测值， 将所述训练数据 中的运行状态训练数据、 运行状态偏移训练数据以及获得的所述第一训练预测值输入所述 第二预测子模型， 通过所述第二预测子模型输出第二训练预测值， 其中， 所述训练数据包括 多组电池训练数据组， 每一组电池训练数据组包括所述储能电池在训练数据采集时刻 对应 的运行状态训练数据、 运行状态偏移训练数据、 电池健康状态训练值以及所述储能电池在 训练预测时刻的电池健康状态实际值， 所述训练预测时刻是所述训练数据采集时刻的后一 时刻； 根据所述第 二训练预测值对应的电池健康状态实际值和所述第 二训练预测值， 通过预 先设置的第一优化算法对所述第一预测子模型的模型参数进 行调整， 通过预先设置的第二 优化算法对所述第二预测子模型的模型参数进行调整， 并继续执行所述将训练数据中的运 行状态训练数据、 运行状态偏移训练数据和电池健康状态训练值输入所述第一预测子模型 的步骤， 直至满足预设训练条件， 以得到已训练的储能电池健康状态预测模型， 其中， 所述 第一优化 算法是LGBM算法， 所述第二优化 算法是SDG算法。 6.根据权利要求1所述的储能电池健康状态预测方法， 其特 征在于， 所述方法还 包括： 当所述电池健康状态预测值低于预设的第一健康状态阈值时， 输出健康状态告警信 息； 当所述电池健康状态预测值低于预设的第 二健康状态阈值 时， 输出健康状态告警信 息 并控制所述储能电池停止充放电； 其中， 所述第二 健康状态阈值小于所述第一 健康状态阈值。 7.一种储能电池健康状态预测装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取储能电池的当前运行状态数据和当前电池健康状态值， 其中， 所述当前运行状态数据包括所述储能电池在当前时刻的电压、 电流、 荷电状态和运行温度； 数据处理模块， 用于根据预设的标准运行状态数据与所述当前运行状态数据中的电 压、 电流和运行温度计算 获得运行状态偏移数据， 其中， 所述预设的标准运行状态数据包括 标准电压、 标准电流和标准 运行温度； 预测模块， 用于根据所述当前运行状态数据、 所述运行状态偏移数据和所述当前电池 健康状态值， 通过已训练的储能电池健康状态预测模型对所述储能电池的健康状态进 行预 测并获得所述储能电池在目标预测时刻的电池健康状态预测值， 其中， 所述 目标预测时刻 是所述当前时刻的后一时刻， 所述储能电池健康状态预测模型包括第一预测子模型和 第二 预测子模型， 所述第一预测子模型和所述第二预测子模型的在 模型训练 时采用的训练优化 算法不同； 其中， 所述预测模块具体用于： 将所述当前运行状态数据、 所述运行状态偏移数据和所 述当前电池健康状态值作为所述第一预测子模型的输入数据， 通过所述第一预测子模型输 出所述储能电池在目标预测时刻的健康状态第一预测 值； 将所述当前运行状态数据、 所述 运行状态偏移数据和所述健康状态第一预测值作为所述第二预测子模型的输入数据， 通过 所述第二预测子模型输出所述储能电池在目标预测时刻的健康状态第二预测值， 并将所述 健康状态第二预测值作为所述电池健康状态预测值。 8.一种智能终端， 其特征在于， 所述智能终端包括存储器、 处理器以及存储在所述存储 器上并可在所述处理器上运行的储能电池健康状态预测程序， 所述储能电池健康状态预测权　利　要　求　书 2/3 页 3 CN 115291116 B 3