(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 202211063915.8 (22)申请日 2022.09.01 (71)申请人 合肥国轩高科动力能源 有限公司 地址 230011 安徽省合肥市新站区岱河路 599号 (72)发明人 戚银银　 (74)专利代理 机构 合肥市浩智运专利代理事务 所(普通合伙) 34124 专利代理师 朱文振 (51)Int.Cl. G01R 31/367(2019.01) G01R 31/396(2019.01) G01R 31/378(2019.01) G06Q 10/04(2012.01) G06Q 50/04(2012.01)G06N 20/00(2019.01) (54)发明名称 一种锂电池分容 容量预测方法及系统 (57)摘要 本发明提供一种锂电池分容容量预测方法 及系统， 方法包括： 获取批量的电池化成与分容 制程原始数据， 以分容放电容量为预测目标值； 截取化成充电原始数据(化成制程时长≤1.5h) 与分容充电原始数据、 放电原始数据(分容原始 数据制程时长≤1.5h))， 通过钓鱼城图谱因果 分 析引擎进行关系型数据转换为图数据、 图数据关 联分析、 图数据规则的发现和规则应用等， 并结 合机器学习技术的综合性系统， 建立分容容量预 测模型； 将待预测的化成分容批量原始数据经过 此类处理后， 训练出适用的预测模型， 得出分容 预测容量。 本发明解决了产能较低、 能耗高、 预测 精度低、 以及测试成本高的技 术问题。 权利要求书2页 说明书7页 附图2页 CN 115308610 A 2022.11.08 CN 115308610 A 1.一种锂电池分容 容量预测方法， 其特 征在于， 所述方法包括： S1、 从被测电池获取批量式化成分容制程原始数据， 按照预置成化分容工艺截取化成 充电原始数据、 分容充电原 始数据、 分容 放电原始数据； S2、 从所述化成充电原始数据、 所述分容充电原始数据、 所述分容放电原始数据中， 提 取预测数据特征值以及衍生特征值， 获取模型训练速度参数及模型预测精度参数， 据以剔 除所述预测数据特 征值及所述 衍生特征值中的异常数据， 据以获取训练数据集； S3、 利用钓鱼城图谱因果分析引擎， 将所述训练数据集转换为建模图数据， 据以利用预 置机器学习逻辑建立分容 容量预测模型； S4、 处理所述批量式化成分容制程原始数据， 据以训练所述分容容量预测模型， 以得到 优化预测模型； S5、 利用所述优化预测模型处理所述预测数据特征值以及所述衍生特征值， 以获取所 述被测电池的容 量预测结果。 2.根据权利要求1所述的一种锂电池分容容量预测方法， 其特征在于， 所述步骤S1中获 取文件数据路径， 据以读取所述化成充电原始数据、 所述分容充电原始数据、 所述分容放电 原始数据。 3.根据权利要求1所述的一种锂电池分容容量预测方法， 其特征在于， 所述步骤S1中， 所述化成充电原始数据的化成制程时长区间小于或等于1.5h， 所述分容充电原始数据、 所 述分容放电原始数据的分容原始数据制程时长小于或等于1.5h， 所述将分容 实际容量作为 预测目标值。 4.根据权利要求1所述的一种锂电池分容容量预测方法， 其特征在于， 所述步骤S2包 括： S21、 根据预置 工艺标准范围数据， 剔除所述异常数据； S22、 分别统计化成与分容原 始文件中的连续型随机变量； S23、 假设每个所述连续型随机变量符合高斯分布， 据以处理得到每个所述连续型随机 变量的算数平均值和标准偏差； S24、 将每 个所述连续型随机变量高斯分布于预设变量分布区间中； S25、 划分所述预设变量分布区间为预定数量的分区间， 其中， 在所述算数平均值的左 边及右边分别划分为预设数目的所述分区间； S26、 计算每个所述分区间的面积， 在所述连续型随机变量的频数或总数小于所在的分 区间面积时， 将该 所述连续型随机变量作为异常数据剔除， 据以得到所述训练数据集。 5.根据权利要求1所述的一种锂电池分容容量预测方法， 其特征在于， 所述步骤S22中 的， 所述连续型随机变量包括： 文件长度、 时间最小值、 时间最大值、 最小电压、 最大电压、 最 小电流、 最大电流、 最小电池容量、 最大电池容量、 最小电缆数、 最大电缆数、 最低温度、 最高 温度。 6.根据权利要求1所述的一种锂电池分容容量预测方法， 其特征在于， 所述步骤S24中 的所述预设变量分布区间包括： [mean ‑2*std,mean+2*std]， 其中， std为制程筛选标准值， mean为算数平均值。 7.根据权利要求1所述的一种锂电池分容容量预测方法， 其特征在于， 所述步骤S25， 其 中， 在所述算数平均值的左边及右 边分别划分为所述预设数目的所述分区间， 其中， 所述预权　利　要　求　书 1/2 页 2 CN 115308610 A 2设数目的取值区间包括： [5 000,20000]。 8.根据权利要求1所述的一种锂电池分容容量预测方法， 其特征在于， 所述步骤S2中的 预测数据特征值包括： 化成工步时间点、 实时电流、 实时电压、 实时温度、 实时负压值、 分容 工步时间点、 实时电流、 实时电压以及实时温度； 所述衍生特征值包括： 充电电量SOC、 放电 电量SOC、 限压数据以及限流数据。 9.根据权利要求1所述的一种锂电池分容容量预测方法， 其特征在于， 所述步骤S3中， 所述建模图数据包括： 图关联分析 数据、 图规则数据、 图发现及应用规则数据。 10.一种锂电池分容 容量预测系统， 其特 征在于， 所述系统包括： 原始数据截取模块， 用以从被测电池获取批量式化成分容制程原始数据， 按照预置成 化分容工艺截取化成充电原 始数据、 分容充电原 始数据、 分容 放电原始数据； 训练数据集获取模块， 用以从所述化成充电原始数据、 所述分容充电原始数据、 所述分 容放电原始数据中， 提取预测数据特征值以及衍生特征值， 获取模型训练速度参数及模型 预测精度参数， 据以剔除所述预测数据特征值及所述衍生特征值中的异常数据， 据以获取 训练数据集， 所述训练数据集获取模块与所述原 始数据截取模块连接； 模型建立模块， 用以利用钓鱼城图谱因果分析引擎， 将所述训练数据集转换为建模图 数据， 据以利用预置机器学习逻辑建立分容容量预测模型， 其中， 所述建模图数据包括： 图 关联分析数据、 图规则数据、 图发现及应用规则数据， 所述模 型建立模块与所述训练数据集 获取模块连接； 训练模块， 用以处理所述批量式化成分容制程原始数据， 据以训练所述分容容量预测 模型， 以得到优化预测模型， 所述与所述模型建立模块及所述原 始数据截取模块连接； 电池容量预测模块， 用以利用所述优化预测模型处理所述预测数据特征值以及所述衍 生特征值， 以获取所述被测电池的容量预测结果， 所述电池容量预测模块与所述训练模块 及所述训练数据集获取模块连接 。权　利　要　求　书 2/2 页 3 CN 115308610 A 3