[發明專利]基于EKF方法和AR模型融合型鋰離子電池循環壽命預測方法

有效

• 申請號: 201310331871.7
• 申請日: 2013-08-01
• 公開（公告）號: CN103399279A
• 公開（公告）日: 2013-11-20
• 發明（設計）人: 劉大同;馬云彤;郭力萌;彭宇;彭喜元
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G01R31/36
• 分類號: G01R31/36
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 岳泉清

1.基于EKF方法和AR模型融合型鋰離子電池循環壽命預測方法，其特征在于，?

它包括如下步驟：?

步驟一：在線測量待測鋰電池的容量數據，保存數據并對所述數據進行預處理；?

步驟二：基于EKF方法確定鋰離子電池狀態空間模型的參數：?

根據鋰離子電池經驗退化模型和AR模型構造鋰離子電池狀態空間模型，利用預處理后的數據并根據EKF方法確定所述鋰離子電池狀態空間模型的參數；所述AR模型的預測輸出值與觀測噪聲疊加后的觀測值序列為所述鋰離子電池狀態空間模型的電池容量的觀測值，所述AR模型為利用預處理后的數據采用融合自回歸系數求取方法確定的AR模型；?

步驟三：根據步驟二建立的鋰離子電池狀態空間模型對待測鋰離子電池進行狀態估計，利用所述AR模型的輸出進行待測鋰離子電池的狀態更新，所述鋰離子電池狀態空間模型獲取每一個充放電循環的電池容量數據，并將所述數據與待測鋰離子電池的失效閾值比較獲取鋰離子電池剩余壽命。?

2.根據權利要求1所述的基于EKF方法和AR模型融合型鋰離子電池循環壽命預測方法，其特征在于，所述步驟一中對所述數據進行預處理的方法為：?

對于所述數據中奇異的點進行剔除，對于幅度過大的容量再生現象進行趨勢的平滑。?

3.根據權利要求1所述的基于EKF方法和AR模型融合型鋰離子電池循環壽命預測方法，其特征在于，步驟二中，所述根據鋰離子電池經驗退化模型和AR模型構造鋰離子電池狀態空間模型，利用預處理后的數據并根據EKF方法確定所述鋰離子電池狀態空間模型的參數的方法包括如下步驟：?

步驟A：根據鋰離子電池經驗退化模型構造所述退化模型的參數估計的狀態空間模型：?

其中為狀態轉移方程，為觀測方程，a_k、b_k和c_k分別為當前k時刻所述經驗退化模型中的庫倫效率η_c，k、再生容量參數β_1,k和再生容量參數β_2,k的估計值；?

C_k為待測鋰電池的容量退化過程中k時刻的放電容量，C_k+1為待測鋰電池的容量退化?過程中k+1時刻的放電容量，η_c，k為待測鋰電池充放電過程中的庫倫效率；為待測鋰電池在靜置休息時間段△t_k內再生的容量；w_a、w_b和w_c分別為參數a、b和c所包含的高斯白噪聲，Q_a、Q_b和Q_c分別為w_a、w_b和w_c的方差，噪聲w_a、w_b和w_c分別符合N(0,Q_a)、N(0,Q_b)和N(0,Q_c)的高斯分布；R為實數；v_k為待測鋰電池的觀測噪聲，v_k服從均值為0，v_k的方差為R的高斯分布；步驟B：利用預處理后的數據，采用擴展卡爾曼濾波方法對所述退化模型的參數估計的狀態空間模型進行線性化、狀態估計以及狀態更新，確定所述狀態空間模型的當前k時刻的參數a_k、b_k和c_k；?

步驟C：根據所述狀態空間模型的當前k時刻的參數a_k、b_k和c_k，求得當前k時刻條件下參數估計值即為參數真值的概率P，根據所述概率P進行加權平均，求得當前k時刻的a_s、b_s和c_s：?

其中，N為在線測量待測鋰電池的容量數據的長度；m(i)為第i個放電循環所對應的參數a_k、b_k或c_k，P(i)為對第i個放電循環的參數a_k、b_k或c_k進行估計的結果為狀態空間模型的當前k時刻的參數真實值的概率；?

步驟D：將獲得的a_s、b_s和c_s作為鋰離子電池狀態空間模型的參數，獲得所述鋰離子電池狀態空間模型：?

其中，w_k為待測鋰電池的過程噪聲，服從均值為0，方差為Q的高斯分布，Q為有理數，y_k為系統觀測值。?