[發明專利]基于循環壽命退化階段參數的ND-AR模型和EKF方法的鋰離子電池循環壽命預測方法

有效

• 申請號: 201310332074.0
• 申請日: 2013-08-01
• 公開（公告）號: CN103399281A
• 公開（公告）日: 2013-11-20
• 發明（設計）人: 彭宇;郭力萌;劉大同;馬云彤;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.基于循環壽命退化階段參數的ND-AR模型和EKF方法的鋰離子電池循環壽命預測方法，其特征在于，該方法的具體步驟為：

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方法確定在線鋰離子電池經驗退化模型的參數；

根據鋰離子電池經驗退化模型構成鋰離子電池狀態空間模型中的狀態轉移方程，利用預處理后的數據并根據EKF方法及基于預測概率的加權參數計算方法確定所述鋰離子電池的經驗退化模型的參數；

步驟三：利用預處理后的數據采用融合自回歸系數求取方法確定在線電池的AR模型；

步驟四：對n個與待測鋰離子電池同型號的電池進行離線狀態模擬在線條件充放電測試，獲取與待測電池同型號的電池的真實電池容量測試結果，判斷在線條件測試的電池容量數據的個數是否占電池全壽命長度的x%，30≤x≤70，若是，對進行離線狀態模擬在線條件測試的n個電池的前x%的容量數據進行AR模型建模，獲取n個與待測鋰離子電池同型號的電池的AR模型預測容量結果，并利用獲取的AR模型預測容量結果與容量測試數據的后1-x%的真實容量數據，獲取離線狀態模擬在線條件測試電池容量退化非線性特征的非線性退化因子K_T真的實值取值序列K_T,real；

步驟五、根據公式

K_T=a·e^b·k+c·e^d·k??????????(1)

KT=11+a·(k+b)---(2)]]>

確定非線性因子K_T，式中k是預測步長，a、b、c、d為非線性因子參數估計狀態空間模型確定的參數；

步驟六、基于EKF方法獲取非線性退化因子K_T的參數,并建立待測鋰離子電池同型號的電池進行離線狀態模擬在線條件充放電測試電池的ND-AR模型；

其中ND-AR模型通過公式：

獲得；其中，均為p階AR模型的自回歸系數，x_t-1、x_t-2、...x_t-p為t-1、t-2...t-p時刻鋰離子電池的容量，a_t為高斯白噪聲，服從均值為0，方差為W的高斯分布；

步驟七：利用灰色關聯分析方法對待預測的鋰離子電池與n個與待測鋰離子電池同型號的電池的容量退化模型進行關聯性分析，得到與待預測電池容量序列變化趨勢之間的關聯度r_i，根據關聯度r_i利用加權方法確定待預測電池的ND-AR模型中非線性退化因子的參數估計結果及待預測電池的ND-AR模型；

步驟八、在待預測電池的ND-AR模型的輸出結果中疊加觀測噪聲，獲得待預測電池的容量觀測值序列；

步驟九：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，利用步驟八確定的待預測電池的容量觀測值序列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，并將獲取的每一個充放電循環的電池容量數據與待測鋰離子電池的失效閾值比較獲取RUL,完成鋰離子電池循環壽命預測。

2.根據權利要求1所述的基于循環壽命退化階段參數的ND-AR模型和EKF方法的鋰離子電池循環壽命預測方法，其特征在于，步驟一所述的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平滑。