[發明專利]基于AR集成學習模型的鋰離子電池剩余壽命預測方法

有效

• 申請號: 201410276350.0
• 申請日: 2014-06-19
• 公開（公告）號: CN104090238A
• 公開（公告）日: 2014-10-08
• 發明（設計）人: 劉大同;彭宇;盧斯遠;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: 楊立超

技術領域

本發明涉及一種鋰離子電池剩余壽命預測方法。

背景技術

鋰離子電池和傳統鎳鎘或氫鎳蓄電池相比，具有工作電壓高、體積小，重量輕，比能量高、壽命長和自放電率小等優點，成為可以替代傳統電池的第三代衛星用儲能電源。如果航天器中的儲能電源采用鋰離子蓄電池，那么將使得儲能電源在電源分系統所占重量從30％～40％降低至10％～15％，降低了航天器的發射成本，提高了有效載荷。

由于蓄電池組是衛星在陰影期的唯一能源，而蓄電池組的性能退化至無法滿足衛星的正常供電需求或者蓄電池組失效，衛星將無法正常工作。而鋰離子電池由于自身存在充放電管理、性能衰退等問題，因此在鋰離子電池使用過程中必須充分考慮存儲、使用和維護的可靠性和安全性。調查顯示，電源系統故障是導致航天器任務失敗的主要原因。例如，1999年美國的太空試驗AFRL由于電池內部阻抗異常導致試驗的失敗，2006年美國Mars?Global?Surveyor飛行器失效是由于電池系統直面太陽照射導致過熱造成安全系統失效所引發的任務失敗。對于航空航天應用而言，鋰離子電池的可靠工作顯得尤為重要。因此，針對鋰離子電池的剩余壽命(Remaining?Useful?Life,RUL)估計，開展研究工作具有重大的意義?，F有RUL預測使用單一的AR模型，而AR模型是一種線性預測方法，在非線性時間序列預測中的精度有限，難以達到高精度的要求。并且現有AR模型只提供一個鋰電池壽命截止時刻，無法提供不確定性信息而缺少足夠的決策支撐。

發明內容

本發明為了解決現有單一的AR模型在非線性時間序列預測中的精度有限的問題和穩定度低的問題，進而提供了一種基于AR集成學習模型的鋰離子電池剩余壽命預測方法。

基于AR集成學習模型的鋰離子電池剩余壽命預測方法的過程為：

步驟1：根據電池的容量失效閾值，從電池的容量數據中得到電池的壽命終止時間，時間量化表征為電池充放電的循環次數；將壽命終止時循環次數的a％處，作為預測起始點；提取容量數據，將其作為階次判斷的原始的輸入數據F，并將F進行標準化處理，得到標準化數據Y；

零均值化：求取輸入數據F的均值Fmean，得到零均值化的序列f＝F-Fmean；

方差標準化：求取序列f的標準差σ_f，得到標準化數據Y＝f/σ_f；

步驟2：計算標準化數據Y的0步自協方差：

R0=Σi=1L1Y2(i)L1---(1)]]>

其中，R₀為數據的0步自協方差，Y(i)表示Y中的第i個數據，L1為數據長度；

計算標準化數據Y的1～20步自協方差：