[發明專利]一種電池剩余使用壽命的綜合估算方法

有效

• 申請號: 201910053460.3
• 申請日: 2019-01-21
• 公開（公告）號: CN109738810B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 錢祥忠;夏克剛;徐文強;葉靜;寸昆屹;龍鑫輝
• 申請（專利權）人: 溫州大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G01R31/388
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

本發明公開了一種電池剩余使用壽命的綜合估算方法,包括以下步驟:使用曲線擬合的方法估算出電池的RUL₁；使用卡爾曼濾波算法估算出電池的RUL₂；使用灰色神經網絡算法估算出電池的RUL₃；使用BP神經網絡算法作為綜合法，將RUL₁、RUL₂和RUL₃作為神經網絡的輸入，將最終的RUL作為神經網絡的輸出，最終估算出電池的剩余使用壽命RUL。本發明具有以下優點和效果：能夠避免現有單一變量預測電池RUL的局限性，通過三種方法綜合估算電池的RUL，該綜合估算方法不需要建立復雜的模型，易于實現，同時估算出電池的RUL可以平抑誤差的波動，提高預測精度，魯棒性好，可靠性高。

技術領域

本發明涉及電池狀態估算技術領域，特別涉及一種電池剩余使用壽命的綜合估算方法。

背景技術

準確預測電池剩余使用壽命(Remaining Useful Life，RUL)，能夠提前獲知其壽命信息，對不能使用的電池進行及時更換，這極大保障了設備的安全可靠運行，避免了用電設備因電池失效而無法工作的情況發生。因此，鋰離子電池的剩余壽命(RUL)預測研究已然成為純電動汽車領域的研究熱點問題，對研究純電動汽車的使用壽命和應用推廣具有重要意義。

目前對鋰電池的RUL預測的研究相對較少，且預測精度不高。通常采用的估算電池RUL的方法包括以下幾種：

(1)基于退化機理模型的預測方法：方法主要是對電池進行電化學測試，從電池本質電化學機理的角度分析電池中的性能變化規律，再利用電池性能參數與剩余使用壽命之間的內在聯系來預測電池剩余使用壽命。基于退化機理模型的剩余使用壽命預測能夠得到電池老化過程的詳細物理分析和化學分析，但其涉及電池內部材料參數較多，模型復雜度高，計算量大，實際應用較為困難。

(2)基于經驗退化模型的預測方法:基于經驗退化模型的方法主要是通過建立一個能夠精確反映電池性能狀態參數(如容量、內阻、放電終壓等)隨時間的變化趨勢、或系統前后兩個時刻狀態變量之間變化關系的經驗模型，從而實現電池RUL的預測。但是，這種模型易受噪聲和環境干擾，難以跟蹤負載動態特性，其動態精度、魯棒性及適應性較差。

(3)基于數據驅動的RUL預測方法：基于數據驅動的RUL預測方法是目前電池壽命預測的主流方法，通過采集運行狀態下電池的有效失效數據和性能退化數據，然后分析和挖掘電池失效數據或性能退化數據中隱含的電池性能退化因子演變規律來預測電池剩余壽命。這種方法需要大量歷史數據進行壽命預測，否則難以保證預測結果的準確度，預測精度不高。

現有的方法預測電池的RUL普遍存以下問題：首先是單一變量預測電池RUL的局限性，可靠性不高；預測電池RUL需要建立復雜的模型；預測精度普遍不高且魯棒性差。

發明內容

本發明的目的在于提供一種電池剩余使用壽命的綜合估算方法，能夠避免現有單一變量預測電池RUL的局限性，通過三種方法綜合估算電池的RUL，該綜合估算方法不需要建立復雜的模型，易于實現，同時估算出電池的RUL可以平抑誤差的波動，提高預測精度，魯棒性好，可靠性高。

本發明的上述技術目的是通過以下技術方案得以實現的：一種電池剩余使用壽命的綜合估算方法,包括以下步驟:

S1、使用曲線擬合的方法估算出電池的RUL₁；

S2：使用卡爾曼濾波算法估算出電池的RUL₂；

S3：使用灰色神經網絡算法估算出電池的RUL₃；

S4：使用BP神經網絡算法作為綜合法，將RUL₁、RUL₂和RUL₃作為神經網絡的輸入，將最終的RUL作為神經網絡的輸出，最終估算出電池的剩余使用壽命RUL。