[發(fā)明專利]一種鋰離子電池剩余壽命間接預測方法及裝置

有效

• 申請?zhí)枺?/td>: 202010280140.4
• 申請日: 2020-04-10
• 公開（公告）號: CN111443294B
• 公開（公告）日: 2022-09-23
• 發(fā)明（設計）人: 楊文;王佳樂;呂桃林;羅偉林;劉輝
• 申請（專利權）人: 華東理工大學;上海空間電源研究所;上海動力儲能電池系統(tǒng)工程技術有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G06N3/04;G06N3/08
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 鄧琪

本發(fā)明涉及一種鋰離子電池剩余壽命間接預測方法，包括：采集鋰離子電池監(jiān)測數(shù)據(jù)，歸一化電池容量序列和等時間電壓差序列；相關性分析，提取健康因子；構建基于回聲狀態(tài)網(wǎng)絡的鋰離子電池健康狀態(tài)估計模型；構建基于長短時記憶神經(jīng)網(wǎng)絡的健康因子預測模型，計算出未來循環(huán)周期的健康因子；計算未來循環(huán)周期容量的真實值，完成鋰離子電池剩余壽命的預測。本發(fā)明還提供一種鋰離子電池剩余壽命間接預測裝置，該裝置以及上述預測方法能夠?qū)崿F(xiàn)鋰離子電池剩余壽命的在線預測，在剩余壽命達到失效之前進行及時更換與維修，從而保證鋰離子電池的正常運行，提升鋰離子電池剩余壽命的預測精度。

技術領域

本發(fā)明涉及鋰離子電池健康管理領域，更具體地涉及一種鋰離子電池剩余壽命間接預測方法及裝置。

背景技術

隨著科技的發(fā)展，鋰離子電池因為其體積小、重量輕、高能量比、壽命長等優(yōu)勢，被廣泛應用于航天器、電動車、便攜電子設備等各個領域。鋰離子電池的健康管理變得越來越重要，作為鋰離子電池健康管理的重要組成部分，鋰離子電池剩余使用壽命(RUL)預測問題已成為電子系統(tǒng)故障預測和健康管理領域的研究熱點和挑戰(zhàn)問題之一。實現(xiàn)準確的剩余使用壽命估計有助于提高系統(tǒng)可靠性，具有重要的研究和實用價值。

鋰離子電池剩余壽命可根據(jù)電池容量直接預測，但是現(xiàn)實情況下鋰離子電池容量很難在線直接測量得到，因而目前主要通過建立基于機理的物理模型或采用基于數(shù)據(jù)驅(qū)動的方法來預測鋰離子電池剩余使用壽命。基于機理的物理模型主要是通過量化電池性能的影響因素，根據(jù)鋰離子電池充放電過程中發(fā)生的化學反應以及其特定的物理特性，獲得鋰離子電池性能退化的演變過程。但是考慮到可能存在很多因素相互影響導致性能的下降，而且準確的估計需要考慮到復雜的參數(shù)計算，所以很難可靠地模擬鋰離子電池壽命退化系統(tǒng)。而基于數(shù)據(jù)驅(qū)動的方法主要是傳統(tǒng)的自回歸模型，但是自回歸模型本質(zhì)上是線性模型，而鋰離子電池的壽命衰減是一個非線性的過程，所以在實際預測中還存在著較大的非線性誤差。并且實際情況下容量在退化過程中會出現(xiàn)再生長的現(xiàn)象，而自回歸模型的抗干擾能力相對較差，使得預測精度不高。

長短時記憶網(wǎng)絡(LSTM)為人們提供了一種時間序列預測的思路。對于時間序列問題，前后總是有關聯(lián)的，當前時刻的輸出會受之前時刻的影響。LSTM神經(jīng)網(wǎng)絡會記憶之前的信息，其隱藏層的輸入不僅包括輸入層的輸出，還包括上一隱藏層的狀態(tài)輸出，所以它可以刻畫當前的輸出與之前序列的關系，而且通過引入門結構，實現(xiàn)對時間序列的長期記憶。

因此，如何通過鋰離子電池在線可測的局部數(shù)據(jù)作為健康因子來表征電池容量，基于LSTM神經(jīng)網(wǎng)絡實現(xiàn)鋰離子電池剩余壽命的預測，對于鋰離子電池健康管理系統(tǒng)在實際問題中的應用具有重要的意義。

發(fā)明內(nèi)容

本發(fā)明提供一種鋰離子電池剩余壽命間接預測方法及裝置，無需復雜的參數(shù)計算就能夠進行在線實時的長期預測，同時能夠減少誤差、提高預測精度。

本發(fā)明提供的一種鋰離子電池剩余壽命間接預測方法，包括：

步驟S1，采集鋰離子電池監(jiān)測數(shù)據(jù)，提取出鋰離子電池容量序列以及若干組等時間電壓差序列，并將所述容量序列和所述等時間電壓差序列歸一化；

步驟S2，對所述歸一化的等時間電壓差序列和容量序列進行相關性分析，選擇與所述容量序列相關性最好的一組等時間電壓差序列作為歸一化的健康因子序列；

步驟S3，根據(jù)所述歸一化的容量序列以及所述歸一化的健康因子序列，構建基于回聲狀態(tài)網(wǎng)絡的鋰離子電池健康狀態(tài)估計模型；

步驟S4，根據(jù)所述歸一化的健康因子序列，構建基于長短時記憶神經(jīng)網(wǎng)絡的健康因子預測模型，計算出未來循環(huán)周期的健康因子；

步驟S5，將所述未來循環(huán)周期的健康因子輸入所述鋰離子電池健康狀態(tài)估計模型，得到未來循環(huán)周期容量的估計值，將所述未來循環(huán)周期容量的估計值反歸一化得到未來循環(huán)周期容量的真實值，完成鋰離子電池剩余壽命的預測。

所述歸一化的容量序列按照下式計算：