[發(fā)明專利]一種鋰電池剩余壽命預測方法

有效

• 申請?zhí)枺?/td>: 202011239758.2
• 申請日: 2020-11-09
• 公開（公告）號: CN112327169B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計）人: 劉峰;宋萬清
• 申請（專利權(quán)）人: 上海工程技術(shù)大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/385;G01R31/392
• 代理公司: 上海統(tǒng)攝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31303
• 代理人: 杜亞

1.一種鋰電池剩余壽命預測方法，其特征在于，步驟如下：

(1)采集鋰電池容量退化數(shù)據(jù)，即采集鋰電池多個充放電循環(huán)的實際剩余容量，并由此按時間順序構(gòu)建長度為t的實際剩余容量總時間序列X_t；

(2)根據(jù)實際剩余容量總時間序列X_t計算Lyapunov指數(shù)λ；

(3)估計實際剩余容量總時間序列X_t的Hurst指數(shù)H，判斷H是否位于區(qū)間(0.5,1)內(nèi)，如果是，則進入下一步；反之，則利用人工智能算法預測鋰電池剩余壽命RUL；

(4)建立FARIMA預測模型，表達式如下：

Φ(B)Δ^dS_l＝θ(B)X_l；

式中，X_l代表根據(jù)實際剩余容量總時間序列X_t得到的實際剩余容量第一子時間序列；S_l代表預測剩余容量時間序列；B代表滿足等式BX_t＝X_t-1的后移算子；X_t-1代表長度為t-1的實際剩余容量總時間序列；Φ(B)代表自回歸項的p階多項式；θ(B)代表滑動平均項的q階多項式；Δ＝(1-B)為差分算子；Δ^d代表分數(shù)差分算子；Φ(B)、θ(B)、Δ^d的計算公式如下：

Φ(B)＝1-Φ₁(B)-Φ₂(B)²-...-Φ_p(B)^p；

θ(B)＝1-θ₁(B)-θ₂(B)²-...-θ_q(B)^q；

d＝H-0.5；

式中，Γ代表伽馬函數(shù)；H代表Hurst指數(shù)；z代表FARIMA預測模型中鋰電池壽命點的個數(shù)；

(5)鋰電池剩余壽命RUL預測，流程如下：

(5.1)根據(jù)步驟(2)的Lyapunov指數(shù)λ確定鋰電池退化過程的最大預測尺度；

(5.2)令b＝1；

(5.3)依據(jù)最大預測尺度從實際剩余容量總時間序列X_t中選擇第b個預測點，以第b個預測點對應(yīng)的實際剩余容量作為最大值同時以l作為長度從實際剩余容量總時間序列X_t截取實際剩余容量第一子時間序列X_l；

(5.4)將實際剩余容量第一子時間序列X_l輸入到步驟(4)的FARIMA預測模型，由其輸出預測剩余容量時間序列S_l；

(5.5)判斷預測剩余容量時間序列S_l中是否存在時間序列點達到失效閾值，如果是，則計算鋰電池剩余壽命RUL，RUL＝NEOL-Nnow，NEOL表示達到失效閾值時電池的充放電循環(huán)次數(shù)，Nnow表示電池現(xiàn)在的充放電循環(huán)次數(shù)；反之，則進入下一步；

(5.6)令b＝b+1，第b+1個預測點與第b個預測點的時間間隔為1個循環(huán)周期，返回步驟(5.3)。

2.根據(jù)權(quán)利要求1所述的一種鋰電池剩余壽命預測方法，其特征在于，步驟(2)具體如下：

(2.1)將實際剩余容量總時間序列X_t劃分為k個長度為n的實際剩余容量第二子時間序列X_n，t＝kn；

(2.2)按下式計算Lyapunov指數(shù)λ：

式中，k代表實際剩余容量第二子時間序列X_n的個數(shù)；Δt代表實際剩余容量總時間序列X_t中相鄰兩時間序列點的時間間隔；e代表線性算子映射；|| ||代表范數(shù)；e(jΔt)代表在jΔt時刻的實際剩余容量；e((j+1)Δt)代表在(j+1)Δt時刻的實際剩余容量；||e(jΔt)||代表e(jΔt)的范數(shù)；||e((j+1)Δt)||代表e((j+1)Δt)的范數(shù)。

3.根據(jù)權(quán)利要求2所述的一種鋰電池剩余壽命預測方法，其特征在于，k為取值區(qū)間為[8,10]的整數(shù)。