[發(fā)明專利]一種鋰電池剩余壽命預(yù)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

本發(fā)明涉及一種鋰電池剩余壽命預(yù)測方法，步驟為：(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(yù)測鋰電池剩余壽命RUL；(4)建立FARIMA預(yù)測模型；(5)鋰電池剩余壽命RUL預(yù)測。采用本發(fā)明的方法能夠準確地預(yù)測實際鋰電池容量的剩余壽命，并且可以選擇不同的預(yù)測起始點來進行RUL預(yù)測，使得能充分證明本方法的可靠性與準確性。本發(fā)明對實際鋰電池的生產(chǎn)與應(yīng)用有著重要意義。

技術(shù)領(lǐng)域

本發(fā)明屬于鋰電池剩余壽命預(yù)測技術(shù)領(lǐng)域，涉及一種結(jié)合混沌動力學與長相關(guān)模型的鋰電池剩余壽命預(yù)測方法。

背景技術(shù)

由于全球目前電子智能產(chǎn)品以及代替汽油為動力的鋰電池電動汽車等領(lǐng)域快速發(fā)展等因素，為這些生產(chǎn)生活用品提供能源的鋰離子電池(簡稱鋰電池)也得以飛速發(fā)展。它因為輸出電壓高、循環(huán)放電久、儲能密度大、自放電速率小、工作的時候溫度可控范圍廣等一系列優(yōu)勢成為目前使用最廣泛的電池能源。最近幾年，基于可靠性分析和診斷與健康管理技術(shù)，對于鋰電池剩余壽命(Remaining Useful Life,RUL)預(yù)測這方面的研究成為了一項研究熱點。

鋰電池RUL預(yù)測的主要方法分三種：模型法、數(shù)據(jù)驅(qū)動法以及融合法。而數(shù)據(jù)驅(qū)動法是目前應(yīng)用是其中最為廣泛的方法。這種方法不需要考慮鋰電池內(nèi)部的實際電化學反應(yīng)和失效機理，直接從測試得到的電池性能測試數(shù)據(jù)和狀態(tài)監(jiān)測數(shù)據(jù)(如電壓、電流、溫度、阻抗等)中分析挖掘隱藏的電池健康狀態(tài)信息及其變化規(guī)律，最終實現(xiàn)對鋰電池的RUL預(yù)測。目前主流的基于數(shù)據(jù)驅(qū)動的鋰電池RUL預(yù)測方法主要有：自回歸時間序列模型、人工神經(jīng)網(wǎng)絡(luò)模型、支持向量機模型、高斯過程回歸模型、粒子濾波模型等。這些模型在進行鋰電池RUL預(yù)測時都有著各自的優(yōu)缺點。

上述各種方法都認為鋰電池退化過程是一種普通的隨機過程，并基于此來進行預(yù)測，實際上鋰電池退化過程存在非馬爾可夫性與長相關(guān)性，因此上述各種方法的預(yù)測準確性都有待于進一步提高。

發(fā)明內(nèi)容

本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的問題，提供一種鋰電池剩余壽命預(yù)測方法，具體地，本發(fā)明根據(jù)鋰電池退化過程存在的長相關(guān)性與非馬爾可夫性提出了具有長相關(guān)性的分數(shù)自回歸滑動平均(FARIMA)模型進行鋰電池RUL預(yù)測的新方法。

為達到上述目的，本發(fā)明采用的技術(shù)方案如下：

一種鋰電池剩余壽命預(yù)測方法，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)因為鋰電池退化過程存在長相關(guān)性，因此需要先對退化數(shù)據(jù)的相關(guān)性進行計算，具體地，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，則時間序列便表現(xiàn)出長相關(guān)性，進入下一步；反之，則時間序列表現(xiàn)出短相關(guān)性，利用人工智能算法預(yù)測鋰電池剩余壽命RUL；

(4)建立FARIMA預(yù)測模型，表達式如下：

Φ(B)Δ^dS_l＝θ(B)X_l；