[發(fā)明專利]一種基于RVM與PF算法融合的電池剩余使用壽命預測方法

在審

• 申請?zhí)枺?/td>: 202011503315.X
• 申請日: 2020-12-18
• 公開（公告）號: CN112816874A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設計）人: 鄭偉彥;吳靖;陳佩軍;金明;蔣燕萍;徐良榮;王志明
• 申請（專利權(quán)）人: 浙江大有實業(yè)有限公司杭州科技發(fā)展分公司;國網(wǎng)浙江省電力有限公司杭州供電公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G06Q10/04;G06N20/10
• 代理公司: 杭州華鼎知識產(chǎn)權(quán)代理事務所(普通合伙) 33217
• 代理人: 項軍

本發(fā)明公開了一種基于RVM與PF算法融合的電池剩余使用壽命預測方法，包括：對電池數(shù)據(jù)集進行數(shù)據(jù)提取及預處理；利用相關(guān)向量機算法提取電池數(shù)據(jù)集的相關(guān)向量，擬合出電池容量退化趨勢函數(shù)，構(gòu)建狀態(tài)空間模型，得到觀測方程和狀態(tài)方程；利用粒子濾波算法對模型的相關(guān)參數(shù)進行修正，得到電池剩余容量預測模型；對預測起始點之后的電池容量進行預測；判斷電池容量是否達到電池失效閾值，若達到閾值，則記錄此時的電池循環(huán)周期數(shù)，對電池剩余使用壽命進行預測。本發(fā)明利用相關(guān)向量機提取電池容量退化趨勢得到趨勢函數(shù)，不依賴電池經(jīng)驗模型，提高了鋰離子電池剩余使用壽命預測的精度及其長期預測能力。

技術(shù)領(lǐng)域

本發(fā)明涉及電池領(lǐng)域，尤其涉及一種基于RVM與PF算法融合的電池剩余使用壽命預測方法。

背景技術(shù)

本部分的陳述僅僅是提供了與本公開相關(guān)的的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

鋰離子電池被廣泛應用在各種電子產(chǎn)品、儲能裝置、電動汽車以及航空航天等諸多領(lǐng)域，對新能源的發(fā)展以及新技術(shù)的興起具有重要的作用。在實際應用中鋰離子電池受其內(nèi)部不可逆的物理、化學反應以及復雜的工況條件等因素的影響，其性能逐漸退化，嚴重影響系統(tǒng)運行的可靠性，作為各種電子系統(tǒng)的核心器件，在大多數(shù)情況下，鋰離子電池性能退化或損壞是系統(tǒng)發(fā)生故障或失效的主要原因。

利用鋰離子電池的早期循環(huán)數(shù)據(jù)對電池RUL進行準確預測，將為鋰離子電池的使用和優(yōu)化帶來新的機遇。例如，電池制造商可以加速電池的研發(fā)周期，執(zhí)行新的制造過程的快速驗證，并根據(jù)預測的電池壽命對新電池做出分級；同時，對于用戶來說，可以對鋰離子電池的壽命退化趨勢做出快速準確的預測，以便在電池壽命終止前及時對鋰離子電池進行維護更換，可以降低系統(tǒng)故障發(fā)生的概率。對鋰離子電池的剩余使用壽命做出快速準確的預測具有廣泛的用途，但由于電池內(nèi)外部等各種不確定性因素的影響，造成了鋰離子電池老化趨勢的非線性和不確定性。

鋰離子電池剩余使用壽命預測主要是通過電池當前的老化狀態(tài)來估計其剩余容量達到壽命結(jié)束點所需要的充放電周期數(shù)。目前，鋰離子電池剩余使用壽命預測方法主要分為基于機理模型、數(shù)據(jù)驅(qū)動以及融合的方法。機理模型主要通過對電池的失效機制進行分析，建立電池壽命退化過程的物理模型，從而對電池的剩余使用壽命做出預測，機理模型主要有退化機理模型、等效電路模型、經(jīng)驗退化模型等；基于數(shù)據(jù)驅(qū)動的方法是利用人工智能算法對電池容量的歷史數(shù)據(jù)進行分析，提取其老化規(guī)律，進而對電池剩余使用壽命做出預測，常用的人工智能算法有人工神經(jīng)網(wǎng)絡、粒子濾波(PF:Particle Filter)、支持向量機(Relevance Vector Machine，RVM)等；基于融合的方法分為機理模型與數(shù)據(jù)驅(qū)動融合以及兩種或多種數(shù)據(jù)驅(qū)動方法融合，融合方法彌補了單一方法的不足，使電池剩余使用壽命預測的精度得到了極大的提升。

粒子濾波算法是一種基于蒙特卡羅方法的近似貝葉斯濾波算法，可以應用在任何非線性非高斯問題的處理中，近年來，粒子濾波算法在鋰離子電池剩余使用壽命預測方面得到了廣泛的應用。粒子濾波算法過于依賴電池經(jīng)驗模型，而準確的電池經(jīng)驗模型往往很難獲得。

發(fā)明內(nèi)容

為了克服粒子濾波算法過于依賴電池經(jīng)驗模型這一缺點，同時提高鋰離子電池剩余使用壽命預測的精確度，本發(fā)明提出一種基于RVM與PF算法融合的電池剩余使用壽命預測方法。

一種基于RVM與PF算法融合的電池剩余使用壽命預測方法，包括：

S1：選取電池數(shù)據(jù)集，提取兩組電池容量退化數(shù)據(jù)Q_train和Q_test；

S2：初始化相關(guān)向量機參數(shù)，利用相關(guān)向量機對電池容量退化數(shù)據(jù)進行訓練，利用迭代估計法計算相關(guān)參數(shù)；

S3：提取電池容量退化數(shù)據(jù)中的相關(guān)向量；

S4：利用相關(guān)向量擬合電池容量退化趨勢，并得到狀態(tài)空間模型的狀態(tài)方程和觀測方程；

S5：初始化粒子濾波算法的相關(guān)參數(shù)，初始化粒子集；