[發明專利]一種鋰電池健康狀態預測方法

有效

• 申請號: 202110034100.6
• 申請日: 2021-01-12
• 公開（公告）號: CN112881914B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 佘世剛;魏新堯;容偉;劉愛琦;陸佳偉
• 申請（專利權）人: 常州大學
• 主分類號: G01R31/36
• 分類號: G01R31/36
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱楨榮

本發明公開了一種鋰電池健康狀態預測方法，涉及鋰電池健康狀態預測技術領域，包括以下步驟：提取性能參數數據集；計算鋰電池健康狀態（SOH）；數據集歸一化處理；建立誤差逆傳播（BP）神經網絡；布谷鳥搜索網絡最優初始值；數據集加入到網絡完成訓練。本發明實現預測任何壽命階段鋰電池的在線健康狀態，計算方便快捷，降低了計算復雜性，縮短了計算時間，應用范圍廣，且具有預測精度高，跟蹤性強的優點，同時降低了傳統BP神經網絡對初始權值和閾值的依賴，有效的避免了模型容易陷入局部最優的問題。

技術領域

本發明涉及鋰電池技術領域，特別是一種鋰電池健康狀態預測方法。

背景技術

鋰離子電池具有較高的放電平臺、循環使用壽命長、環保安全等優點，已成為電動汽車的重要動力來源。電池狀態估計不僅是管理的核心和基礎，而且為車輛能量管理提供數據依據，電池的內部狀態主要包括充電狀態(SOC)和健康狀態(SOH)。為了優化系統運行，準確估計系統的SOC和SOH是至關重要的。特別是對電池SOH的準確估計，可以充分合理的使用電池，避免電池突然故障帶來的不便，這對于電池管理具有重要的意義。一般來說，SOH實際上反映在電池內部一些參數(如歐姆內阻、容量等)的變化上。

目前，基于狀態空間模型的SOH預測方法已經發展起來，最主要是針對單塊鋰離子電池進行研究，鋰離子電池SOH的預測方法大致有基于特征的預測和數據驅動的預測兩種。特征的預測方法主要是利用傳統的卡爾曼濾波算法來估計了電池的歐姆內阻，它們存在估計誤差大，精度不高，魯棒性差等問題；數據驅動的預測方法是利用電池性能的測試數據，從數據中挖掘電池性能演變的規律用于壽命預測，但這些智能算法很大程度上依賴于大量的數據訓練集和實驗，存在泛化(通用)能力差的特點。

檢索中國發明專利CN107367698A公開了一種電動汽車鋰電池組的健康狀態預測方法。該方法主要包括：采用一種等效電路模型表征電動汽車鋰電池組的結構特性，針對該等效電路模型建立電池組內阻的狀態空間模型，基于狀態空間模型提出一種并行粒子濾波方法對電池組的內阻進行動態跟蹤預測，得到電池組內阻某一時刻下的狀態估計值，將該狀態估計值與電池組初始內阻值進行差值比較實現對電動汽車鋰電池組健康狀態的快速預測。通過適于應用在電動汽車電池狀態監測和預測系統中，在實現電動汽車鋰電池組健康狀態精確預測的同時，有效降低了計算復雜性，大大縮短了計算時間。但其存在泛化(通用) 能力差的特點。

針對相關技術中的問題，目前尚未提出有效的解決方案。

發明內容

本發明所要解決的技術問題是克服現有技術的不足而提供一種鋰電池健康狀態預測方法，實現預測任何壽命階段鋰電池的在線健康狀態，計算方便快捷，降低了計算復雜性，縮短了計算時間，應用范圍廣，且具有預測精度高，跟蹤性強的優點，同時降低了傳統BP神經網絡對初始權值和閾值的依賴，有效的避免了模型容易陷入局部最優的問題。

本發明為解決上述技術問題采用以下技術方案：

根據本發明提出的一種鋰電池健康狀態預測方法，包括以下步驟：

步驟1、從鋰電池充放電過程中預先提取能夠反映電池退化狀態的性能參數數據集，性能參數數據集包括每次放電循環中鋰電池端電流平均值、每次放電循環中鋰電池端電壓平均值、每次放電循環中鋰電池外表面溫度平均值、鋰電池放電時間、充放電循環次數；

根據提取的性能參數數據集，構造一個5×n的鋰電池性能參數矩陣X_5×n，其中n表示鋰電池充放電循環次數，X_5×n包括5組行向量，表示為：