[發明專利]考慮不確定性的鋰離子電池剩余壽命集成預測方法

有效

• 申請號: 202110778883.9
• 申請日: 2021-07-09
• 公開（公告）號: CN113504483B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 林焱輝;田玲玲;丁澤琦
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01R31/392
• 分類號: G01R31/392
• 代理公司: 北京孚睿灣知識產權代理事務所(普通合伙) 11474
• 代理人: 王冬杰

1.一種考慮不確定性的鋰離子電池剩余壽命集成預測方法，其特征在于，其包括：

數據獲取步驟，對鋰離子電池進行測試，測試鋰離子電池在室溫下依次經過充電和放電時的充放電電流A，從而獲得鋰離子電池充放電電容退化數據C＝{C(k),k}，其中k為充放電循環數，基于預測誤差的偏差-方差-噪聲分解，提取觀測數據中的數據噪聲并進行量化，獲得噪聲的噪聲方差

個體模型構建步驟，基于鋰離子電池的群體歷史數據，應用最小二乘法從數據層和模型層兩個層面生成多樣性個體模型h＝{h₁,h₂,...,h_I}，對個體模型進行模型初始化；基于鋰離子電池的個體在線數據，即待預測鋰離子電池在使用階段內實時獲得的數據，應用粒子濾波算法，建立狀態空間模型，對個體模型進行實時更新，完成個體模型構建；

模型權重獲取步驟，基于鋰離子電池的群體歷史數據，使用遺傳算法，獲得模型初始權重ω＝{ω₁,ω₂,...,ω_I}，基于集成模型預測誤差最小對個體模型權重進行初始優化，其優化函數為：

其中，{ω_j,j＝1,2,...,I}為個體模型初始權重，e_ij為模型在歷史數據子集中獲得的個體模型的預測誤差，優化函數中為集成模型平均預測偏差，為集成模型平均預測方差；并且基于鋰離子電池的個體在線數據，考慮個體模型在個體在線數據中的擬合優度，對模型權重進行更新修正；

集成模型構建和預測步驟，基于獲得的模型權重，加權集成個體模型，構建鋰離子電池剩余壽命預測集成模型；并且利用所述集成模型對電池容量的退化狀態進行預測，根據電池容量的失效閾值獲得鋰離子電池剩余壽命的預測結果。

2.根據權利要求1所述的考慮不確定性的鋰離子電池剩余壽命集成預測方法，其特征在于，所述鋰離子電池剩余壽命預測的產品為宇航電子產品、軍工電子產品或者民用電子產品。

3.根據權利要求1所述的考慮不確定性的鋰離子電池剩余壽命集成預測方法，其特征在于：所述數據獲取步驟包括：

測試鋰離子電池在室溫下依次經過充電和放電時的充放電電流A后，通過對電池電流A進行放電時間內的積分計算獲得電池容量觀測數據C，觀測數據中包含數據噪聲ε，對數據噪聲進行提取和量化，數據噪聲的存在形式的表達式為：

其中，C(k)為第k個充放電循環下的電池容量觀測值，y(k)為第k個充放電循環下的真實電池容量輸出，ε為服從零均值高斯分布的數據噪聲，為噪聲方差；

基于預測誤差的偏差-方差-噪聲分解和預測模型無偏假設數據噪聲為：

其中，h為預測模型，為預測模型h的期望，E[(h-C)²]為模型預測誤差平方期望，為模型期望方差，數據噪聲的方差計算如下：

其中，h_i,i＝1,2,...n為不同數據集訓練下的預測模型輸出，C_r,r＝1,2,...n為不同數據集訓練下的電池電容觀測值，和分別為對模型預測誤差平方期望和模型方差期望的估計，從群體歷史數據中獨立于模型訓練集和驗證集的數據集中獲得。

4.根據權利要求1或者3所述的考慮不確定性的鋰離子電池剩余壽命集成預測方法，其特征在于：個體模型構建步驟具體包括：

考慮個體模型的多樣性，在模型層，選取雙指數經驗模型和多項式經驗模型作為待選個體模型；在數據層，將鋰離子電池的群體歷史數據分為多個相互獨立的數據集S＝{S₁,S₂,...,S_I}，選取數據集S中第一子集作為模型驗證集V，第二子集作為模型訓練集T；應用最小二乘法對不同模型訓練集下的雙指數模型和多項式模型進行訓練，獲得2I個候選個體模型；對由每一個訓練集分別生成的兩個候選個體模型進行模型驗證，選取預測性能好的模型作為個體模型，生成I個初始個體模型h＝{h₁,h₂,...,h_I}；

基于生成的初始個體模型，建立基于雙指數和多項式的狀態空間模型，應用粒子濾波算法對個體模型進行狀態空間模型構建和模型狀態參數更新，獲得在第k個充放電循環下的個體模型