[發明專利]基于最大期望-無跡粒子濾波的電池剩余使用壽命預測方法

有效

• 申請號: 202210415333.5
• 申請日: 2022-04-20
• 公開（公告）號: CN114779088B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 張九思;李翔;羅浩;蔣宇辰;吳詩夢;田紀倫;尹珅
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392
• 代理公司: 哈爾濱華夏松花江知識產權代理有限公司 23213
• 代理人: 時起磊

基于最大期望?無跡粒子濾波的電池剩余使用壽命預測方法，本發明涉及電池剩余使用壽命預測方法。本發明的目的是為了解決現有電池容量突然的增加將對電池的剩余使用壽命預測產生很大的誤差的問題。過程為：1、提取第k次工作過程中的電池容量數據；2、構建基于無跡粒子濾波的動態電池退化模型；3、采用基于最大期望算法自適應地估計電池退化模型中的過程噪聲和測量噪聲；過程噪聲和測量噪聲用于第k+1次工作過程中，構建基于無跡粒子濾波的動態電池退化模型；4、判斷第k次工作過程是否發生容量再生現象；5、求解電池剩余使用壽命和電池容量的置信區間；本發明用于電池的剩余使用壽命預測領域。

技術領域

本發明涉及狀態空間理論、統計分析和鋰離子電池的剩余使用壽命預測相結合的學科交叉領域，具體涉及電池剩余使用壽命預測方法。

背景技術

作為重要的儲能設備，鋰離子電池以其能量密度高、工作溫度范圍寬、循環壽命長等優勢成為電動汽車的重要部件。隨著鋰離子電池充放電次數的增加，電池的容量將會逐漸下降，這將大大降低系統或者設備的可靠性，甚至在嚴重時容易發生災難性事故。因此，準確地預測鋰離子電池的剩余使用壽命(Remaining?useful?Life，RUL)，換句話說，準確地估計電池從當前時刻到完全失效時所經歷的時間對于系統的安全性和可靠性具有至關重要的作用。其意義在于能夠減少用電設備的維修成本，降低故障發生的概率，實現視情維修。

目前鋰離子電池的剩余使用壽命預測方法從總體上可以分為基于物理失效模型的方法、數據驅動的方法和基于混合經驗模型的方法。由于精確的電池機理建模存在著很大的困難，因此基于物理失效模型的方法存在著一定的局限性。另一方面，數據驅動的方法無需事先了解電池的物理化學知識，通過電池工作過程中產生的數據便可以預測剩余使用壽命。然而，數據驅動的學習類方法要求在線數據還被要求遵循與歷史數據相似的分布，否則學習類的方法很難保證預測的準確性。基于混合經驗模型的方法具備很強的解釋性和可靠性，通過將先驗知識融入到模型中，構建電池健康因子和電流、電壓以及循環次數等參數之間的算法模型，然后采用擴展卡爾曼濾波(Extended?Kalman?Filter，EKF)、無跡卡爾曼濾波(Unscented?Kalman?Filter，UKF)以及粒子濾波(Particle?Filter，PF)等算法進行參數辨識，從而完成剩余使用壽命預測任務。

雖然數據驅動的方法在電池的剩余使用壽命預測領域得以廣泛的運用，但是這些學習類的方法在本質上是黑箱模型，需要大量的歷史數據訓練算法模型，并且不能量化電池在退化過程中的不確定性。值得注意的是，從總體上而言，鋰離子電池的容量隨著充放電循環次數的增加是逐漸降低的。然而，當電池處于靜置狀態時，電池中的電化學反應產物會減少，電化學性能將發生短暫的恢復，這便是電池容量的再生現象。電池容量突然的增加將對電池的剩余使用壽命預測產生很大的誤差。因此，準確判斷電池容量的再生點至關重要。與此同時，現有的一些基于混合經驗模型的方法中模型的過程噪聲和測量噪聲都需要人為設定，如何采用自適應的方式對噪聲進行估計需要深入的研究。

發明內容

本發明的目的是為了解決現有電池容量突然的增加將對電池的剩余使用壽命預測產生很大的誤差的問題，而提出基于最大期望-無跡粒子濾波的電池剩余使用壽命預測方法。

最大期望-無跡粒子濾波的電池剩余使用壽命預測方法具體過程為：

步驟1、提取第k次工作過程中的電池容量數據；

步驟2、根據步驟1中提取的第k次工作過程中的電池容量數據，構建基于無跡粒子濾波的動態電池退化模型；

步驟3、采用基于最大期望算法自適應地估計電池退化模型中的過程噪聲和測量噪聲；

過程噪聲和測量噪聲用于第k+1次工作過程中，構建基于無跡粒子濾波的動態電池退化模型；

步驟4、判斷第k次工作過程是否發生容量再生現象；