[发明专利]基于NSDP-AR模型的锂离子电池循环寿命预测方法

说明书

技术领域

本发明涉及一种锂离子电池循环寿命预测方法，特别涉及一种采用非线性AR模型实现锂离子电池循环寿命预测方法。 

背景技术

目前针对锂离子电池剩余寿命（Remaining Useful Life，RUL）预测的方法大致分为基于物理模型（Model-based Prognostics）和基于数据驱动（Data-Driven）方法，对于失效机理复杂、模型难以建立的电子待测锂电池，大部分研究集中于基于数据驱动的方法。数据驱动方法中包含一类基于统计滤波的统计数据驱动方法如粒子滤波（Particle Filter，PF），卡尔曼滤波（Kalman Filter，KF）和扩展卡尔曼滤波（Extended Kalman Filter，EKF），通过建立待测锂电池状态转移方程实现预测与更新，充分考虑待测锂电池内部状态转移特性，但是某一退化模型对不同类型电池及不同工作状态缺乏良好适应性；另一类是基于纯数据驱动的方法如自回归滑动平均（Autoregressive Moving average，ARMA）模型，着眼分析数据本身特征而未考虑数据所属于的待测锂电池的特性。目前，将统计滤波方法与纯数据驱动方法进行融合的混合预测框架不断被提出与改善，将二者的优点进行结合以弥补各自独立应用时出现的缺陷，但是目前的这些基于模型的方法存在对于不同电池及不同工作状态适应能力低的问题。 

发明内容

本发明是为了解决AR模型对电池容量非线性退化特征预测能力较差的问题，提出了基于NSDP-AR模型的锂离子电池循环寿命预测方法。 

基于NSDP-AR模型的锂离子电池循环寿命预测方法为： 

步骤一：根据待预测的锂离子电池的AR模型对锂离子电池进行容量的预测，获得容量预测序列ARpredict； 

其中为自回归系数，p为最优模型阶次，a_t,t=0,±1,…为相互独立的白噪声序列，且服从均值为0，方差为的正态分布； 

步骤二：根据步骤一得到的容量预测序列ARpredict，提取近似全寿命周期百分比kp’序列； 

步骤三：在待预测的锂离子电池投入在线使用前，对拟合组各电池进行离线测试平台 的模拟在线条件的充放电测试，并同样进行AR模型建模和kp’提取，并依据各电池的根据kp’序列及真实容量离线测试信息，得到基于kp’的非线性退化因子K_T参数，建立拟合组各电池各自的NSDP-AR模型

所述非线性退化因子K_T参数的表达式有两种， 

其中一种为：K_T=a·e^b·kp'+c·e^d·kp'        （11）， 

另外一种为：KT=11+a·(kp′+b)---(12),]]>

式中kp’代表的是全寿命周期百分比的近似值，a、b、c、d代表待确定参数； 

步骤四：应用灰色关联分析对待预测的锂离子电池与拟合组各电池的容量退化趋势进行关联性分析，得到序列变化趋势之间的关联度r_i，根据关联度r_i利用加权手段确定在线时待预测的锂离子电池NSDP-AR模型中非线性退化因子的参数估计结果m，其中