[发明专利]基于AR集成学习模型的锂离子电池剩余寿命预测方法

说明书

技术领域

本发明涉及一种锂离子电池剩余寿命预测方法。

背景技术

锂离子电池和传统镍镉或氢镍蓄电池相比，具有工作电压高、体积小，重量轻，比能量高、寿命长和自放电率小等优点，成为可以替代传统电池的第三代卫星用储能电源。如果航天器中的储能电源采用锂离子蓄电池，那么将使得储能电源在电源分系统所占重量从30％～40％降低至10％～15％，降低了航天器的发射成本，提高了有效载荷。

由于蓄电池组是卫星在阴影期的唯一能源，而蓄电池组的性能退化至无法满足卫星的正常供电需求或者蓄电池组失效，卫星将无法正常工作。而锂离子电池由于自身存在充放电管理、性能衰退等问题，因此在锂离子电池使用过程中必须充分考虑存储、使用和维护的可靠性和安全性。调查显示，电源系统故障是导致航天器任务失败的主要原因。例如，1999年美国的太空试验AFRL由于电池内部阻抗异常导致试验的失败，2006年美国Mars Global Surveyor飞行器失效是由于电池系统直面太阳照射导致过热造成安全系统失效所引发的任务失败。对于航空航天应用而言，锂离子电池的可靠工作显得尤为重要。因此，针对锂离子电池的剩余寿命(Remaining Useful Life,RUL)估计，开展研究工作具有重大的意义。现有RUL预测使用单一的AR模型，而AR模型是一种线性预测方法，在非线性时间序列预测中的精度有限，难以达到高精度的要求。并且现有AR模型只提供一个锂电池寿命截止时刻，无法提供不确定性信息而缺少足够的决策支撑。

发明内容

本发明为了解决现有单一的AR模型在非线性时间序列预测中的精度有限的问题和稳定度低的问题，进而提供了一种基于AR集成学习模型的锂离子电池剩余寿命预测方法。

基于AR集成学习模型的锂离子电池剩余寿命预测方法的过程为：

步骤1：根据电池的容量失效阈值，从电池的容量数据中得到电池的寿命终止时间，时间量化表征为电池充放电的循环次数；将寿命终止时循环次数的a％处，作为预测起始点；提取容量数据，将其作为阶次判断的原始的输入数据F，并将F进行标准化处理，得到标准化数据Y；

零均值化：求取输入数据F的均值Fmean，得到零均值化的序列f＝F-Fmean；

方差标准化：求取序列f的标准差σ_f，得到标准化数据Y＝f/σ_f；

步骤2：计算标准化数据Y的0步自协方差：

R0=Σi=1L1Y2(i)L1---(1)]]>

其中，R₀为数据的0步自协方差，Y(i)表示Y中的第i个数据，L1为数据长度；

计算标准化数据Y的1～20步自协方差：