[发明专利]电池寿命的预测方法及系统

说明书

本发明公开了一种电池寿命的预测方法及系统。所述预测方法包括以下步骤：S₁、获取待测电池的历史电池数据；S₂、基于时间序列算法并根据所述历史电池数据计算所述待测电池的电池容量退化模型的状态变量的初值；S₃、基于粒子滤波方法并根据所述状态变量的初值对所述电池容量退化模型进行状态跟踪，更新所述电池容量退化模型的状态变量，并根据所述状态变量确定所述待测电池的寿命。本发明中，电池容量退化模型的状态变量的初值基于时间序列算法并根据待测电池的自身的历史电池数据计算获得，在此基础上，通过粒子滤波算法能准确预测待测电池的寿命规律，提高电池寿命预测的准确性，从而提高电池使用的安全性。

技术领域

本发明涉及电池技术领域，特别涉及一种电池寿命的预测方法及系统。

背景技术

对于充电电池来说，当其实际容量下降至其额定容量的80％时视其失效。这个过程中所经历的循环次数称为充电电池的循环寿命。充电电池非正常状态下的老化和性能衰退会引起严重故障发生，因此对充电电池进行寿命预测具有重要意义。

现有技术中一般采用粒子滤波算法预测电池的使用寿命，粒子滤波模型的参数初值要么通过经验获取，要么通过同类型的其他电池的已知寿命衰减数据计算。但通过上述方式获取的粒子滤波模型的参数初值并不能准确反映待测电池的实际状况，也就不能准确反映待测电池的寿命规律，致使预测结果不准确。

发明内容

本发明要解决的技术问题是为了克服现有技术中预测电池寿命的方法准确度较低的缺陷，提供一种电池寿命的预测方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

一种电池寿命的预测方法，所述预测方法包括以下步骤：

S₁、获取待测电池的历史电池数据；

S₂、基于时间序列算法并根据所述历史电池数据计算所述待测电池的电池容量退化模型的状态变量的初值；

S₃、基于粒子滤波方法并根据所述状态变量的初值对所述电池容量退化模型进行状态跟踪，更新所述电池容量退化模型的状态变量，并根据所述状态变量确定所述待测电池的寿命。

较佳地，步骤S₂具体包括：

利用所述历史电池数据对时间序列模型进行训练和建模，以得到所述电池容量退化模型；

对所述电池容量退化模型中的状态变量进行拟合，将拟合结果作为各个状态变量的初值。

较佳地，所述电池容量退化模型为：

Q_m＝a_m×exp(b_m×m)+c_m；

其中，Q_m表征所述待测电池第m次充放电对应的电池容量，a_m、b_m、c_m表征对应的状态变量。

较佳地，所述时间序列模型具体为：ARMA模型。

较佳地，所述历史电池数据包括所述待测电池的充放电次数k和每次充放电对应的电池容量。

较佳地，步骤S₃中，根据所述状态变量确定所述待测电池的寿命的步骤具体包括：

利用所述状态变量并根据所述电池容量退化模型预测所述待测电池第k+n次充放电对应的电池容量；

判断第k+n次充放电对应的电池容量是否在容量阈值内，在判断为是时，将n确定所述待测电池的寿命；

其中，n为自然数。