[发明专利]一种锂离子电池剩余寿命预测方法有效
| 申请号: | 201811352261.4 | 申请日: | 2018-11-14 |
| 公开(公告)号: | CN109633474B | 公开(公告)日: | 2021-09-10 |
| 发明(设计)人: | 盘朝奉;陈瑶;王丽梅;何志刚;陈伟鹤;薛安荣;蔡涛 | 申请(专利权)人: | 江苏大学 |
| 主分类号: | G01R31/392 | 分类号: | G01R31/392;G01R31/367 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 212013 江*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 锂离子电池 剩余 寿命 预测 方法 | ||
1.一种锂离子电池剩余寿命预测方法,其特征在于:
步骤一:对锂离子电池进行寿命循环实验,处理数据获得锂离子电池在不同变量下的容量随循环次数的变化曲线;
步骤二:根据容量随循环次数变化的曲线建立锂离子电池容量退化经验模型
所述锂离子电池容量退化经验模型:
状态方程为:X(k)=[a(k) b(k) c(k) d(k)]T,观测方程为:Q(k)=a(k)·exp(b(k)·k)+c(k)·exp(d(k)·k)+v(k);其中X(k)为状态向量,a(k)、b(k)、c(k)、d(k)为状态参数,wa(k)、wb(k)、wc(k)、wd(k)为过程噪声,v(k)为观测噪声,Q(k)为观测容量值,k为循环次数;
步骤三:粒子滤波算法跟踪前期已知的锂离子电池容量值,获取状态参数变化曲线;
步骤四:根据状态参数随循环次数的变化曲线建立指数平滑预测模型
其中指数平滑模型为:为预测值,α为参数,xt为真实值;首先选择初始的两个时间序列状态参数值的平均值作为指数平滑模型的初始值;其次设置模型参数:α∈(0,1),选取原则为:a、如果时间序列波动不大,比较平稳,则α的取值范围是0.1-0.3,以减少修正幅度,使预测模型能包含较长时间序列的信息;b、如果时间序列具有迅速且明显的变动倾向,则α的取值范围是0.6-0.8,使预测模型灵敏度高一些,以便迅速跟上数据的变化;递推预测获得状态预测值,并将预测的状态值代入观测方程得到容量的观测预测值;
步骤五:根据得到的容量观测预测值,反馈给粒子滤波,预测得到电池的剩余寿命。
2.根据权利要求1所述的电池剩余寿命预测方法,其特征在于:所述不同变量包括温度、放电截止电压、充电截止电压及循环次数。
3.根据权利要求1所述的电池剩余寿命预测方法,其特征在于:所述容量随循环次数的变化曲线是通过锂离子电池寿命循环实验获取的,具体包括:
(1)对新电池进行恒流放电,当电压达到放电截止电压时停止,搁置;
(2)恒流充电:当电压达到充电截止电压时停止;
(3)恒压充电:当电流小于预设值时停止,搁置;
(4)恒流放电:当电压达到放电截止电压时停止,搁置;
(5)重复(2)-(4),直至容量下降至设定的阈值时停止实验。
4.根据权利要求1所述的锂离子电池剩余寿命预测方法,其特征在于:所述跟踪前期已知的锂离子电池容量值是通过粒子滤波跟踪算法获得的,具体为:
(1)设定算法的参数:粒子数N,过程噪声,观测噪声,最大循环值,驱动矩阵,状态初值;
(2)初始化粒子集:根据初始状态为每个粒子赋初值,此时每个粒子的权值相等;
(3)采样:选择分布函数计算当前时刻每个粒子的状态;
(4)计算当前时刻每个粒子的权值;
(5)权值归一化;
(6)重采样;
(7)重复步骤(3)-(6),直至循环次数k=预测起始点T;
(8)输出状态参数随循环次数的变化曲线。
5.根据权利要求4所述的锂离子电池剩余寿命预测方法,其特征在于:所述重采样的方法包括随机重采样、多项式重采样、残差重采样或系统重采样。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811352261.4/1.html,转载请声明来源钻瓜专利网。





