[发明专利]一种锂离子电池剩余寿命预测方法

说明书

本发明公开了一种锂离子电池剩余寿命预测方法，通过运用粒子滤波算法获得电池模型的状态参数变化数据，将数据导入指数平滑预测模型(ES)得到状态参数预测值，再带入观测方程得到容量的观测预测值，最后将观测预测值反馈给粒子滤波对电池剩余寿命(RUL)进行预测。本发明的ES‑PF预测模型，可以解决粒子滤波算法在预测阶段状态参数不能更新，导致预测误差随预测周期变长而变大的问题，有效提高粒子滤波算法的预测精度。

技术领域

本发明属于锂离子电池技术领域，更为具体地，是涉及一种锂离子电池的剩余寿命预测方法。

背景技术

锂离子电池由于高能量密度、低自放电率、没有记忆效应、长循环寿命等优势，作为最有前景的动力源之一，广泛应用于消费电子品、电动汽车甚至是航天领域。随着不停的充放电循环，电池的性能退化也就是老化是不可避免的。电池的衰败会导致性能下降、经济损失，甚至意外事故。因此寻找到一种精确可靠的电池剩余寿命预测方法，来监测电池的衰败和评估它的可靠性十分必要。

电池剩余寿命(RUL)预测是预测从当前循环/时刻起，再经过多少循环/时间，电池的SOH值达到临界值(通常是70％-80％SOH)。目前发明改进了很多算法去预测电池的剩余寿命，但由于实验数据的不可靠性、模型和算法的不兼容、计算过于复杂等原因导致到目前为止还没有哪种算法是公认的最好的算法。

粒子滤波(PF)是近年来兴起的预测电池剩余寿命的常用算法，与卡尔曼滤波相比，它不仅能用于非线性系统，而且对噪声没有要求(可以是非高斯噪声)。但是粒子滤波在预测功能上有一个严重的缺陷，就是在预测阶段没有实测值时，粒子滤波器的状态无法更新，也就是说状态值停留在最后一个已知点，用最后一个已知点的点估计去预测电池的剩余寿命，导致预测周期越长，预测精度越低。

发明内容

本发明的目的是针对现有技术的不足，提出一种基于指数平滑预测(ES)与粒子滤波(PF)融合的锂离子电池剩余寿命预测方法，以提高粒子滤波算法的预测精度。

本发明一种基于指数平滑预测与粒子滤波融合(ES-PF)的锂离子电池剩余寿命预测方法，实现过程如下：

一种锂离子电池剩余寿命预测方法，实验获取锂离子电池在不同变量下的容量随循环次数的变化曲线，建立锂离子电池容量退化经验模型，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，再建立指数平滑预测模型，从而获得容量观测预测值，反馈给粒子滤波，预测得到电池的剩余寿命。

进一步，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。

进一步，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(或设定值)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。

进一步，所述锂离子电池容量退化经验模型：

状态方程为：K(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，w_a(k)、w_b(k)、w_c(k)、w_d(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。