[发明专利]一种基于电池容量衰退轨迹线性化变换的电池RUL预测方法

说明书

本发明公开了一种基于电池容量衰退轨迹线性化变换的电池RUL预测方法，包括步骤：S1、读取动力电池历史容量数据，通过Box‑Cox变换，将非线性的容量数据轨迹线性化，获取Box‑Cox变换系数和经过Box‑Cox变换后的历史容量数据；S2、用一次多项式模型拟合经过Box‑Cox变换后的历史容量数据和对应的循环次数；S3、通过Matlab/Simulink中的Parameter Estimation工具辨识一次多项式模型的模型参数；S4、输入设定的容量阈值，通过参数更新后的一次多项式模型预测到达容量阈值的循环次数，并输出。所述方法省去了对动力电池离线老化数据进行分析的步骤，大大节约了资源和时间。

技术领域

本发明涉及动力电池性能衰退预测领域，具体涉及一种基于电池容量衰退轨迹线性化变换的电池剩余寿命(RUL)预测方法。

背景技术

动力电池作为电动汽车的唯一动力源，其性能的可靠性和稳定性，很大程度上就决定了整车的动力性和续航里程。因此，电动车动力电池性能的预测对电动车的发展具有深远意义。动力电池在充放电过程中内部会不可避免地发生一些不可逆的化学反应，导致电池最大可用容量、最大输出功率的下降，从而降低了整车续航里程和最大功率。可靠的电池剩余寿命(RUL)预测是整车续航里程估算的基础，为电池组维修和保养提供参考，很大程度上保证了电动汽车运行过程中的可靠性，提升了用户用车体验。

动力电池的剩余寿命(RUL)是指在电动汽车一定工况下进行充放电，电池的最大可用容量达到设定失效阈值(一般是初始容量的80％)所经历的充放电循环周期数。目前，基于数据驱动的RUL预测方法是主要的方法，按照预测思路的不同，基于数据驱动的RUL预测方法可分为三大类：经验预测法、滤波预测法、时序预测法。经验预测法是利用反映电池容量衰退规律的数学模型拟合电池容量衰退曲线，通过模型预测电池的RUL；粒子滤波法是基于状态估计的思想，通过观测数据在线更新电池容量衰退的数学模型；时序预测法是从时间序列预测角度出发，将电池RUL预测问题视为时间序列预测问题，给予时间序列模型f(·)，递推更新模型预测动力电池容量。

但是，经典的经验预测法和滤波预测法需要对动力电池离线老化数据进行分析，会耗费大量资源和时间。

发明内容

本发明的目的是针对现有技术的不足，提供了一种基于电池容量衰退轨迹线性化变换的电池RUL预测方法，所述方法首先利用Box-Cox变换技术将非线性的动力电池容量衰退轨迹作线性化处理，然后选取简单的一次多项式模型拟合处理后的容量衰退轨迹，之后通过Matlab/Simulink的参数估计(Parameter Estimation)工具辨识模型参数，设定电池容量失效阈值，最后通过模型求解电池容量失效的循环次数，可在线预测电动汽车车用动力电池剩余寿命(RUL)，省去了对动力电池离线老化数据进行分析的步骤，大大节约了资源和时间。

本发明的目的可以通过如下技术方案实现：

一种基于电池容量衰退轨迹线性化变换的电池RUL预测方法，所述方法包括以下步骤：

S1、读取动力电池历史容量数据，通过Box-Cox变换，将非线性的容量数据轨迹线性化，获取Box-Cox变换系数和经过Box-Cox变换后的历史容量数据；

S2、用一次多项式模型拟合经过Box-Cox变换后的历史容量数据和对应的循环次数；

S3、通过Matlab/Simulink中的Parameter Estimation工具辨识一次多项式模型的模型参数；

S4、输入设定的容量阈值，通过参数更新后的一次多项式模型预测到达容量阈值的循环次数，并输出。

进一步地，步骤S1中所述Box-Cox变换的数学表达式如公式(1)所示：