[发明专利]一种时变温度下的锂电池健康状态估计与剩余寿命预测方法

权利要求书

1.一种时变温度下的锂电池健康状态估计与剩余寿命预测方法，其特征在于，包括以下步骤：

S1、基于维纳过程、Power Rule应力模型和Arrhenius温度应力模型，构建时变温度工况下的锂电池性能退化模型，得到基于退化过程的锂电池健康状态方程和时变温度工况下的锂电池剩余寿命概率密度函数；

步骤S1的具体过程如下：

S11、基于Arrhenius温度应力模型，建立时变温度工况下锂离子电池的随机退化速率模型，如下式(1)所示：

λ(T)＝ae^-c/T                                (1)

其中，T为绝对温度，c为固定参数，a为arrhenius模型参数；

为表示不同锂离子电池之间的个体差异，令a服从高斯分布，即则时变温度工况下锂离子电池的随机退化速率模型如下式(2)所示：

令室温T₀＝25℃时锂离子电池容量为基准容量，则不同温度工况T_i下的放电容量转化到基准温度的放电容量变化可表示为下式(3)：

c(T_i→T₀)＝c(T_i)-γ(T_i,T₀；δ)                         (3)

其中，γ(T_i,T₀；δ)为温度变化导致的电池放电容量变化量，

为表示放电容量γ(T_i,T₀；δ)变化过程的不确定性，基于正态分布表示γ(T_i,T₀；δ)，如下式(4)所示：

其中，g(T_i,T₀)为γ(T_i,T₀；δ)的期望；

采用Power Rule模型表示g(T_i,T₀)，如下式(5)所示：

基于式(1)和式(3)，则时变温度工况下锂离子电池退化过程的退化模型基于维纳过程表示如下式(6)所示：

其中，x₀为初始电池容量，测试状态为常温工况；Λ(t,θ)为非线性退化系数，当Λ(t,θ)＝0时表征线性退化过程；σ_B为扩散系数，B(t)为标准的布朗运动，表示退化过程的动态特性和不确定性；

令则上式(6)可转化为下式(7)：

则时变温度工况下的锂离子电池退化模型的先验参数为：

基于退化过程的锂电池健康状态可以表示为锂电池当前容量与初始额定容量的比值，即基于退化过程的锂电池健康状态如下式(8)所示：

其中，SOH(t_k)为锂电池健康状态，C₀表示锂电池的额定容量；

S12、基于退化过程的寿命定义为表示锂离子电池的容量首次达到失效阈值的时刻，令锂离子电池的失效阈值为w，则其剩余使用寿命L可定义为性能状态首次达到失效阈值的时间，剩余使用寿命L如下式(9)所示：

L＝inf{t:X(t)≥w|x₀＜w}                         (9)

为得到随机参数作用下的剩余寿命分布表达式，给出引理1和引理2：

引理1：非线性退化模型如下式(10)所示：

其中，μ(z；φ)是参数φ在时间[0,∞)上的连续函数，则{X(t),t≥0}穿越失效阈值的首达时间的概率密度函数如下式(11)所示：

其中，

引理2：如果w,A,B∈R，且C∈R⁺，则下式(12)成立：

基于全概率公式，如下式(13)所示：

令基于引理1和引理2，得到时变温度工况下锂离子电池的寿命概率密度函数如下式(14)所示：

其中q_i为温度变化判断准则，且q_i如下式(15)所示：：

S2、基于极大似然估计方法估计锂电池性能退化模型的先验参数，然后根据检测到的锂电池的现场退化数据在线更新漂移系数的后验分布；

S3、根据检测到的锂电池的现场退化数据结合锂电池的退化过程，即可得到锂电池在时变温度工况下的健康状态估计的期望、方差和概率密度分布表达式，实现锂电池健康状态估计；

S4、根据检测到的锂电池的现场退化数据结合锂电池的退化过程以及剩余寿命与首达时间的关系，可得到锂电池在时变温度工况下，剩余寿命的概率密度分布函数，从而实现锂电池剩余寿命的预测。