[发明专利]基于核密度估计的锂离子电池循环寿命预测方法

说明书

本发明提供了一种基于核密度估计的锂离子电池循环寿命预测方法，该方法包括：计算容量测试数据的退化数据增量，基于自适应核密度估计方法估计每个测试时间点下退化增量分布的概率密度函数，根据AIC准则选择合适的Copula函数并描述相邻时刻退化增量的相关性，采用随机抽样的方法并利用蒙特卡洛法进行仿真求解得到参数估计值，基于边缘条件分布函数与时变Copula函数参数对退化增量进行外推，基于外推得到的退化数据与失效阈值预测锂离子电池失效时间。本发明提出一种稳健性、泛化性强的半参数随机退化模型，避免了现有的随机退化模型对退化增量分布假设不准确的问题，增强了模型的准确性，解决了锂离子电池容量退化数据增量非独立、不稳定的问题。

技术领域

本发明属于锂电池循环寿命预测技术领域，特别是一种基于核密度估计的锂离子电池循环寿命预测方法。

背景技术

锂离子电池已经成为许多领域提供动力的主要电源设备。随着不断的充放电使用，锂离子电池的性能会下降，尤其是容量的退化，当电池容量下降到一定程度时，则认为锂离子电池失效，而锂离子电池的可靠性一直也是电池制造商的关注焦点之一，如果建立退化模型对与锂离子电池循环寿命特征高度相关的性能参数进行分析，则可借助退化模型来评估产品的可靠性特征。

现实的生产、工作环境中锂离子电池性能参数的退化受很多因素的干扰，因此随机过程退化模型可以反映其真实退化过程。目前常用的三种随机退化模型分别是Wiener过程、Gamma过程和逆高斯(Inverse Gaussian，IG)过程模型，它们的共同特点是退化增量独立平稳且有特定分布。现有随机退化模型具有较强假设，带来的好处是具有漂亮的数学性质，能推导出具体的寿命分布等信息。然而，强假设带来的后果就是容易不符合实际情形，首先在实际应用中不一定对样本有充分的了解，很难判断增量属于哪种分布，分布情况也不一定可以用简单的函数表达出来；同时，需要进行参数估计，参数估计的最优化有可能收敛到局部最小却不能保证全局最优。除此之外，锂离子电池容量退化数据的增量可能具有不平稳性，而且退化增量不一定是独立的，某些产品前后时刻退化增量存在相关性，即下一时刻的退化增量与前一时刻退化增量相关。因此，基于随机退化模型，寻求一种基于核密度估计的锂离子电池循环寿命预测方法是十分迫切且必要的。

发明内容

本发明针对上述现有技术中的缺陷，基于随机退化模型，提出一种基于核密度估计的锂离子电池循环寿命预测方法。该方法包括计算容量测试数据的退化数据增量，基于自适应核密度估计方法估计每个测试时间点下退化增量分布的概率密度函数，根据AIC准则选择合适的Copula函数并描述相邻时刻退化增量的相关性，采用随机抽样的方法并利用蒙特卡洛法进行仿真求解得到参数估计值，基于边缘条件分布函数与时变Copula函数参数对退化增量进行外推，基于外推得到的退化数据与失效阈值预测锂离子电池失效时间。本发明提出一种稳健性、泛化性强的半参数随机退化模型，避免了现有的随机退化模型对退化增量分布假设不准确的问题，增强了模型的准确性，解决了锂离子电池容量退化数据增量非独立、不稳定的问题。

本发明提供一种基于核密度估计的锂离子电池循环寿命预测方法，所述方法包括以下步骤：

S1、计算容量测试数据的退化数据增量：设测试循环数为n，第k个时刻下的测试容量为q_k，则第k个时刻下测试容量的增量Δq_k为：

Δq_k＝q_k+1-q_k (1)

其中：k为一常数；

S2、估计每个测试时间点下退化增量分布的概率密度函数：基于自适应核密度估计方法，对每个时刻下锂离子电池容量退化增量的分布进行估计，将高斯核函数代入由拇指法则嵌入得到的最优窗宽公式，得到初始渐近最优窗宽，计算锂离子电池容量退化增量的自适应核密度估计；