[发明专利]一种基于WOUKF算法的锂离子电池剩余寿命预测方法

说明书

本发明提供一种基于WOUKF算法的锂离子电池剩余寿命预测方法，包括如下步骤：步骤1：对电池数据集进行电池容量数据提取，以电池容量作为锂电池寿命预测指标，根据锂电池的循环周期选择预测起始点，利用预测起始点之前的电池容量数据拟合模型，并建立状态空间模型；步骤2：利用WOUKF算法追踪已知历史数据，直至得到第T时刻状态变量，获取在预测起始点之前每个时刻的电池容量预测值与电池容量实测值之间的残差数据；步骤3：残差数据和电池容量实测值训练LSTM模型，获得未来时刻的残差数据预测值及电池容量预测量测值；步骤4：更新状态向量，预测出电池容量，重复步骤3直到预测的电池容量达到失效阈值时停止，计算出RUL。

技术领域

本发明涉及电池技术技术领域，尤其涉及一种基于WOUKF算法的锂离子电池剩余寿命预测方法。

背景技术

锂电池作为一种轻量化，高能量密度的电源，被广泛应用于航天器，飞机，电动汽车和便携式电子设备中，而锂电池在长时间的充放电循环之后，会不可避免的发生容量退化现象，一旦某一节电池失效，极易导致整个电池板的自燃，进而危害整体安全，为了避免由电池退化引起的事故，对锂电池荷电状态(SOC)，健康状态(SOH)和剩余寿命(RUL)进行监测和预测显得尤为重要。

近年来，大量文献报道了锂电池RUL的预测方法，第一种方式是基于模型的方法，依赖电池生命周期先验知识的数学模型赖描述锂电池的物理机制。第二种方法是基于数据驱动的方法，从退化数据中提取典型特征，然后利用机器学习技术构造退化数据与健康状态之间的映射关系，最好估计电池容量并预测其RUL。目前技术人员采用的是提取充放电等电压差的时间间隔作为健康指标，采用SVR和特征向量选择(FVS)结合的新方法实现RUL预测，但此方法的预测精度太依赖于电池数据的质量和数量。

发明内容

本发明旨在克服上述缺陷，目的是提供一种能准确预测锂电池剩余使用寿命的方法。

为实现达到上述目的，本发明提供一种基于WOUKF算法的锂离子电池剩余寿命预测方法，该方法通过提出一种傅里叶模型，更好的表征电池容量的退化趋势并建立状态空间方程，采用WOUKF算法，可以克服UKF噪声协方差和过程协方差对状态估计的干扰，忽略状态向量初始化协方差带来的影响，获取锂电池对应的残差数据，基于LSTM实现对残差的更新，同时基于所述的WOUKF算法预测锂电池的剩余寿命，进一步提升了剩余寿命预测的准确度。

本发明的基于WOUKF算法的锂离子电池剩余寿命预测方法的具体技术方案如下：

本发明提供的基于WOUKF算法的锂离子电池剩余寿命预测方法，其特征在于，包括如下步骤：步骤1：获得电池数据集并对该电池数据集进行电池容量数据提取，以电池容量作为锂电池寿命预测指标，并根据锂电池的循环周期选择预测起始点T，利用预测起始点之前电池容量数据在基于傅里叶形式的锂离子电池退化模型上进行拟合并确定模型初始参数，建立状态空间模型；步骤2：利用WOUKF算法对已知历史数据进行状态追踪，直至得到第T时刻的状态变量，获取在预测起始点之前的每个时刻的电池容量预测值与电池容量实测值之间的残差数据；步骤3：将步骤2得到的残差数据和电池容量实测值作为训练集训练LSTM模型，获得未来时刻的残差数据的预测值以及电池容量预测量测值；步骤4：基于WOUKF算法和残差数据的预测值来更新状态向量，结合傅里叶模型预测出未来时刻的电池容量，重复步骤3直到预测的电池容量达到失效阈值时停止预测，并根据达到失效阈值的时间计算出锂电池的剩余寿命值RUL。

进一步地，在本发明提供的基于WOUKF算法的锂离子电池剩余寿命预测方法中，还可以具有这样的特征：

其中，步骤1中的所述基于傅里叶形式的锂离子电池退化模型的定义如下：

y＝a+b*cos(d*k)+c*sin(d*k) (1)

式(1)中，y表示电池容量；k表示循环次数；a,b,c,d表示模型初始参数；*表示乘法运算；sin表示正弦函数；cos表述余弦函数；