[发明专利]基于EKF方法和NSDP-AR模型融合型锂离子电池循环寿命预测方法

权利要求书

1.基于EKF方法和NSDP-AR模型融合型锂离子电池循环寿命预测方法，其特征在于，它包括如下步骤：

步骤一：在线测量待测锂离子电池的容量数据，保存数据并对所述数据进行预处理，并离线测量与所述待测锂离子电池同型号的锂离子电池的真实容量退化数据；

步骤二：基于EKF方法确定待测锂离子电池经验退化模型的参数，根据待测锂离子电池经验退化模型和NSDP-AR模型构造锂离子电池状态空间模型，利用预处理后的数据并根据EKF方法确定所述锂离子电池状态空间模型中状态转移方程参数，所述状态转移方程为待测锂离子电池经验退化模型；所述NSDP-AR模型的预测输出值与观测噪声叠加后的观测值序列为所述锂离子电池状态空间模型的电池容量的观测值，所述NSDP-AR模型为利用步骤一所述离线测量的与待测锂离子电池同型号的锂离子电池的真实容量退化数据采用融合自回归系数求取方法确定AR模型与使用EKF算法获取的非线性退化因子参数拟合，从而获得离线测量的与待测锂离子电池同型号的锂离子电池的真实NSDP-AR模型，该离线测量的与待测锂离子电池同型号的锂离子电池的真实NSDP-AR模型及所述离线测量的待测锂离子电池同型号的锂离子电池与在线测量待测锂离子电池进行容量退化特征关联度分析，基于关联度进行加权参数计算后，获得在线测量待测锂离子电池的NSDP-AR模型；

步骤三：根据步骤二建立的锂离子电池状态空间模型中的待测锂离子电池经验退化模型对待测锂离子电池进行状态估计，利用所述NSDP-AR模型的输出叠加观测噪声进行待测锂离子电池的状态更新，所述锂离子电池状态空间模型获取每一个充放电循环的电池容量数据，并将所述数据与待测锂离子电池的失效阈值比较获取锂离子电池剩余寿命。

2.根据权利要求1所述的基于EKF方法和NSDP-AR模型融合型锂离子电池循环寿命预测方法，其特征在于，所述步骤一中对所述数据进行预处理的方法为：

对于所述数据中奇异的点进行剔除，对于幅度过大的容量再生现象进行趋势的平滑。

3.根据权利要求1所述的基于EKF方法和NSDP-AR模型融合型锂离子电池循环寿命预测方法，其特征在于，所述步骤二中，根据待测锂离子电池经验退化模型和NSDP-AR模型构造锂离子电池状态空间模型的方法包括如下步骤：

步骤A：根据待测锂离子电池经验退化模型构造待测锂离子电池经验退化模型的参数估计的状态空间模型：所述Δt_k为1；

ak=ak-1+wawa~N(0,Qa)bk=bk-1+wbwb~N(0,Qb)ck=ck-1+wcwc~N(0,Qc)Ck+1=akCk+bke(-ck)+vkvk~N(0,R)]]>

其中：

ak=ak-1+wawa~N(0,Qa)bk=bk-1+wbwb~N(0,Qb)ck=ck-1+wcwc~N(0,Qc)]]>

为状态转移方程，

C_k+1=a_kC_k+b_ke^(-ck)+v_k

为观测方程，a_k、b_k和c_k分别为k时刻所述锂离子电池经验退化模型中的库伦效率η_c，k、再生容量参数β_1,k和再生容量参数β_2,k的估计值；

C_k为待测锂离子电池的容量退化过程中k时刻的放电容量，C_k+1为待测锂离子电池的容量退化过程中k+1时刻的放电容量，η_c，k为待测锂离子电池充放电过程中的库伦效率；为待测锂离子电池在静置休息时间段Δt_k内再生的容量；w_a、w_b和w_c分别为参数a、b和c所包含的高斯白噪声，Q_a、Q_b和Q_c分别为w_a、w_b和w_c的方差，高斯白噪声w_a、w_b和w_c分别符合N(0,Q_a)、N(0,Q_b)和N(0,Q_c)的高斯分布；v_k为待测锂离子电池的观测噪声，v_k服从均值为0、且v_k的方差为R的高斯分布；R为实数；

步骤B：利用预处理后的数据，采用扩展卡尔曼滤波方法对所述待测锂离子电池经验退化模型的参数估计的状态空间模型进行线性化、状态估计以及状态更新，确定所述待测锂离子电池经验退化模型的参数估计的状态空间模型的当前k时刻的参数a_k、b_k和c_k；

步骤C：根据所述待测锂离子电池经验退化模型的参数估计的状态空间模型的当前k时刻的参数a_k、b_k和c_k，求得当前k时刻条件下参数估计值即为参数真值的概率P，根据所述概率P进行加权平均，求得当前k时刻的a_s、b_s和c_s：

m_s=Σk=1Nm(k)·P(k)Σk=1NP(k),m=a,b,c]]>

其中，N为在线测量待测锂离子电池的容量数据的长度；m(k)为第k个放电循环所对应的参数a_k、b_k或c_k，P(k)为对第k个放电循环的参数a_k、b_k或c_k进行估计的结果为锂离子电池状态空间模型的当前k时刻的参数真实值的概率；

步骤D：将获得的a_s、b_s和c_s作为锂离子电池状态空间模型的参数，获得所述锂离子电池状态空间模型：

Ck+1=a_s·Ck+b_s·e(-c_s)+wkwk~N(0,Q)yk=Ck+vkvk~N(0,R)---(2-36)]]>

其中，w_k为待测锂离子电池的过程噪声，服从均值为0，方差为Q的高斯分布，Q为有理数，y_k为系统观测值。