[发明专利]充电过程中锂离子动力电池剩余寿命在线预测方法

说明书

本发明提供了一种充电过程中动力锂离子电池剩余寿命在线预测方法，考虑循环充放电的锂离子动力电池老化对充电效率的影响，利用充电桩对不同充电周期下动力电池充电效率的差异性，从充电桩对动力电池充电的历史数据出发，结合动力电池实时充电状态，在电动汽车充电过程中对动力电池进行寿命预测，作为车载动力电池管理系统之外获取动力电池剩余寿命的另一途径，保障了动力电池在运行过程中的安全性。同时，基于组合核函数的相关向量机(RVM)锂电池寿命预测模型对充电过程中动力电池剩余寿命预测适用性较高，减小了锂电池寿命预测的偏差度，提高了预测精度，保障了预测结果的可靠性。

技术领域

本发明专利涉及一种充电过程中锂离子动力电池剩余寿命在线预测方法，属于电力技术领域。

背景技术

纯电动汽车具有节能环保的特点，近年来发展迅速，缓解了全国能源短缺和城市环境污染的问题。锂离子电池(简称锂电池)作为纯电动汽车核心供电单元和储能装置，拥有复杂电化学特性，其容量会伴随不断循环充放电过程呈现退化趋势，当容量退化至失效阈值时，即视为锂离子电池寿命到达终结状态。故进行锂离子电池剩余寿命预测研究，是保证电动汽车高效而安全工作的基础，不仅为人们提供维修决策和保养计划，还有利于提高系统可靠性，预防事故发生，具有重要研究及应用价值。

近些年，在锂离子电池剩余寿命预测方法中，常见的主要包括三类：基于数据统计分布、数据驱动和模型驱动的预测方法。目前大多寿命预测都从动力电池本身出发，少有从充电桩对动力电池充电的历史数据出发，结合动力电池实时充电状态，进行的动力电池寿命预测的方法。多角度对动力电池寿命进行预测有利于提高预测可靠性，保证动力电池的安全使用。

发明内容

为提高动力电池寿命预测的可靠性，本发明提供了一种充电过程中锂离子动力电池剩余寿命在线预测方法。

基本步骤包括：

步骤S1：提取数据，得到数据集{T_i,t_i,C_i}(T代表充放电周期，t代表等SOC升充电间隔时间，C代表{T_i,t_i}对应的电池容量)；

步骤S2：利用历史数据建立基于组合核函数的相关向量机的动力电池剩余寿命预测模型；

步骤S3：利用预测模型剩余容量进行预测；

步骤S4：计算剩余寿命，更新预测模型；

该方法基于实验历史数据，建立基于组合核函数的相关向量机(RVM)锂电池寿命预测模型从而对整个电池的工作状态进行评估，及时对动力锂电池进行寿命预测，以确保安全性。组合核函数的RVM优化了RVM的性能，减小了锂电池寿命预测的偏差度，提高了预测精度。

组合核函数：已知被广泛使用的高斯核函数为

式中:p为空间中任一点；q为核函数中心；δ为带宽。

高斯核函数是基于距离方程的核函数，可以满足在测试点附近有较快的衰减，但是在无限远处却不能保证有一定的衰减速率，所以需要构建一个核函数来满足无限远处的衰减。将距离方程放到指数的分母上，这样函数的特性曲线能使其在远离测试点的时候仍有一定的衰减速率，因此初步构建的核函数为

为了获得更好的预测性能，在此加入了位移参数γ，函数微调变量λ和幅度调节参数G，则最终修正的高斯核函数为

式中:δ²为带宽变量；γ为位移参数；λ为函数微调变量。最关键的核参数依旧是带宽δ和位移参数γ。