[发明专利]一种模型-数据混合驱动的锂离子电池剩余寿命预测方法

说明书

本发明涉及一种模型‑数据混合驱动的锂离子电池剩余寿命预测方法，首先，初始化经验模型的四个独立模型参数；其次，基于差分阈值方法，利用锂离子电池容量数据识别拐点；再次，使用无迹粒子滤波方法获得初始估计结果；复次，建立初始误差序列，使用完全集成经验模态分解方法处理初始误差序列；又次，根据相关性方法使用本征模函数重构误差序列；从次，对重构误差序列使用高斯过程回归方法训练，得到带有置信区间的误差预测结果；最后，将初始估计结果使用带有置信区间的误差预测结果叠加，得到最终预测结果。本发明，利用少量历史数据，即可在短时内获得相应征兆并进行锂离子电池健康状态的诊断，进而实现后续锂离子电池剩余寿命预测。

技术领域

本发明涉及锂离子电池健康状态管理领域，具体说是一种模型-数据混合驱动的锂离子电池剩余寿命预测方法。

背景技术

锂离子电池由于能量密度高以及循环寿命长而被广泛应用，对锂离子电池的健康状态管理和研究，需要采取系统的理论和方法，确保锂离子电池在实际使用中的安全、稳定、可靠运行。

在锂离子电池的健康状态管理和研究中，锂离子电池容量估计和故障诊断技术是研究的热点之一。

随着锂离子电池的充放电循环，会发生活性物质损失与内阻增大，导致容量衰减与功率衰退，对锂离子电池健康状态进行精准诊断，对锂离子电池剩余寿命(剩余使用寿命)的评估有重要作用。

此外，锂离子电池还可能出现系统突然失效或性能明显下降的故障，如内短路、热失控、容量跳水等，需要一种可靠的故障诊断和健康状态估计方法，该问题具有重要的研究意义。

公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种模型-数据混合驱动的锂离子电池剩余寿命预测方法，利用少量历史数据，即可在短时内获得相应征兆并进行锂离子电池健康状态的诊断，进而实现后续锂离子电池剩余寿命预测。

为达到以上目的，本发明采取的技术方案是：

1.一种模型-数据混合驱动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：

首先，使用同型号电池老化实验数据，或者使用待预测电池少量历史循环数据，初始化经验模型的四个独立模型参数；

所述经验模型的四个独立模型参数a、b、c、d，即无迹粒子滤波方法的变量；

其次，基于差分阈值方法，利用锂离子电池容量数据识别拐点，所述拐点非跳水点；

再次，使用无迹粒子滤波方法获得初始估计结果；

复次，基于初始估计结果建立初始误差序列，使用完全集成经验模态分解方法处理初始误差序列；

又次，根据相关性方法使用本征模函数重构误差序列；

从次，对重构误差序列使用高斯过程回归方法训练，得到带有置信区间的误差预测结果；

最后，将初始估计结果使用带有置信区间的误差预测结果叠加，得到最终预测结果。

在上述技术方案的基础上，所述经验模型是指：锂离子电池容量衰退经验模型；

锂离子电池容量衰退经验模型的解析式为

其中，

x为充放电的循环次数，取值为正整数；

y_x为x个充放电循环后的锂离子电池最大可用容量；

a,b,c,d分别为独立模型参数；