[发明专利]一种基于相关系数粒子滤波的锂离子电池寿命预测方法

说明书

本发明公开了一种基于相关系数粒子滤波的锂离子电池寿命预测方法，包含：S1、设置预测起点及电池寿命阈值；S2、获取待预测锂离子电池的数据及其容量估计值S3、建立锂离子电池容量指数衰减模型的状态空间，并进行参数估计；S4、设置采样粒子数目N，过程噪声方差σ_w和测量噪声方差σ_v以及重采样阈值S5、将待预测锂离子电池的容量估计值作为测量值代入锂离子电池容量指数衰减模型，基于相关系数粒子滤波算法，不断更新粒子权重，获取预测起点时状态后验估计；S6、基于容量衰减模型将状态后验估计迭代至寿命阈值，获取剩余寿命预测结果。其优点是：该方法将相关系数粒子滤波算法引入电池RUL预测，可以有效提高锂电池RUL预测精度。

技术领域

本发明涉及电池管理系统健康预测和诊断技术领域，具体涉及一种基于相关系数粒子滤波的锂离子电池寿命预测方法。

背景技术

锂离子电池具有高能量密度、高开路电压、宽温度范围、快速充电和放电以及高输出功率的特点，已被广泛用于几乎所有具有能源供应的工业领域。在许多领域，锂离子电池已逐渐成为其关键设备。但是，与其他可充电电池不同，锂离子电池的性能在使用过程中会缓慢衰退，这种衰退表现为锂离子电池的容量减少和内部电阻增加。电池到达寿命阈值后继续使用可能会带来一系列安全问题，准确预测电池的剩余使用寿命(RUL)，对于确保锂离子电池的可靠和安全运行至关重要，但是当前锂离子电池RUL预测中存在剩余容量无法实时测量的问题。

发明内容

本发明的目的在于提供一种基于相关系数粒子滤波的锂离子电池寿命预测方法，该方法针对锂离子电池RUL预测中容量难以直接测量的问题，通过提取电池运行时放电周期内可测间接参数，可以对电池剩余容量进行实时估计；另外，该方法针对标准粒子滤波算法中的粒子退化和样本匮乏的问题，将相关系数粒子滤波算法引入电池RUL预测，可以有效提高锂电池RUL预测精度。

为了达到上述目的，本发明通过以下技术方案实现：

一种基于相关系数粒子滤波的锂离子电池寿命预测方法，其特征在于，包含：

S1、设置预测起点及电池寿命阈值；

S2、获取待预测锂离子电池的数据，基于锂离子电池容量估计方法获取待预测锂离子电池的容量估计值

S3、建立锂离子电池容量指数衰减模型的状态空间，并进行参数估计；

S4、设置采样粒子数目N，过程噪声方差σ_w和测量噪声方差σ_v以及重采样阈值

S5、将待预测锂离子电池的容量估计值作为测量值代入锂离子电池容量指数衰减模型，基于相关系数粒子滤波算法，不断更新粒子权重，获取预测起点时状态后验估计；

S6、基于容量衰减模型将状态后验估计迭代至寿命阈值，获取剩余寿命预测结果。

可选的，所述步骤S2包含：

S21、获取并分析训练锂离子电池运行时的数据；

S22、提取步骤S21所得数据中能够表征电池性能退化的物理参数；

S23、基于主成分分析方法降低步骤S22所提取的物理参数的维数，获取能够表征电池性能退化的融合健康因子；

S24、将融合健康因子作为NARX神经网络的输入参数，实际测量的容量数据作为输出参数，得到融合健康因子与电池剩余容量的关系模型；

S25、获取待预测锂离子电池在预测起点前的特征参数，降维后作为所述融合健康因子与电池剩余容量的关系模型的输入，从而获得待预测锂离子电池的容量估计值

可选的，所述步骤S22中的能够表征电池性能退化的物理参数包含：