[发明专利]一种电动汽车动力电池剩余寿命预测方法

权利要求书

1.一种电动汽车动力电池剩余寿命预测方法，其特征在于，包括如下步骤：

步骤一、获取待预测电动汽车动力电池的历史充放电数据作为原始数据；

步骤二、对步骤一获取的原始数据进行整理和清洗，去除无效、异常的数据点，保留有效的数据点，根据得到清洗后的数据，分析原始数据间的相关性选取特征参数，特征参数包括充电起始电压、充电结束时的电压、SOC极差、充电倍率和累计充电次数；

步骤三、将步骤二获取的特征参数的数据序列依次进行EMD分解，数据序列得到n个固有模态函数imf分量；采用基于imf分量与原始信号相关系数的选取原则来判断imf分量的真伪，以去除imf伪分量；将去噪后的imf分量进行重构，得到优化后的数据序列；

步骤四、将步骤三优化后的数据序列输入至训练好的ILPSO-BP神经网络模型中进行迭代预测，输出设置为该电池的容量，从而预测动力电池的剩余寿命。

2.如权利要求1所述的一种电动汽车动力电池剩余寿命预测方法，其特征在于，所述步骤四中，ILPSO-BP神经网络模型由待预测电池型号相同的若干动力电池的历史行驶数据序列训练得到。

3.如权利要求2所述的一种电动汽车动力电池剩余寿命预测方法，其特征在于，所述步骤三中，将特征参数数据进行EMD分解，将含噪信号x(i)经EMD分解为：

式中,x(i)为含噪信号在i时刻的的观测值；imf为本征模态函数，且频率由高到低排列；r(i)为残余分量；j为本征模态函数的个数。

4.如权利要求3所述的一种电动汽车动力电池剩余寿命预测方法，其特征在于，所述步骤三中，对所有imf分量和原始信号相关系数进行归一化处理，以避免幅值较小的真实imf分量被去除。

5.如权利要求3所述的一种电动汽车动力电池剩余寿命预测方法，其特征在于，所述步骤四中，还包括构建电池寿命预测模型，构建电池寿命预测模型采用传统的PSO算法上引入Levy飞行算法；提出一种用于改变粒子位置更新公式并加速算法迭代的ILPSO算法，通过该方法利用训练集数据对BP神经网络进行训练，得到满足条件的电池寿命预测模型，进而完成电池的寿命预测。

6.如权利要求5所述的一种电动汽车动力电池剩余寿命预测方法，其特征在于：所述步骤四中，传统的PSO算法上引入Levy飞行算法通过下式来改变粒子的位置：

其中，α＝α₀(x_id-p_gd)是步长信息，用于控制Levy飞行随机搜索的范围，其中α₀＝0.01；为点乘符号；Levy(β)＝s；是对粒子采用Levy飞行后的粒子位置；x_id和v_id分别为本代粒子的位置和速度；k为当前迭代次数。

7.如权利要求6所述的一种电动汽车动力电池剩余寿命预测方法，其特征在于：所述步骤四中，为了保证粒子可以脱离局部极值并增加PSO算法寻优能力，从而提出一种指引Levy飞行方向的方法，具体位置更新公式如下式所示：

式中，和分别为本代粒子的位置和速度；||·||表示取模；表示粒子朝着最优粒子的方向飞行；S是服从伯努利分布的随机变量，S～B(p)，S的值取0或1，取1的概率为P；概率p的取值与粒子位置有关。