[发明专利]一种电动汽车动力电池剩余寿命预测方法

说明书

本发明公开一种电动汽车动力电池剩余寿命预测方法，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、对步骤一获取得来的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，分析数据间的相关性选取特征参数；步骤三、将步骤二获取的所述特征参数的数据序列依次进行EMD分解；将去噪后的分量进行重构，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。本方案对电动汽车动力电池的剩余循环寿命预测的准确率高。

技术领域

本发明属于电池技术领域，具体涉及一种电动汽车动力电池剩余寿命预测方法。

背景技术

近年来，随着能源危机越来越严重，新能源汽车以其优良的节能环保特点，已成为未来汽车产业的发展重点。其中，搭载在新能源汽车上的动力电池的电池寿命直接影响着新能源汽车的性能和运行情况，因此，预测动力电池的电池寿命已成为新能源汽车研究中至关重要的一个环节。

电池管理系统(Battery Management System,BMS)可以实时的监控和测量动力电池的运行状态，保证动力电池系统的性能稳定，提高电动汽车的驾驶安全性。BMS主要功能包括数据采集通信、SOC估计、健康状态(State of Health,SOH)估计、RUL预测、电池均衡、热管理、安全管理和控制等，近年来一直是研究热点。

SOC表征的是电池的剩余电量，但是不可以直接测量，需要通过电池的电压、电流、温度等间接估计得到。精确的SOC估计可以确保电动汽车正常运行，防止动力电池过充过放，对电池起到一定的保护作用。SOH表征的是电池的老化状态，即当前时刻电池最大可用容量与电池额定容量的百分比。随着电池的老化，SOH逐步下降，当SOH80％时，电池就应该被更换。

RUL通常指为从当前观测时刻到电池寿命终止(End of Life,EOL)所需的时间，一般用剩余充放电循环次数表示。在SOC和SOH联合估计的基础上，电池RUL预测以SOH估计值为输入，分析其变化规律，预测其后续变化，RUL即预测SOH值下降到80％时所需的循环次数。

动力电池的SOH和RUL直接影响着电池系统的安全性和可靠性，SOH估计和RUL预测可以为电池的检测和诊断提供依据，以延长电池的使用年限，并为电池的管理和控制提供决策参考和预测性维护信息，以便及时维护或更换电池系统。

发明内容

本发明的目的是为了解决上述现有技术上存在的问题，提供一种电动汽车动力电池剩余寿命预测方法，本方案能够对电动汽车动力电池的剩余循环寿命预测，同时预测准确率高。

为实现上述目的，本发明采用如下技术方案：一种电动汽车动力电池剩余寿命预测方法，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。

作为优选方案，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。

作为优选方案，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：