[发明专利]一种基于退化量均值极差的锂电池寿命预测方法

说明书

本发明公开了一种基于退化量均值极差的锂电池寿命预测方法，通过加速锂电池的寿命实验，分别获取样本锂电池和待测锂电池在不同时刻的容量，然后借助于退化量均值极差筛选出满足均值上下浮动范围的样本锂电池；接着利用ELM网络计算预测误差均值，通过对误差均值进行修正的方式来修正容量退化量预测值，直至修正后的容量退化量达到失效阈值，从而获取待测锂电池的剩余寿命。

技术领域

本发明属于电池可靠性分析技术领域，更为具体地讲，涉及一种基于退化量均值极差的锂电池寿命预测方法。

背景技术

锂电池是一种重要储能设备，广泛运用于电子产品、新能源载具、航空航天等许多关键领域中，其优点包括高效率、携带方便、充电快捷。但受限于制作工艺、使用手法、外界环境等因素，锂电池有效容量即一次自充满至完全放电所能提供的总电能会随使用时间不断下降，其下降值称为容量退化量。这样的退化对于系统运行稳定性会造成一定影响，主要体现于运行周期的缩短以及电压下降导致的功率不足。因此电池模块剩余寿命(RemainingUseful Life)的预测技术的研究变得十分必要，该研究致力于寻求最优预测方法，使得预测结果最接近真实电池寿命，从而达成以下目标：(1)作为获得锂电池模块可靠性信息的重要途径，更加精确获取电池数据及健康状况的信息；(2)更好地设计加速老化试验以获得更为准确的老化数据，从而提前做出提醒及预警；(3)有助于减少锂电池稳定性检测投入，根据预测数据在合适的时机进行统一维护，降低生产成本；(4)作为预测思想，可类推至其他相似领域，提升其余领域预测效率效果。

锂电池剩余使用寿命是指在一定充放电过程后，电池的最大可用容量衰减到某一规定的失效阈值所需充放电循环数。而现有的对于锂电池寿命预测方法主要包括基于物理失效模型和基于数据驱动两大类。基于模型的预测方法通常需要深入了解电池内部构造、材料特性、老化机理等，极大程度受限于外界环境因素的干扰，并且往往只针对某一特定的电池系统，具有一定的精度，但其建立的模型不具有普遍性，且由于电池内部化学反应复杂，建立过程也较为繁琐。基于数据驱动的预测方法则无需对电池自身老化机制及规律进行深入研究，而是基于数据建立统计学模型或机器学习模型，更加适用于不同场合、情况的寿命预测。对于基于数据驱动的预测方法，利用机器的强大计算能力的确在一定程度上提高了精确度。但其预测的准确率依赖庞大的数据基础以及良好的数据质量。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于退化量均值极差的锂电池寿命预测方法，采样退化量均值极差来修正待测锂电池后续时刻的容量退化量预测值的误差，提高预测准确度，从而保障锂电池运行的可靠性。

为实现上述发明目的，本发明一种基于退化量均值极差的锂电池寿命预测方法，其特征在于，包含以下步骤：

(1)、获取样本锂电池在不同时刻的容量；

通过加速N个样本锂电池的寿命实验，采样每个样本锂电池在不同时刻的容量，再将每个样本锂电池在不同时刻的容量与初始容量做差，获得每个样本锂电池在不同时刻的容量退化量，其中，第i个样本锂电池在不同时刻的容量退化量记为其中，i＝1,2,…,N，表示第i个样本锂电池的初始容量退化量，表示第i个样本锂电池在第t个时刻的容量退化量，T表示数据采样时刻数；

(2)、获取待测锂电池在前t个时刻的容量，t＜＜T；

通过加速待测锂电池的寿命实验，采样待测锂电池在前t个时刻的容量，再将待测锂电池在不同时刻的容量与初始容量做差，获得待测锂电池在不同时刻的容量退化量L＝{L₀,L₁,…,L_t}，其中，L₀表示待测锂电池的初始容量退化量，L_t表示待测锂电池在第t个时刻的容量退化量；

(3)、构建样本集；

(3.1)、遍历每一个样本锂电池的容量退化量，其中，在第i个样本锂电池的容量的退化量中，取后t/4项数据求取其均值，记为