一种粒子滤波与机理模型相结合的二次电池寿命预测方法

摘要

一种粒子滤波与机理模型相结合的二次电池寿命预测方法，本发明是为了解决传统基于粒子滤波的二次电池寿命预测完全基于数据驱动，忽视预测对象机理特点的缺陷，导致对电化学电源寿命的预测结果准确性差的问题。训练阶段用粒子滤波方法跟踪电池内部状态变量的真实值得到状态变量随充放电循环次数变化的回归方程为新的状态方程；预测阶段利用新的状态方程推算未知充放电循环时状态变量估计值，生成多个粒子，代入观测方程中得多个容量观测量的估计值，以多个容量观测值估计值的中位数作对未来某次充放电循环时电池容量的预测，当达到预先设定的电池容量下限，该容量预测值所对应的循环次数与训练阶段所用的循环次数的差值为电池可用的剩余循环次数。

主权项

一种粒子滤波与机理模型相结合的二次电池寿命预测方法，其特征在于，它包括以下内容：步骤一、构建二次电池的机理模型，所述二次电池的机理模型能够模拟任意电流条件时电池的充放电电压随时间变化的曲线；步骤二、训练阶段：将步骤一中的二次电池在正常使用工况下进行老化一段时间，每间隔固定的充放电循环次数利用动态工况离线测量二次电池老化过程中的充放电曲线，此时获得的电压为实际二次电池输出电压U，向二次电池的机理模型仿真输入同样的动态工况电流，用模型仿真输出去模拟二次电池在不同老化阶段的实际输出U，利用遗传算法或最小二乘法，根据目标函数实现对二次电池模型参数集P的辨识，将辨识得到的二次电池各个老化阶段的多个参数集P作为训练数据，从训练用的多个参数集P中选择与老化过程相关的L个机理模型参数作为状态向量X，其中，L为正整数，以实际负荷电流情况下的电池容量Q作为观测量，同样负荷电流情况下的电池机理模型仿真和折算容量估计值的过程作为观测方程，利用粒子滤波算法使老化过程中各个阶段的状态向量的估计值接近真实值X；步骤三、预测过程：采用步骤二中经过粒子滤波算法训练过程中的状态向量估计值序列，用多项式回归的方法，得到状态向量X关于循环次数k的回归方程，以此作为新的状态方程，当k为未来某个充放电循环次数时，通过新的状态方程得到状态向量的估计值代入方程：式中，k为循环次数，X_P,i,j(k)表示第j个粒子的第i个分量，服从均值为方差为σ_w,i的正态分布，1≤i≤L，1≤j≤M，w_i为状态变量Xi的系统过程噪声，获取满足高斯分布的多个粒子，将多个粒子代入步骤二中的观测方程中，以得到的多个观测量估计值的中位数，作为对未来电池容量的预测值，当预测容量达到预先设定的电池容量下限时，对应的循环次数与步骤二中训练阶段所用的循环次数的差值为电池可用的剩余循环次数，从而实现对二次电池剩余寿命的预测。