主权项 |
一种基于ELM‑MUKF的锂电池剩余寿命预测方法,其特征在于包括如下步骤:(1)选取锂电池的等压降放电时间T(i)作为锂电池寿命特征参数,等压降放电时间为<img file="FDA0000830635620000012.GIF" wi="580" he="97" />其中,T(i)为第i个循环使用周期下等压降放电时间差,<img file="FDA0000830635620000013.GIF" wi="55" he="70" />为锂电池放电阶段规定的高电压时所对应的时间点;<img file="FDA0000830635620000014.GIF" wi="58" he="69" />为锂电池放电阶段规定的低电压时间所对应的时间点;(2)利用锂电池等压降放电时间数据构建基于极端学习机(Extreme Learning Machine,ELM)的锂电池状态更新方程T(k)=f(T(k‑1),T(k‑2),...,T(k‑τ))+ω(k),其中:f(·)为反映k时刻等压降放电时间与其前τ个时刻的等压降放电时间关系的非线性函数;τ为状态更新方程的阶数;ω(k)为k时刻系统状态噪声,其协方差矩阵为Q<sub>k</sub>;(3)依据步骤(2)所建立的锂电池状态更新方程,结合观测方程z(k)=T(k)+v(k),得到k时刻锂电池性能退化模型为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mfenced open = "{" close = ""><mtable><mtr><mtd><mi>T</mi><mo>(</mo><mi>k</mi><mo>)</mo><mo>=</mo><mi>f</mi><mo>(</mo><mi>T</mi><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo><mo>,</mo><mi>T</mi><mo>(</mo><mi>k</mi><mo>-</mo><mn>2</mn><mo>)</mo><mo>,</mo><mo>...</mo><mo>,</mo><mi>T</mi><mo>(</mo><mi>k</mi><mo>-</mo><mi>τ</mi><mo>)</mo><mo>)</mo><mo>+</mo><mi>ω</mi><mo>(</mo><mi>k</mi><mo>)</mo></mtd></mtr><mtr><mtd><mi>z</mi><mo>(</mo><mi>k</mi><mo>)</mo><mo>=</mo><mi>T</mi><mo>(</mo><mi>k</mi><mo>)</mo><mo>+</mo><mi>v</mi><mo>(</mo><mi>k</mi><mo>)</mo></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>]]></math><img file="FDA0000830635620000011.GIF" wi="986" he="150" /></maths>其中,z(k)为k时刻等压降放电时间输出值;v(k)为测量噪声,其协方差矩阵为R<sub>k</sub>;(4)依据步骤(3)的锂电池性能退化模型,基于在线检测的锂电池等压降放电时间T(1),...,T(k‑2),T(k‑1),T(k),利用多阶无迹卡尔曼滤波(Multi Unscented Kalman Filter,MUKF)方法进行等压降放电时间的前向q步预测,得到(k+q)时刻的等压降放电时间T(k+q);(5)以锂电池等压降放电时间T(i)作为输入、以锂电池实际容量Q<sub>i</sub>作为输出,构建基于(T(i),Q<sub>i</sub>)训练样本的ELM模型,也即确定出基于ELM模型的实际容量Q<sub>i</sub>与T(i)的关系函数,记为Q<sub>i</sub>=g(T(i)),i=1,2,...,k,其中实际容量为充满电的锂电池在规定的放电率、温度、终止电压条件下所放出的电量;(6)将步骤(4)前向q步预测得到的T(k+q)作为步骤(5)中确定的ELM关系函数Q<sub>i</sub>=g(T(i))的输入,则ELM的输出即为前向q步预测的实际容量值Q<sub>k+q</sub>;(7)设定锂电池失效阈值为实际容量Q<sub>TH</sub>=70%Q<sub>A</sub>,判定前向q步预测的实际容量值Q<sub>k+q</sub>是否达到失效阈值Q<sub>TH</sub>,若Q<sub>k+q</sub>=Q<sub>TH</sub>,则锂电池的剩余寿命为q个循环使用周期,其中Q<sub>A</sub>为锂电池额定容量。 |