基于NSDP-AR模型的锂离子电池循环寿命预测方法

摘要

基于NSDP-AR模型的锂离子电池循环寿命预测方法，涉及一种锂离子电池循环寿命预测方法。本发明解决了AR模型对电池容量非线性退化特征预测能力较差的问题。所述方法为：根据待预测的锂离子电池的AR模型对锂离子电池进行容量的预测；根据容量预测序列ARpredict，提取近似全寿命周期百分比kp’序列；在待预测锂离子电池投入在线使用前，对拟合组各电池进行充放电测试，建立拟合组各电池各自的NSDP-AR模型对待预测的锂离子电池与拟合组各电池的容量退化趋势进行关联性分析，得到关联度r_i，采用基于关联度的加权手段确定在线时待预测锂离子电池非线性退化因子K_T的参数估计结果，对容量预测结果ARpredict进行非线性校正。本发明适用于对锂离子电池循环寿命的预测。

主权项

1.基于NSDP-AR模型的锂离子电池循环寿命预测方法，其特征在于，所述方法为：步骤一：根据待预测的锂离子电池的AR模型对待预测的锂离子电池进行容量的预测，获得容量预测序列ARpredict；其中为自回归系数，p为最优模型阶次，a_t,t=0,±1,…为相互独立的白噪声序列，且服从均值为0，方差为的正态分布；步骤二：根据步骤一得到的容量预测序列ARpredict，提取近似全寿命周期百分比kp’序列；步骤三：在待预测的锂离子电池投入在线使用前，对拟合组各电池进行离线测试平台的模拟在线条件的充放电测试，并同样进行AR模型建模和kp’提取，并依据各电池的根据kp’序列及真实容量离线测试信息，得到基于kp’的非线性退化因子K_T参数，建立拟合组各电池各自的NSDP-AR模型所述非线性退化因子K_T参数的表达式有两种，其中一种为：K_T=a·e^b·kp'+c·e^d·kp'（11），另外一种为：$K_T=\frac{1}{1+a·(k{p}^{\prime }+b)}---\left(12\right),$式中kp’代表的是全寿命周期百分比的近似值，a、b、c、d代表待确定参数；步骤四：应用灰色关联分析对待预测的锂离子电池与拟合组各电池的容量退化趋势进行关联性分析，得到序列变化趋势之间的关联度r_i，根据关联度r_i利用加权手段确定在线时待预测的锂离子电池NSDP-AR模型中非线性退化因子的参数估计结果m，其中$m=\frac{r_1}{r_1+r_2}{m}^1+\frac{r_2}{r_1+r_2}{m}^2$式中，m¹和m²表示两组拟合组的拟合参数，r₁和r₂为两组拟合组的拟合参数与待预测的锂离子电池容量退化趋势的关联度，1、2作为组别的区分而不是指数，加权参数获得后直接利用步骤三获取的NSDP-AR模型对待预测的锂离子电池的容量退化数据进行预测，对得到的预测结果进行非线性校正，校正完成后则完成了对待预测的锂离子电池的寿命预测。