[发明专利]基于灰色向量机的矿用锂电池寿命预测方法及管理系统

说明书

本发明公开了一种基于灰色向量机的矿用锂电池寿命预测方法及管理系统。该寿命预测方法采用矿用锂离子电池容量作为训练样本建立灰色RVM回归预测模型；根据训练样本数据建立DGM，将DGM的预测值作为输入、原始训练样本作为输出，训练得到RVM回归预测模型；采用DGM(1,1)做容量短期预测，并将预测值作为RVM回归预测模型的输入，获得获得容量的短期回归预测结果及预测概率值，并引入新陈代谢过程，更新训练样本数据；采用灰色关联分析判断相关性，并以此结果对RVM模型进行动态的更新，获得新的相关向量，以获得该方法长期趋势预测结果。本发明通过实时采集锂电池监测数据，获得了更准确地矿用锂电池的寿命预测精度。

技术领域

本发明涉及一种基于灰色向量机的矿用锂电池寿命预测方法及管理系统，属于锂电池管理技术领域。

背景技术

锂电池具有单体工作电压高、体积小、重量轻、能量密度高、循环使用寿命长、自放电电流小、无记忆效应、无污染和性价比高等优点，因而广泛应用于通信、交通、采矿等各行业。锂电池包括电芯和保护电路两个部分，大型锂电池的保护电路功能强大，又称管理系统，其作用主要是保障各节电池容量的均匀性、及时诊断出电池出现的问题、防止电池的过充电和过放电、准确地获得电池的荷电状态等。

由于锂电池价格较高，科学使用锂电池、延长其使用寿命，对于降低生产成本、提高环保水平都具有现实意义。但是，由于噪声、测量误差等的存在，现有锂电池管理系统对锂电池寿命的预测还处于低水平状态。

发明内容

本发明目的在于提供一种基于灰色向量机的锂电池寿命预测方法及管理系统，能够显著提高对锂电池的寿命预测水平。

为实现上述目的，一种基于灰色向量机的矿用锂电池寿命预测方法，包括以下步骤：

第一步、选用预测模型DGM(1,1)，定义如下：

x⁽¹⁾(k+1)＝β₁x⁽¹⁾(k)+β₂；

通过对矿用锂电池循环寿命试验数据进行仿真分析，DGM(1,1)是对GM(1,1)模型进一步精确化，在一定程度上提高了预测的稳定性。

第二步、选择矿用锂离子电池循环寿命容量样本数据作为初始训练数据，将样本归一化处理，把所有数据都转化为[-1，1]之间的数，消除循环周期次数与容量之间的数量级差别；

第三步、初始化RVM模型参数：核函数选择高斯核函数，K(x,x_i)＝exp(-||x-x_i||²/r²)，进行EM迭代运算，噪声方差σ²＝0.1var(x)，收敛条件δ取0.1，权重w设置为

其中r为带宽；

第四步、按照第一步中预测模型建立预测方程

以DGM(1,1)求解β₁和β₂；原始非负训练数据序列为其一次累加生成序列为：

其中将X⁽¹⁾代入第一步的公式中，得到：

Y＝Bβ

其中β＝(β₁,β₂)^T，为参序列，

则DGM微分方程x⁽¹⁾(k+1)＝β₁x⁽¹⁾(k)+β₂的最小二乘估计参数列满足β＝(B^TB)^-1B^TY，进而计算可得β₁和β₂；