[发明专利]一种矿用锂电池管理系统

权利要求书

1.一种分布式矿用锂电池管理系统，包括一台上位机和若干管理终端，所述上位机和管理终端通过网络或串行通信连接；所述管理终端包括主控单元、电池组均衡单元、放电监测单元、充电监测单元、容量测试单元和温度采集单元，所属电池组均衡单元、放电监测单元、充电监测单元、容量测试单元和温度采集单元分别与主控单元连接，上位机内设有寿命预测单元；其特征在于，所述温度采集单元包括温度传感器组Ⅰ和温度传感器组Ⅱ，温度传感器组Ⅰ用于采集锂电池组温度，温度传感器组Ⅱ用于采集电路板温度；主控单元将采集的锂电池组温度和电路板温度发送给上位机，上位机判断某管理终端锂电池组温度和/或电路板温度超过设定门槛值时，通知该管理终端进入省电工作状态。

2.根据权利要求1所述的分布式矿用锂电池管理系统，其特征在于，所述寿命预测单元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；

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；

取则一次累加生成序列的估计值为：

还原可得DGM(1,1)预测模型：

通过建立的DGM(1,1)迭代计算，更新原始训练数据；

第五步、建立RVM回归预测模型

通过第三步中DGM(1,1)模型对原始训练数据的预测值作为RVM模型的输入数据，原始训练数据作为RVM的输出数据，采用EM迭代算法训练RVM模型，得到RVM回归模型；

第六步、锂电池容量预测

采用DGM(1,1)模型算法对电池容量按设定步长的趋势预测，将预测值输入第三步中训练得到的RVM回归模型中，得到电池容量的预测结果及概率范围；

第七步、预测结束判断

判断电池容量预测值是否大于设定的容量失效阀值，若大于设定的容量失效阀值，转至第八步继续进行预测；若小于设定的容量预测阀值，则预测结束，并将容量预测结果及其置信区间转换为RUL值以及相应的置信区间，并与实际的RUL进行对比，以验证本文方法的有效性；

第八步、相关性分析

采用新陈代谢方法，将第六步中的电池容量的预测结果更新原始训练数据，得到新的训练数据；新的训练数据输入DGM(1,1)模型算法中进行短期预测；最后用灰色关联分析方法分析新训练数据与原始训练数据之间的关联度；若二者之间关联度较大，大于设定值，返回第六步继续预测；反之，跳转至第五步重新训练RVM回归模型，获得新的RVM模型，并继续预测。