[发明专利]一种基于IMM-UPF的锂电池寿命估计方法在审
申请号: | 201910308830.3 | 申请日: | 2019-04-17 |
公开(公告)号: | CN109932656A | 公开(公告)日: | 2019-06-25 |
发明(设计)人: | 刘新天;邓旭晖;彭泳;何耀;张恒;曾国建;郑昕昕 | 申请(专利权)人: | 合肥工业大学 |
主分类号: | G01R31/367 | 分类号: | G01R31/367;G01R31/392 |
代理公司: | 安徽合肥华信知识产权代理有限公司 34112 | 代理人: | 余成俊 |
地址: | 230009 *** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 锂电池 卡尔曼滤波 寿命估计 交互式多模型 无迹粒子滤波 仿真结果 粒子滤波 实验数据 寿命预测 衰减模型 预测结果 融合 非高斯 重采样 滤波 衰减 粒子 验证 | ||
本发明公开了一种基于IMM‑UPF的锂电池寿命估计方法,采用了一种新的融合模型交互式多模型,用于对不同的衰减模型融合计算。考虑锂电池衰减呈现非高斯和非线性的趋势使用卡尔曼滤波存在较大的误差,使用无迹粒子滤波对各模型进行滤波,一方面解决了粒子滤波在重采样过程中粒子匮乏的问题,另一方面又比卡尔曼滤波得到了更准确的预测结果。通过仿真结果和实验数据对比的方法对提出的IMM‑UPF方法进行了验证,结果表明该方法可以提升对锂电池寿命预测准确性。
技术领域
本发明涉及锂电池技术领域,尤其涉及一种基于IMM-UPF的锂电池寿命估计方法。
背景技术
随着电动汽车的迅速发展,锂电池作为其主流动力来源则备受关注。健康状态(SOH)是锂电池的关键参数之一,是用户评估当前电池寿命的直接参数。
目前对锂电池寿命预测主要采用基于物理原理建模和数据建模的方法进行锂电池容量衰减的预测。然而,对于复杂的动态系统,尤其是具有不确定噪声的系统,难以建立精确的分析模型。基于数据建模的方法可以捕捉数据中的内在关系并学习数据中所呈现的变化趋势,而不需要对材料特性、结构、失效机制等方面的具体知识,避免了开发过于复杂的物理模型,常用的单一经验模型可能在不同阶段取得很好的预测效果,但是无法很好的描述锂电池的整个寿命周期的变化趋势。
发明内容
本发明目的就是为了弥补已有技术的缺陷,提供一种基于IMM-UPF的锂电池寿命估计方法。
本发明是通过以下技术方案实现的:
本发明提出了一种使用交互式多模型和无迹粒子滤波算法相结合的锂电池寿命估计方法,首先使用多项式模型、双指数模型、集成模型来描述锂电池基于物理性能退化的经验模型,然后将三个模型在IMM模型中分别使用无迹粒子滤波算法进行滤波,最后通过滤波的结果对锂电池的SOH做出准确的预测。
一种基于IMM-UPF的锂电池寿命估计方法,具体步骤如下:
(1)首先使用四个相同型号的电池以恒定1.1A电流充电,直到电压达到充电截止电压4.2伏,然后以4.2伏恒定电压充电,直到充电电流降至截止电流0.05A以下后,结束充电;电池的额定容量是1.1Ah。在室温下进行充放电实验,记录每一次完全充放电过程后的放电容量,得到电池容量衰减曲线,设定电池的失效阈值为0.88Ah;
(2)通过对所述的四个电池进行充放电实验收集了四组电池容量数据,通过观察衰减曲线发现第四组数据与前三组差距大,因此将前三组数据用于确定各单一模型参数的初始值,将第四个电池得到容量的数据用作预测准确性的验证;
(3)使用由最小二乘法估计电池容量Cl的二阶多项式回归方程来描述锂电池在循环次数l次时与可以存储的最大容量Cl之间的关系,记为模型一,多项式的表达式为
Cl=a1l2+b1l+c1
式中,Cl表示锂电池在循环次数l时的最大电池容量,l表示锂电池循环次数,参数a1,b1和c1都是与放电电流和温度有关的常数,由曲线拟合的方式确定其值;
使用双指数方程表示的经验模型作为电池容量衰减的第二个模型,其表达式如下:Cl=a2·exp(b2·l)+c2·exp(d2·l)
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学,未经合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910308830.3/2.html,转载请声明来源钻瓜专利网。