[发明专利]基于考虑内外特性的锂离子电池剩余使用寿命预测方法

说明书

本发明是一种基于考虑内外特性的锂离子电池剩余使用寿命预测方法，其特征是，包括：构建基于线性核函数、多项式核函数和高斯核函数的混合核相关向量机MRVM方法，解决单核RVM预测能力低的问题；利用具有自适应惯性权重的鲸鱼优化算法IWOA为MRVM方法提供更合适的参数；由于IWAO算法能够扩大粒子搜索范围，使得粒子获得全局最优解，从而提高了预测精度；为了更加准确表征电池的健康状态，提取了电池内外特性的健康因子作为IWOA‑MRVM方法的输入，并输出带有95％置信区间的预测结果。由于本发明在锂离子电池充放电循环过程中考虑电池的内外特性，能够更加准确表征电池的剩余使用寿命。

技术领域

本发明属于电池技术领域，涉及一种基于考虑内外特性的锂离子电池剩余使用寿命预测方法。

背景技术

随着能源危机和环境污染问题日趋严峻，新能源电动汽车在汽车行业里无疑是一种新的革命。锂离子电池凭借其能量密度高，自放电率低和长循环寿命等方面的优势，成为电动汽车的主要动力源之一。随着锂离子电池不断地充放电循环，其性能也随之退化。当容量值退化至失效阈值为初始容量的70％-80％时，即可视为电池寿命到达终结状态。故对锂离子电池剩余使用寿命预测进行研究，对电动汽车安全运行提供了保障，及时对电池进行维修和更换，预防事故的发生，具有重要的研究意义。

锂离子电池剩余使用寿命预测主要分为两类：基于模型方法和数据驱动方法。基于模型方法从锂离子电池的电化学机制的角度分析电池的运行机制，从而建立电池等效电路模型，并且预测的精度取决于所建模型的准确性，然而在实际应用中很难建立精确的电池模型。数据驱动方法不需要考虑电化学机制，其从历史退化数据中挖掘隐藏信息。数据驱动方法主要包括人工神经网络(ANN)，支持向量机(SVM)和相关向量机(RVM)。ANN方法的训练需要较大的数据样本；SVM很好地处理小样本，非线性等问题，能较好的预测剩余使用寿命，但其只能提供点的预测值；RVM是一种基于稀疏概率的算法模型，不仅提供输出预测结果的概率信息，而且还能输出预测结果的置信区间。

目前，锂离子电池剩余使用寿命预测方法大多数考虑的是锂离子电池的外特性，如电压、电流和阻抗等。只根据锂离子电池的外特性评估，不能有效的表征锂离子电池的剩余使用寿命。

发明内容

本发明的目的是，克服现有技术的不足，提供一种科学合理，适用性强，预测准确性高的基于考虑内外特性的锂离子电池剩余使用寿命预测方法。

本发明的目的是由以下技术方案来实现的：一种基于考虑内外特性的锂离子电池剩余使用寿命预测方法，其特征是，它包括的步骤有：

1.数据的提取

利用电池测试仪得到电池充放电循环的充电能量、放电能量和容量值C，利用中子衍射技术获得锂离子电池极片截面Li⁺浓度C_Li，利用俄歇电子能谱法AES获得SEI膜的厚度；

提取数据集，在电池充电过程中取等时间间隔的充电能量W_c作为第一个健康因子F₁，其定义为：

式中t₁和t₂为时间间隔的两个时间点，U_c(t)和I_c(t)分别表示充电过程中等时间间隔内所监测到的实时电压和电流值；

充放电效率η作为第二个健康因子F₂，其表示为：