[发明专利]一种锂电池健康状态和剩余可用寿命的预测方法及系统

权利要求书

1.一种锂电池健康状态和剩余可用寿命的预测方法，其特征在于，包括：

获取不同温度下的锂电池充放电循环数据；

根据所有所述锂电池充放电循环数据，采用粒子滤波算法，构建不同温度下的第一锂电池剩余容量预测模型；

根据所有所述锂电池充放电循环数据，采用高斯过程回归算法，构建不同温度下的第二锂电池剩余容量预测模型；

根据所述第一锂电池剩余容量预测模型和所述第二锂电池剩余容量预测模型，构建不同温度下的锂电池综合剩余容量预测模型；

分别判断不同温度下的当前循环次数对应的综合剩余容量是否大于失效容量阈值；其中，当前循环次数对应的所述综合剩余容量是根据所述锂电池综合剩余容量预测模型计算得到的；

若是，则确定当前循环次数对应的锂电池的健康状态为未失效状态，并将当前循环次数加1，然后返回分别判断不同温度下的当前循环次数对应的综合剩余容量是否大于失效容量阈值步骤；

若否，则确定当前循环次数对应的锂电池的健康状态为失效状态，并将当前循环次数确定为锂电池的剩余可用寿命，进而确定不同温度下的锂电池的剩余可用寿命。

2.根据权利要求1所述的一种锂电池健康状态和剩余可用寿命的预测方法，其特征在于，所述获取不同温度下的锂电池充放电循环数据，具体包括：

步骤(1)：将锂电池置于恒温箱中，并设置恒温箱温度；

步骤(2)：以1C电流对锂电池恒流充电至上截止电压，然后以上截止电压对锂电池恒压充电，直到电流下降至0.05C，充电停止，并静置5min；

步骤(3)：以1C电流对锂电池恒流放电至下截止电压，重复n/2次步骤(2)-(3)；其中，n为期望的锂电池需要达到的最少循环次数；

步骤(4)：将新的锂电池置于恒温箱中，并重新设置恒温箱温度，重复步骤(2)-(4)，进而获取不同温度下的锂电池充放电循环数据。

3.根据权利要求1所述的一种锂电池健康状态和剩余可用寿命的预测方法，其特征在于，所述第一锂电池剩余容量预测模型的表达式为：

f₁(k)＝a_k·exp(b_k·k)+c_k·k²+d_k

其中，f₁(k)为循环次数为k时的第一锂电池剩余容量；a_k、b_k、c_k、d_k分别为循环次数为k时的模型参数，a_k-1、b_k-1、c_k-1、d_k-1分别为循环次数为k-1时的模型参数，v_1,k、v_2,k、v_3,k、v_4,k分别为循环次数为k时的噪音。

4.根据权利要求1所述的一种锂电池健康状态和剩余可用寿命的预测方法，其特征在于，所述根据所有所述锂电池充放电循环数据，采用高斯过程回归算法，构建不同温度下的第二锂电池剩余容量预测模型，具体包括：

根据高斯核函数计算核矩阵；

将所述核矩阵确定为联合高斯分布的协方差矩阵；

根据所有所述锂电池充放电循环数据和所述协方差矩阵，采用高斯过程回归算法，构建不同温度下的第二锂电池剩余容量预测模型。

5.根据权利要求1所述的一种锂电池健康状态和剩余可用寿命的预测方法，其特征在于，所述锂电池综合剩余容量预测模型的表达式为：

f(k)＝xf₁(k)+(1-x)f₂(k)

其中，f(k)表示循环次数为k时的锂电池综合剩余容量；f₁(k)表示循环次数为k时的第一锂电池剩余容量；f₂(k)表示循环次数为k时的第二锂电池剩余容量；x表示权值，且0≤x≤1。