[发明专利]时变放电电流下的锂电池健康状态估计与剩余寿命预测方法

说明书

本发明公开了一种时变放电电流下的锂电池健康状态估计与剩余寿命预测方法，包括以下步骤：S1、基于维纳过程和Power Rule应力模型，构建时变放电电流工况下的锂电池性能退化模型；S2、基于期望最大化算法估计模型的先验参数，然后根据检测到的锂电池的现场退化数据在线更新随机系数的后验分布；S3、根据检测到的锂电池的现场退化数据结合锂电池的退化过程，即可得到健康状态估计的期望、方差和概率密度分布表达式；S4、根据检测到的锂电池的现场退化数据结合锂电池的退化过程以及剩余寿命与首达时间的关系，可得到锂电池在时变放电电流工况下，剩余寿命的概率密度分布函数。

技术领域

本发明属于可靠性工程技术领域，具体涉及一种时变放电电流下的锂电池健康状态估计与剩余寿命预测方法。

背景技术

锂电池基于其绿色环保、能量密度高、质量轻和寿命长等优点，已被广泛应用于民用和军用领域。然而，锂电池一旦失效会引发应用系统的不便、停机甚至灾难性事故，因此很有必要采取措施来保证锂电池的安全性和可靠性。工程实践表明，准确的健康状态估计与剩余寿命预测是提高锂电池可靠性和降低失效风险的重要方法。而现有的方法大都基于实验室条件下的理想工况，未考虑实际使用复杂工况的影响，已经不能满足实际的应用需求。

由于环境温度变化、自身运行发热等因素的影响，锂电池实际使用过程中常处于时变放电电流工作状况，当工作在时变放电电流工况下时，其放电容量和退化速率会随着放电电流的变化而变化。在实际使用中时变放电电流工况会引起锂电池性能的不规律退化，进而增加健康状态估计与剩余寿命预测的复杂度和难度。因此研究时变放电电流工况下的锂电池健康状态估计与剩余寿命预测方法对提高锂电池实际使用中的安全性和可靠性具有重要的理论意义和工程应用价值。

发明内容

本发明的目的在于克服现有技术的不足，提供一种时变放电电流下的锂电池健康状态估计与剩余寿命预测方法，通过科学预测该工况下锂电池的健康状况、个体寿命和总体寿命特征量，以解决时变放电电流工况下的锂电池健康状态估计与剩余寿命预测问题。

为实现上述目的，本发明采用的技术方案是：

一种时变放电电流下的锂电池健康状态估计与剩余寿命预测方法，包括以下步骤：

S1、基于维纳过程和Power Rule应力模型，构建时变放电电流工况下的锂电池性能退化模型，得到基于退化过程的锂电池健康状态方程和时变放电电流工况下的锂电池剩余寿命概率密度函数；

S2、基于期望最大化算法估计模型的先验参数，然后根据检测到的锂电池的现场退化数据在线更新随机系数的后验分布；

S3、根据检测到的锂电池的现场退化数据结合锂电池的退化过程，即可得到锂电池在时变放电电流工况下的健康状态估计的期望、方差和概率密度分布表达式，实现锂电池健康状态估计；

S4、根据检测到的锂电池的现场退化数据结合锂电池的退化过程以及剩余寿命与首达时间的关系，可得到锂电池在时变放电电流工况下，剩余寿命的概率密度分布函数，从而实现锂电池剩余寿命的预测。

优选的，步骤S1的具体过程如下：

S11、基于维纳过程，可得到时变放电电流工况下锂电池的退化过程如下式(1)所示：

其中，x₀为初始状态；v_i为放电电流，λ(v_i)为随机系数，表征退化速度与放电电流的函数，为了表示不同个体之间的差异，令Λ(t,θ)为非线性退化系数，当Λ(t,θ)＝t时表征线性退化过程；c(v_i-1,v_i)表示电池容量随放电电流变化模型；σ_B(v)为随放电电流变化的扩散系数，B(t)为标准的布朗运动，表征退化过程的动态特性和不确定性；