[发明专利]一种基于无迹卡尔曼滤波的锂离子电池寿命预测方法

摘要

本发明公开了一种基于无迹卡尔曼滤波的锂离子电池寿命预测方法，能够对电池容量状态进行更精确的估计，降低传统算法的计算复杂程度，提高寿命预测的准确度；该方法将双指数容量衰减模型作为锂离子电池容量退化模型，获得锂离子电池容量的状态转移方程和量测方程；根据其他电池已知的寿命衰减数据，获得双指数容量衰减模型的状态变量初值的分布；针对所需预测寿命的待测电池，确定其对应的预测起始点；利用UKF方法对已充放电次数待测电池容量数据进行状态跟踪，更新容量衰减模型中的状态变量，获该充电次数后对应的状态变量；预测该次充放电后对应的状态变量及电池容量，绘制容量预测曲线，确定待测电池的寿命。

主权项

一种基于无迹卡尔曼滤波的锂离子电池寿命预测方法，其特征在于，该方法包括以下步骤：步骤一，将双指数容量衰减模型作为锂离子电池容量退化模型，并进一步获得锂离子电池容量的状态转移方程和量测方程；双指数容量衰减模型：Q_k＝a·exp(b·k)+c·exp(d·k)；状态转移方程：$\left\{\begin{array}{cc}{a}_k=a_{k-1}+w_a& w_a~N(0,{\mathrm{\σ}}_a)\\ b_k=b_{k-1}+w_b& w_b~N(0,{\mathrm{\σ}}_b)\\ c_k=c_{k-1}+w_c& w_c~N(0,{\mathrm{\σ}}_c)\\ d_k=d_{k-1}+w_d& w_d~N(0,{\mathrm{\σ}}_d)\end{array}\right.;$量测方程：Q_k＝a_k·exp(b_k·k)+c_k·exp(d_k·k)+v v～N(0,σ_v)；其中，a_k、b_k、c_k和d_k为锂离子电池第k次充放电循环周期所对应的状态变量，k取自然数，Q_k表示第k次充放电循环周期时电池的实际容量值，w_a、w_b、w_c和w_d均为过程噪声，v为测量噪声；步骤二，根据其他电池已知的寿命衰减数据，获得双指数容量衰减模型的状态变量初值a₀、b₀、c₀、d₀的分布；步骤三，针对所需预测寿命的待测电池，确定其对应的预测起始点k，其中k表示待测电池已进行的充放电次数；步骤四，利用无迹卡尔曼滤波方法对已进行充放电的k次待测电池容量数据进行状态跟踪，更新容量衰减模型中的状态变量，获得第k次充放电后对应的状态变量a_k、b_k、c_k、d_k；步骤五，利用状态变量a_k、b_k、c_k、d_k，根据状态转移方程和量测方程预测第k次充放电以后，每次充放电所对应的状态变量及电池容量；步骤六，以待测电池充放电次数为横坐标，以待测电池容量为纵坐标，建立容量预测曲线；步骤七，根据设定的待测电池容量阈值，从所述容量预测曲线中确定待测电池的充电次数，即待测电池的寿命。