[发明专利]基于灰色向量机的矿用锂电池寿命预测方法及管理系统

摘要

本发明公开了一种基于灰色向量机的矿用锂电池寿命预测方法及管理系统。该寿命预测方法采用矿用锂离子电池容量作为训练样本建立灰色RVM回归预测模型；根据训练样本数据建立DGM，将DGM的预测值作为输入、原始训练样本作为输出，训练得到RVM回归预测模型；采用DGM(1,1)做容量短期预测，并将预测值作为RVM回归预测模型的输入，获得获得容量的短期回归预测结果及预测概率值，并引入新陈代谢过程，更新训练样本数据；采用灰色关联分析判断相关性，并以此结果对RVM模型进行动态的更新，获得新的相关向量，以获得该方法长期趋势预测结果。本发明通过实时采集锂电池监测数据，获得了更准确地矿用锂电池的寿命预测精度。

主权项

1.一种基于灰色向量机的矿用锂电池寿命预测方法，其特征在于，包括以下步骤：第一步、选用预测模型DGM(1,1)，定义如下：x⁽¹⁾(k+1)＝β₁x⁽¹⁾(k)+β₂；第二步、选择矿用锂离子电池循环寿命容量样本数据作为初始训练数据，将样本归一化处理，把所有数据都转化为[‑1，1]之间的数，消除循环周期次数与容量之间的数量级差别；第三步、初始化RVM模型参数：核函数选择高斯核函数，K(x,x_i)＝exp(‑||x‑x_i||²/r²)，进行EM迭代运算，噪声方差σ²＝0.1var(x)，收敛条件δ取0.1，权重w设置为其中r为带宽；第四步、按照第一步中预测模型建立预测方程以DGM(1,1)求解β₁和β₂；原始非负训练数据序列为其一次累加生成序列为：其中将X⁽¹⁾代入第一步的公式中，得到：Y＝Bβ其中β＝(β₁,β₂)^T，为参序列，则DGM微分方程x⁽¹⁾(k+1)＝β₁x⁽¹⁾(k)+β₂的最小二乘估计参数列满足β＝(B^TB)^‑1B^TY，进而计算可得β₁和β₂；取则一次累加生成序列的估计值为：还原可得DGM(1,1)预测模型：通过建立的DGM(1,1)迭代计算，更新原始训练数据；第五步、建立RVM回归预测模型通过第三步中DGM(1,1)模型对原始训练数据的预测值作为RVM模型的输入数据，原始训练数据作为RVM的输出数据，采用EM迭代算法训练RVM模型，得到RVM回归模型；第六步、锂电池容量预测采用DGM(1,1)模型算法对电池容量按设定步长的趋势预测，将预测值输入第三步中训练得到的RVM回归模型中，得到电池容量的预测结果及概率范围；第七步、预测结束判断判断电池容量预测值是否大于设定的容量失效阀值，若大于设定的容量失效阀值，转至第八步继续进行预测；若小于设定的容量预测阀值，则预测结束，并将容量预测结果及其置信区间转换为RUL值以及相应的置信区间，并与实际的RUL进行对比，以验证本文方法的有效性；第八步、相关性分析采用新陈代谢方法，将第六步中的电池容量的预测结果更新原始训练数据，得到新的训练数据；新的训练数据输入DGM(1,1)模型算法中进行短期预测；最后用灰色关联分析方法分析新训练数据与原始训练数据之间的关联度；若二者之间关联度较大，大于设定值，返回第六步继续预测；反之，跳转至第五步重新训练RVM回归模型，获得新的RVM模型，并继续预测。