基于模型的锂离子电池剩余寿命预测方法的研究

摘要

锂离子电池的应用领域逐渐遍布生活中各个地方，其健康状态管理与剩余寿命预测成为重要的研究领域。电池使用过程中如不能在老化前及时更换电池，便会增大故障发生的风险，造成严重的损失。在锂离子电池老化前准确的获得电池的健康状态和寿命状态能有效的控制风险、维持系统稳定运行，所以对其进行研究的意义至关重要。论文以锂离子电池为研究对象，对其特点、模型、寿命状态表征以及剩余寿命预测方法进行研究，主要工作内容如下： (1)论文主要研究基于模型驱动的预测方法，选取容量作为电池寿命状态的直接健康因子，对目前效果最好的双指数模型与最经典的多项式模型进行了分析。通过马里兰大学公开的电池循环寿命实验数据拟合回归验证了两类模型的性能。论文针对双指数模型形式复杂，会降低寿命预测时效率的问题，从减少模型参数数量简化模型的目的出发提出三种改进模型，并通过拟合优选得到了改进模型，该模型形式简单，也能够较好地匹配测试数据，对容量衰退模型的改进提出了新思路。 (2)对经典的多项式模型使用曲线拟合法，通过最小二乘法估计模型参数，直接预测锂离子电池剩余寿命，虽然在样本数量较多的时候有一定效果，但预测精度较差，长期预测效果欠佳，并且改进后的模型使用曲线拟合法体现不出优势。为提高预测效果，同时考虑因测试环境产生的测量误差以及电池模型本身的过程噪声影响，使用了粒子滤波对改进后模型中参数进行迭代更新预测锂离子电池的剩余寿命。通过综合分析，粒子滤波算法的预测精度得到了较大的提高，验证了算法的优越性。 (3)考虑到粒子滤波算法的粒子退化现象，论文尝试从引入重采样和改善重要性密度函数两个方面对算法进行改进。通过分层重采样算法重新调整粒子权值，增加了粒子的多样性。同时，提出用扩展卡尔曼滤波生成建议分布函数，使粒子能够从更为合理的后验建议密度分布中采样。论文基于扩展卡尔曼滤波与粒子滤波相结合的方法进行剩余寿命预测，预测精度又进一步提高，同时得到了预测结果的概率分布，对电池寿命预测更具指导意义。

目录

1绪论

1.1锂离子电池剩余寿命预测的研究背景及意义

1.2锂离子电池衰退状态识别研究现状

1.2.2衰退状态识别参数

1.3锂离子电池剩余寿命预测方法的研究现状

1.3.1基于数据驱动的方法

1.3.2基于模型驱动的方法

1.3.3剩余寿命研究方法总结

1.4论文的研究内容及论文结构

2锂离子电池性能分析

2.1.2锂离子电池的工作原理

2.1.3锂离子电池的特点

2.2锂离子电池衰退机理分析

2.2.1电池衰退内部影响因素

2.2.2电池衰退外部影响因素

2.3本章小结

3基于锂离子电池经验衰退模型的研究

3.2.1锂离子电池等效电路模型

3.2.2锂离子电池电化学模型

3.2.3锂离子电池经验衰退模型

3.3锂离子电池退化数据来源

3.4容量衰退模型的改进

3.4.1容量衰退模型的分析

3.4.2容量衰退模型的改进

3.5本章小结

4基于模型的锂离子电池剩余寿命预测

4.2.1基于二次多项式模型的剩余寿命预测

4.2.2基于三次多项式模型的剩余寿命预测

4.2.3预测结果误差分析

4.3基于改进模型的粒子滤波算法的剩余寿命预测

4.3.1粒子滤波算法

4.3.2基于改进模型的状态空间方程

4.3.3基于改进模型的粒子滤波的预测仿真实验

4.4基于改进模型的分层重采样EKPF的剩余寿命预测

4.4.1扩展卡尔曼粒子滤波算法

4.4.2分层重采样算法

4.4.3基于分层重采样EKPF的剩余寿命预测仿真实验

4.5本章小结

总结与展望

展望

参考文献

致谢

攻读学位期间发表的学术论文目录

声明