本发明具体涉及一种计及时变环境温度影响的锂电池退化建模及寿命预测方法。
背景技术：
全球能源和环境系统面临巨大的挑战，电动汽车以其绿色环保的优势成为目前世界各国研究的热点。《中国制造2025》中提出“节能与新能源汽车”作为未来重点发展领域，明确了“继续支持电动汽车”的发展战略。当前制约电动汽车发展的关键是动力电池。锂电池以其性能优良、体积小、重量轻及环境污染小等独特的优势成为电动汽车动力电池的理想选择。但锂电池的安全性、可靠性依旧是电动汽车发展的瓶颈问题。电动汽车在户外露天行驶，随机的路面状况、环境温度、负载变化直接影响锂电池的性能退化，若不能及时评估当前状态并预计未来的状态，可能引发自燃、爆炸等事故。如，2011年4月11日，众泰纯电动车由于电池退化，未能及时发现，多次重复使用，隐患显现，引发自燃；2011年5月12日，美国NHTSA对通用汽车沃蓝达进行了侧面碰撞测试，由于电池受到很大冲击力，造成电池退化，三周之后，沃蓝达的锂电池组温度急剧升高而引发自燃，火势殃及附近其他车辆；2016年1月1日，挪威一辆2014年产的Model S在快速充电站充电时突然起火。为了避免由于车用锂电池退化引发的灾难性事故，开展车用锂电池性能退化规律建模及剩余寿命预测研究，对实现锂电池的预测性维护，提高电动汽车的安全性具有重要意义。
车用锂电池退化是动态、时变的非线性电化学过程，构建准确的机理模型涉及大量参数，计算复杂，且不能全面考虑影响因素，难以在工程中应用。同时，得益于传感技术、人工智能等技术的不断发展与应用，电动汽车备有的数据采集系统，可实时采集锂电池充放电的电压、电流、用时等反应锂电池健康状态的信息及环境温度，从而获得锂电池性能退化数据，进而利用退化数据及环境信息来构建退化模型、预测剩余寿命。因此，对于这类复杂的过程，基于数据驱动的锂电池剩余寿命预测方法已经逐步成为故障预测与健康管理领域的研究热点，并且在近年来已获得大量研究成果；[1].如针对工作环境温度固定、放电电流恒定、连续充放电的锂电池，剩余寿命预测理论和方法已经发展的较为成熟；[2].然而，车用锂电池在实际运行过程中远比这复杂，如，电动汽车在户外露天行驶，车用锂电池常受到时变环境温度的影响，温度过高或过低都会加快电池性能的衰退；[3].从车辆行为出发,车辆加速、减速过程具有随机性；[4].这需要锂电池输出电流相应随机变化；[5].不同放电电流影响电池的退化率；[6].另外，放电是非连续过程，普遍存在“自愈”现象，即当电池静置时，原不可用容量部分有所恢复，这有利于延长锂电池寿命；[7].而现有的方法不能很好地涵盖这些实际问题，这些问题恰是实现电动汽车健康状态预测与管理的关键技术问题。
综上可见，车用锂电池有别于传统问题的新特点：时变环境温度影响、随机变电流、自愈特征等，这些特点使得现有剩余寿命预测理论与方法在车用锂电池中不再适用。
技术实现要素：
本发明要解决的技术问题是提供一种有利于避免由于车用锂电池退化引发的灾难性事故，开展车用锂电池性能退化规律建模及剩余寿命预测研究，对实现锂电池的预测性维护，提高电动汽车的安全性具有重要意义的计及时变环境温度影响的锂电池退化建模及寿命预测方法。
为解决上述问题，本发明采用如下技术方案：
一种计及时变环境温度影响的锂电池退化建模及寿命预测方法，包括如下步骤：
(1).时变温度：鉴于时变环境温度的特点，拟采用多状态连续时间时齐马尔科夫过程描述，时变温度的状态集为Z＝{z1,z2,…zN}，相应各状态逗留时间的期望为E＝{e1,e2,…eN},状态转移率矩阵为Hi,i＝1,2,…N，拟取时间段(τi～τi+1)、i＝0,1,..N,的对应的平均温度为Ti，假设时变温度影响的退化率函数为γ(Ti,t；θ)，γ(Ti,t；θ)可采用阿伦纽子公式表示：γ(Ti,t；θ)＝exp{a-b/273+Ti}0≤i≤N；
(2).时变环境温度影响的车用锂电池退化建模：考虑车用锂电池退化率受时变温度影响，拟构建如下随机过程描述电池性能退化：
(3).退化模型参数估计：实现剩余寿命累积分布函数中的参数估计，拟先构建状态空间模型来描述退化的演变过程；
(4).退化模型参数更新和剩余寿命预测：当获得新的退化数据和时变温度时，利用贝叶斯滤波算法更新退化模型的参数，求取随机过程首达时间，然后进将估计参数带入到剩余寿命累积分布函数中，即可实现剩余寿命的预测。
本发明的实验证明，通过对基于电化学原理的锂电池进行时变温度的检测，能够得到运行中锂电池的不同温度，进而考虑时变环境温度影响的车用锂电池退化建模，并通过退化模型参数估计及预测锂电池的使用寿命，有利于退化模型参数更新和剩余寿命预测，同时通过本申请的方法能够实现锂电池的预测性维护，提高电动汽车的安全性具有重要意义。
附图说明
图1为本发明中步骤(1)中所述时变温度示意图。
具体实施方式
实施例一
一种计及时变环境温度影响的锂电池退化建模及寿命预测方法，包括如下步骤：
(1).时变温度：鉴于时变环境温度的特点，拟采用多状态连续时间时齐马尔科夫过程描述，时变温度的状态集为Z＝{z1,z2,…zN}，相应各状态逗留时间的期望为E＝{e1,e2,…eN},状态转移率矩阵为Hi,i＝1,2,…N，拟取时间段(τi～τi+1)、i＝0,1,..N,的对应的平均温度为Ti，假设时变温度影响的退化率函数为γ(Ti,t；θ)，γ(Ti,t；θ)可采用阿伦纽子公式表示：γ(Ti,t；θ)＝exp{a-b/273+Ti}0≤i≤N，该公式中，a，b为待估参数，b＝E/K，E为激活能，K为波尔兹曼常数，或者基于实验数据拟合获得受时变环境温度影响的退化率函数；
(2).时变环境温度影响的车用锂电池退化建模：考虑车用锂电池退化率受时变温度影响，拟构建如下随机过程描述电池性能退化：该模型表示退化过程受时变环境温度随机效应影响的一类退化模型，其中，X(t)为退化量，σ为扩散系数，W(t)为布朗运动，θ为退化率函数的未知参数，γ(T,t；θ)表示受时变温度影响的时变退化率函数，定义车用锂电池剩余寿命为退化量X(t)首次达到失效阈值的时间，鉴于直接求解首达时间的概率密度函数难度大，拟首先将这个问题转化为推导标准布朗运动失效阈值首达时间分布，然后推导出τk时刻剩余寿命Lk的累积分布函数同时，考虑到该概率模型函数包含时变环境温度信息，为了求取剩余寿命Lk累积分布函数，先计算时变温度跳变时间和总体跳变数目的联合分布，并且依据当前退化量及温度信息，求取当前时刻到失效阈值时的温度变化的概率密度函数，然后求取受时变环境温度影响的锂电池累积退化率函数期望；
(3).退化模型参数估计：实现剩余寿命累积分布函数中的参数估计，拟先构建状态空间模型来描述退化的演变过程，考虑到未知参数随机变化，直接求取其极大似然估计较为困难，为此，拟在贝叶斯框架下，将模型中的参数视为随机变量，并通过一定的先验分布来刻画参数的不确定性，再依据贝叶斯公式求取参数的后验分布，鉴于模型复杂、求解参数的后验边际分布难度较大，难以直接抽样获得后验样本，拟通过MCMC的Gibbs抽样方法来解决样本的抽样问题，整个的过程包括构造似然函数；根据贝叶斯公式求后验分布；通过MCMC 的Gibbs抽样方法对后验分布抽样，求取后验样本均值作为其估计值等；
(4).退化模型参数更新和剩余寿命预测：当获得新的退化数据和时变温度时，利用贝叶斯滤波算法更新退化模型的参数，求取随机过程首达时间，然后进将估计参数带入到剩余寿命累积分布函数中，即可实现剩余寿命的预测。
对基于电化学原理的锂电池而言，温度是影响其性能、寿命的关键因素，面对时变的环境温度，锂电池性能退化率为关于温度T的时变函数，在运行过程中，环境温度及相应逗留时间是随机的，如图1所示：
本发明的实验证明，通过对基于电化学原理的锂电池进行时变温度的检测，能够得到运行中锂电池的不同温度，进而考虑时变环境温度影响的车用锂电池退化建模，并通过退化模型参数估计及预测锂电池的使用寿命，有利于退化模型参数更新和剩余寿命预测，同时通过本申请的方法能够实现锂电池的预测性维护，提高电动汽车的安全性具有重要意义
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。