基于恒流充电片段的锂电池剩余寿命快速预测法的制作方法

本发明属于锂电池技术领域，具体涉及一种基于cccv恒流阶段充电电压曲线特征的锂电池剩余寿命快速预测法。

背景技术：

锂电池基于其重量轻、能量密度大和使用寿命长等优点被广泛应用于各个领域，但在使用过程中锂电池性能的逐渐衰退和失效可能带来严重的后果，通过锂电池剩余寿命的预测可以避免这些损失。现有的锂电池剩余循环寿命预测主要包括粒子滤波、dempster-shafer证据理论、bayes、递归神经网络、非线性自回归、高斯过程回归等方法。这些方法的主要思想是利用离线数据建立锂离子电池退化特征量(容量、内阻等)随充电循环次数退化的过程模型，再根据在线测得的电池状态数据进行训练学习，进而预测剩余循环寿命。但是存在受外界影响大，算法复杂，实时性差等问题。本发明所提出的方法，是使用锂电池cccv充电过程中的恒流充电阶段数据，用最小二乘法拟合成相应的数学模型，通过观测模型中的系数随着电池充放电循环次数的变化规律，构建特征参数和电池循环寿命对照表，通过极大似然估计给出一定置信度下电池的剩余寿命。此方法能够较大程度的还原电池的充电过程，直观地反映电池健康状态的变化，确保了锂电池剩余循环寿命在线快速预测的准确性。

技术实现要素：

本发明的目的是提供一种对锂离子电池剩余循环寿命在线预测方法，它能够对正在充电中的电池进行剩余循环寿命快速预测，有效提高锂离子电池剩余循环寿命预测精度，改善电池的使用和维护效率，延长电池的使用时间，减少锂离子电池在使用中的突发失效风险。

一种锂电池剩余寿命预测方法，包括离线构建特征参数对照表和在线预测剩余循环寿命两个阶段，其中：

所述离线构建特征参数对照表具体包括如下步骤：

(1)将多个同型锂离子电池样本放电至预设的电压下限(2)对锂离子电池进行全寿命充放电实验，每个充电循环采用恒流恒压充电至满和恒流放电至电压下限的方式进行，获取该型锂离子电池在全寿命中各充电循环下的恒流充电阶段电压随充电时间变化的数据；(3)对数据进行截取和分组，获得从不同初始电压充电至截止电压vt的数据，并对电压数据进行拟合，得到对应的数学模型，即第i种起始电压下第j个样品第h个充放电循环的充电电压随充电时间t变化的数学模型记为其中i＝1,2,…,i，表示i种不同的起始充电电压；j＝1,2,…,m，表示共有m个锂离子电池样本；h＝1,2,…,h，表示充放电循环的序号，h为总循环数；(4)选取模型的特征参数，表征电池健康状态随充放电循环的变化规律，具体为：固定锂离子电池样本序号j，观察模型的各参数随循环次数增加的变化规律，选取随循环数增加单调性较好的，且变化较为平缓的参数作为特征参数，记为：(5)根据指定的初始充电电压和充放电循环次数h，由数据集估算均值和标准差由此构建该型锂离子电池在给定充电电流和初始电压下的电池全寿命特征参数分布列表：其中，表格横坐标为给定的初始电压表格纵坐标为充电循环数h，表格中对应的每个格子为在给定的初始电压和充电循环数h时，对应的特征参数的均值和标准差

所述在线预测剩余循环寿命阶段，具体步骤包括：

(1)提取待测锂离子电池的恒流充电数据，确定初始充电电压v0；(2)在对照表的初始电压中选取与电压v0匹配的初始电压；(3)根据待测锂离子电池的充电电压数据进行充电电压函数拟合，获得该组充电电压数据对应的特征参数β0；(4)遍历对照表中匹配的初始电压所对应的各充放电循环数下的均值和标准差将特征参数β0、各组均值和标准差分别代入到似然函数中，使似然函数取最大值的标准差和均值对应的充放电循环次数即为该电池健康状态目前等效的充电循环数n0，由此得到该锂离子电池的剩余循环寿命预测结果。

较佳的，在线预测剩余循环寿命阶段，从锂离子电池的充电桩充电监测数据中提取锂离子电池恒流充电阶段电压随充电时间变化的序列数据。

较佳的，当被测锂离子电池的初始电压v0与对照表中任意一个初始电压均不相等时，选取对照表中与初始电压v0最靠近的初始电压作为匹配的初始电压。

本发明具有如下有益效果：

本发明提出的基于恒流充电阶段曲线初始电压划分方法、构建特征参数对照表的预测方法，通过对电池恒流充电阶段电压曲线的跟踪构建对照表库，在线应用时只需提取充电桩(恒流恒压充电方式cccv)中恒流充电数据，无需经过训练即可进行剩余循环寿命预测，可在给定充电桩充电电流的恒流充电状态下实现剩余循环寿命在线快速预测。

附图说明

图1为本发明的剩余循环寿命在线快速预测流程图。

图2为本发明实施中恒流充电曲线电压增长示意图，vt为充电截止电压，为第i个初始电压；为从第i个初始电压到充电截止电压vt的充电区间(i＝1,2,…,i)。

图3为数学模型中特征参数随电池循环数的变化示意图，l1是特征参数的变化曲线；l2是对l1进行线性拟合得出的函数。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

为了实现锂离子电池剩余循环寿命在线预测，本发明是采用以下技术方案：分为离线构建电压曲线函数特征参数对照表和在线预测剩余循环寿命两个阶段。

第一阶段，离线构建充电函数特征参数对照表。具体步骤包括：(1)在实验室条件下首先将m个同型锂离子电池放电至电压下限；(2)对锂离子电池利用恒流恒压充电至满-恒流放电至空的方式(cccv-cc)进行全寿命充放电实验，获取该型锂离子电池在全寿命中各充电循环下的恒流充电数据，恒流充电阶段的电流大小为充电装置设定的电流等级；(3)提取各个电池的恒流充电阶段的数据，对数据进行截取，获得起始充电电压不同时对应的充电数据，拟合得到相应的恒流充电电压曲线的数学模型；(4)在起始充电电压给定时，拟合不同充放电循环下的充电电压曲线函数模型，并选取充电电压曲线函数模型中随循环数变化的参数为电池健康特征参数；(5)考虑样本差异，确定同型不同电池从起始充电电压v0到充电截止电压vt所经历的恒流充电阶段电压曲线特征参数的分布规律，构建特征参数关于电池循环数的对照表。

第二阶段，在线预测剩余循环寿命。具体步骤包括：(1)根据锂离子电池在实际充电过程中实时监测得到的恒流充电阶段电压数据，提取从初始电压v0充电至vt的充电数据；(2)拟合充电电压数据，得到其对应的数学模型，获得该模型中特征参数的值β；(3)采用极大似然判别方法，根据离线对照表，确定在一定置信度下的电池剩余充电次数的区间估计。

所述的锂离子电池为可充放电循环使用的锂离子电池单体、可充放电循环使用的锂离子电池单体按串并联方式组合而成的锂离子电池组，以及由锂离子电池组按模块搭组方式建构而成的锂离子电池系统。

下面结合图1、图2、图3和表1对本发明的实施方式做详细说明。本发明采用的方法是以电池充电过程中恒流充电片段拟合得到充电电压模型的特征参数来估测电池已进行充电循环的次数，进而估算电池的剩余循环寿命。本发明具体实施方式采用以下技术方案。它的预测方法包括离线构造对照表和在线预测剩余循环寿命两个阶段：

第一阶段，离线构建特征参数对照表。(1)在实验室条件下将m个同型锂离子电池放电至预设的电压下限(2)对锂离子电池进行全寿命充放电实验，每个充电循环采用恒流恒压充电至满和恒流放电至电压下限的方式进行，获取该型锂离子电池在全寿命中各充电循环下的恒流充电阶段电压随充电时间变化数据；(3)对数据进行截取和分组，获得从不同初始电压充电至截止电压vt过程中电压值随时间变化的序列数据，并以时间为自变量对充电电压数据进行拟合，得到对应的数学模型，第i种起始电压下第j个样品第h个充放电循环的充电电压随充电时间t变化的数学模型记为其中i＝1,2,…,i，表示i种不同的起始充电电压；j＝1,2,…,m，表示共有m个电池参试；h＝1,2,…,h，表示充放电循环的序号，h为总循环数；(4)选取模型的特征参数，表征电池健康状态随充放电循环的变化规律。选取的方法是，固定样本序号j，观察模型各参数随循环次数增加的变化规律，选取随循环数增加单调性较好的，且变化较为平缓的参数作为特征参数，记为

(i＝1,2,…,i，j＝1,2,…,m，h＝1,2,…,h)，参见图3；(5)给定i和h，根据数据集估算均值和标准差由此构建该型锂离子电池在给定充电电流和初始电压下的电池全寿命特征参数分布列表(参见表1)，表格横坐标为给定的初始电压表格纵坐标为充电循环数(1～h)，表格中对应的每个格子(行列交叉处)为在给定的初始电压和充电循环数h时，对应的特征参数的随机分布参数(均值和标准差)。

表1锂离子电池全寿命特征参数分布列表

第二阶段，在线预测剩余循环寿命。具体步骤包括：(1)从充电桩充电监测数据中提取恒流充电数据，确定起始充电电压v0；(2)选取对照表中所对应的列或利用插值构造对照列。根据获得的初始电压v0从表中选择一列作为对照列，选取的原则是初始电压v0最靠近某(3)在选定对照列后，根据实测充电电压数据进行充电电压函数拟合，获得该组充电电压数据对应的特征参数β0；(4)根据测试得到的特征参数β0，采用极大似然判别方法，确定该电池健康状态目前等效的充电循环数n0，即n0是使得似然函数取到最大值时所对应的循环数h，其中，表示正态分布密度函数当自变量取β0时的似然函数值，于是该锂离子电池在线剩余循环寿命预测结果为全寿命标称值n减去该等效循环数n0。

本发明提出的数学模型的特征参数是表征锂离子电池健康程度的特征指标，电池老化程度越大，则特征参数也随着单调性逐渐增大或减小。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。