一种计及随机变电流的锂电池退化建模及寿命预测方法与流程

本发明涉及一种计及随机变电流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(在成本中占比高达30％)。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(漏液、绝缘受损以及局部短路)，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(振动、温度、负载等)，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(系统)，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。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。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(如天气变化、自身运行发热的影响等)，温度过高或过低都会加快电池性能的衰退；从车辆行为出发,车辆加速、减速过程具有随机性，这需要锂电池输出电流相应随机变化，不同放电电流影响电池的退化率；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。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通过对车用锂电池性能退化规律建模及剩余寿命预测，可以实现锂电池的预测性维护，提高电动汽车的安全性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：

一种计及随机变电流的锂电池退化建模及寿命预测方法，包括以下步骤：

1)随机变电流现象及对车用锂电池退化影响数学描述：放电电流直接影响锂电池电池循环寿命,恒定电流放电时，锂电池退化率可视为线性函数；当电流随机变化时，电池退化率将表现为非线性函数；对车用锂电池而言，电流的变化和车速相对应，车速不仅受道路、车辆等一些可确定因素制约，也会受一些随机因素作用，因此车速看作是服从于某种概率分布的随机现象；在乡村公路和高速公路上，运行车速一般呈正态分布，同时，我国关于车速的研究也假定其呈正态分布，为此，本研究拟考虑随机电流的变化以正态分布来描述，然后，再构建带有正态随机效应的退化模型来研究剩余寿命预测问题；

2)考虑随机变电流影响的车用锂电池的退化建模：由步骤1)分析，考虑随机变电流影响的车用锂电池退化模型，拟采用具有正态随机效应影响的随机过程描述：

$X\left(t\right)=x_0+\mathrm{\κ}{\∫}_0^{t}v(t;\mathrm{\θ})dt+\mathrm{\σ}W\left(t\right)$

以上模型表示退化率ν受到服从正态分布影响的一类退化模型，其中，W(t)为布朗运动，κ表示随机变电流影响的随机量，它服从正态分布，即其中μ_i和随机电流大小有关，退变量X_0:k＝{x₀,x₁,…x_m}可通过监测车用锂电池退化性能参数计算获得，假设当前时刻为n，当前性能退化量为x_n，则电池剩余寿命即x_nx_n到达阈值的首达时间，可看成是布朗运动W(t)首次到达的时间，

其中，

根据首达时间，可以求得剩余寿命的概率密度函数f_L(t)及剩余寿命累积分布函数F_L(t)，并利用布朗运动性质求解；

3)退化模型参数估计：为实现剩余寿命累积分布函数模型中的参数估计，先构建描述退化的演变过程的状态空间模型，然后，在贝叶斯理论的框架下，拟采用MCMC方法中的自适应Metropolis抽样算法对退化模型参数估计，验参数的协方差矩阵来估算参数分布，后验参数的协方差矩阵在每一次迭代后自适应地调整；

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时，根据贝叶斯滤波方法结合新增退化数据实时更新模型参数，求取随机过程首达时间，然后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。

本发明的有益效果为：通过对车用锂电池性能退化规律建模及剩余寿命预测研究，实现锂电池的预测性维护，提高电动汽车的安全性。

具体实施方式

一种计及随机变电流的锂电池退化建模及寿命预测方法：

①随机变电流现象及对车用锂电池退化影响数学描述

放电电流直接影响锂电池电池循环寿命。恒定电流放电时，锂电池退化率可视为线性函数。但当电流随机变化时，电池退化率将表现为非线性函数。对车用锂电池而言，电流的变化和车速相对应，车速不仅受道路、车辆等一些可确定因素制约,也会受一些随机因素作用,因此车速看作是服从于某种概率分布的随机现象。国外的相关研究表明(Speed prediction for two lane rural highways[R].Washington,D.C:Federal Highway Administration，2000)在乡村公路和高速公路上，运行车速一般呈正态分布。同时，我国关于车速的研究也假定其呈正态分布。为此，本研究拟考虑随机电流的变化以正态分布来描述，然后，再构建带有正态随机效应的退化模型来研究剩余寿命预测问题。

②考虑随机变电流影响的车用锂电池的退化建模

由以上分析，考虑随机变电流影响的车用锂电池退化模型，拟采用具有正态随机效应影响的随机过程描述：

$X\left(t\right)=x_0+\mathrm{\κ}{\∫}_0^{t}v(t;\mathrm{\θ})dt+\mathrm{\σ}W\left(t\right)$

该模型表示退化率ν受到服从正态分布影响的一类退化模型。其中，W(t)为布朗运动，κ表示随机变电流影响的随机量，它服从正态分布，即其中μ_i和随机电流大小有关。退变量X_0:k＝{x₀,x₁,…x_m}可通过监测车用锂电池退化性能参数计算获得。假设当前时刻为n，当前性能退化量为x_n，则电池剩余寿命即x_n到达阈值的首达时间，可看成是布朗运动W(t)首次到达的时间，

其中，

根据首达时间，可以求得剩余寿命的概率密度函数f_L(t)及剩余寿命累积分布函数F_L(t)，并利用布朗运动性质求解。

③退化模型参数估计

为实现剩余寿命累积分布函数模型中的参数估计，先构建描述退化的演变过程的状态空间模型。然后，在贝叶斯理论的框架下，拟采用MCMC方法中的自适应Metropolis抽样算法对退化模型参数估计。由后验参数的协方差矩阵来估算参数分布，后验参数的协方差矩阵在每一次迭代后自适应地调整。

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时，根据贝叶斯滤波方法结合新增退化数据实时更新模型参数，求取随机过程首达时间，然后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。

本发明的有益效果为：通过对车用锂电池性能退化规律建模及剩余寿命预测研究，实现锂电池的预测性维护，提高电动汽车的安全性。

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。