不同放电倍率下锂离子电池剩余寿命预测方法与流程

本发明涉及锂离子电池剩余寿命预测技术领域，尤其涉及一种不同放电倍率下锂离子电池剩余寿命预测方法。

背景技术：

锂离子电池因其具有循环寿命长、自放电率低、安全性能好等优点被广泛应用于消费电子类、电动汽车、航空航天等多个领域。然而锂离子电池在退化过程中发生故障会影响机器设备的正常运转，甚至会导致严重的安全事故及财产损失。因此,从可靠性、安全性和经济性角度出发，实现锂离子电池长期安全有效运行，避免灾难性事故的发生，对电池剩余寿命的监测尤为重要。近年来，关于锂离子电池剩余寿命(remainingusefullife,rul)的预测已成为国内外的研究热点。现有的锂离子电池剩余寿命预测方法主要分为基于模型法和数据驱动法，数据驱动方法以其灵活的适应性和易用性等优点得到了广泛地应用，然而现有预测方法中通常只适用于工作在特定工况条件下电池剩余寿命的预测。对于同型号锂离子电池来说，由于受负载或工作环境的影响，电池放电条件往往是不同的，但不可忽视的是放电倍率大小对电池寿命退化具有很大的影响；因此对电池放电倍率加以考虑将大大提高电池健康状态预测的精度，如何实现不同放电倍率条件下锂离子电池rul预测是急需解决的问题。另一方面，由于在线监测设备、误差要求等种种约束，对于电池容量、阻抗等健康因子的监测并不适用于电池健康状态的在线预测，基于在线可监测健康因子的思路是很好的解决方案。

为此，本发明给出一种不同放电倍率下锂离子电池剩余寿命预测方法，该方法基于在线可测健康因子，通过建立在线健康因子自迭代预测模型以及基于数据驱动方法的锂离子电池rul预测模型实现不同放电倍率条件下的锂离子电池rul的预测，具有良好的实际运用意义；所提方法为不同工况条件下的锂离子电池剩余寿命预测提供了一种新思路。

技术实现要素：

本发明的目的在于提供一种不同放电倍率下锂离子电池剩余寿命预测方法，用于预测同型号不同放电倍率条件下运行的锂离子电池剩余寿命，为实现高效准确的预测及健康管理提供保障。

为了达成上述目的，本发明的解决方案是：

不同放电倍率下锂离子电池剩余寿命预测方法，包括以下步骤(1)～(6)：

(1)取m块同型号锂离子电池分别置于不同放电倍率条件下进行充放电循环实验，其中，每一放电倍率条件下做十组重复性实验；

(2)对步骤(1)中进行实验的m组锂离子电池放电阶段电压序列数据以及时间序列数据进行监测，从而构建出在线健康因子序列——等压降放电时间，并记录每组电池在相应充放电循环周期下的容量值；

(3)获取不同放电倍率条件下等压降放电时间与电池容量的关联关系；

(4)采集待测锂离子电池放电倍率以及前c个充放电循环周期下的等压降放电时间序列，由获取的前c个等压降放电时间迭代预测出电池在未来时刻的等压降放电时间序列；

(5)将步骤(4)中获取的待测锂离子电池放电倍率以及未来时刻电池等压降放电时间预测值作为输入，带入步骤(3)中已建立的关联关系中，从而获取电池未来时刻容量预测值，当容量预测值达到该电池寿命阈值时，记录下此时电池运行所对应的充放电循环周期c'；

(6)采集锂离子电池当前运行状态下的充放电循环周期c”，进而预测出电池剩余寿命为rul＝c'-c”。

本发明的不同放电倍率下锂离子电池剩余寿命预测方法，所述步骤(1)中，充放电循环实验是指在每个充放电循环周期下，先将电池充电至满电状态，再由满电状态放电至一定的截止电压；取m块同型号锂离子电池分别置于不同放电倍率条件下进行充放电循环实验，其中每一放电倍率条件下做十组重复性实验，具体步骤如下：

(1.1)除放电倍率条件设定不同以外，电池所处的运行环境均相同，其中运行环境包括外界自然环境以及电路工作条件；将电池放电倍率设定在[imin,imax]范围内，在该范围内均等的划分k个放电倍率点，记为ir，其中r＝1,2…k，在不同的放电倍率ir下对m块同型号电池分别进行充放电循环实验；

(1.2)在每一种放电倍率条件下同时取10块电池做重复实验，即在k种不同放电倍率条件下，需要做10×k组充放电循环实验，其中m＝10×k。

本发明的不同放电倍率下锂离子电池剩余寿命预测方法，所述步骤(2)中对进行实验的m组锂离子电池放电阶段电压序列数据以及时间序列数据进行监测，从而构建出在线健康因子序列——等压降放电时间，并记录每组电池在相应充放电循环周期下的容量值，具体步骤如下：

(2.1)对m组进行充放电循环实验的锂离子电池进行监测，采集各组电池放电阶段电压序列数据以及时间序列数据；

(2.2)根据步骤(2.1)中获取的电压序列数据以及时间序列数据，构建在线健康因子序列——等压降放电时间：设定等电压降的电压上下限，上限设定为vhigh，下限设定为vlow，记录vhigh和vlow所分别对应的时间和(其中，为放电过程中电池电压降低至vhigh时所对应的时间，为电池电压降低至vlow时所对应的时间)，并计算其差值的绝对值从而获取每个充放电循环周期下对应的等压降放电时间δti，将其作为在线健康因子，其中i表示充放电循环周期；等压降放电时间作为电池寿命预测健康因子的适用性已被现有技术证实，此外不再阐述；

(2.3)根据步骤(2.2)中等压降放电时间的获取方法，对进行实验的m组电池放电阶段的等压降放电时间δtm.i进行记录，其中m＝1,2…m表示实验电池编号，i＝1,2…nm表示m号实验电池的充放电循环周期，从而构建出m组实验电池在不同放电倍率ir条件下的等压降放电时间序列数据，记为{δtm.1,δtm.2…δtm.i|ir}；

(2.4)对m组实验电池在不同充放电循环周期下的电池容量值进行监测和记录，记为{qm.1,qm.2…qm.i|ir}，文中所述容量值均为电池处于满电状态时的容量值；每组电池满电时的容量下降到该组电池额定容量的80％时，即认为电池失效，充放电循环实验终止，步骤(2.3)中m号实验电池的充放电循环周期的截止周期nm即可获取。

本发明的不同放电倍率下锂离子电池剩余寿命预测方法，所述步骤(3)中获取不同放电倍率下等压降放电时间与电池容量的关联关系，具体步骤如下：

(3.1)由步骤(2)获取m组实验电池在不同放电倍率ir条件下的等压降放电时间序列数据{δtm.1,δtm.2…δtm.i|ir}以及容量数据{qm.1,qm.2…qm.i|ir}；

(3.2)将放电倍率和等压降放电时间作为算法输入，将电池容量作为算法输出，通过神经网络算法训练模型，从而拟合出输入输出关系，进而得出不同放电倍率下等压降放电时间与电池容量的关联关系qi＝f(δti,ir)。

本发明的不同放电倍率下锂离子电池剩余寿命预测方法，所述步骤(4)中由获取的前c个等压降放电时间迭代预测出电池在未来时刻的的等压降放电时间序列，具体步骤如下：

监测并记录待测锂离子电池前c个充放电循环周期下的等压降放电时间{δtx.1,δtx.2…δtx.c}，其中x为待测锂离子电池编号；并将该等压降放电时间序列按照式(1)分别构建训练输入集p_train、训练输出集t_train，用以训练神经网络算法，其中，式(1)中m+n＝c；进而利用训练好的神经网络模型实现对等压放电降时间序列的迭代预测，从而获得未来时刻等压降放电时间序列预测值{δtx.c+1,δtx.c+2…δtx.c+l}。

本发明的不同放电倍率下锂离子电池剩余寿命预测方法，所述步骤(5)中，将步骤(4)中获取的电池放电倍率以及未来时刻电池等压降放电时间预测值作为输入，带入步骤(3)中已建立的关联关系中，从而获取电池未来时刻容量预测值，当容量预测值达到该电池寿命阈值时，记录下此时电池运行所对应的充放电循环周期c'，具体步骤如下：

将步骤(4)中预测出的锂离子电池未来时刻等压降放电时间序列预测值{δtx.c+1,δtx.c+2…δtx.c+l}以及放电倍率ix带入步骤(3)中建立的关联关系qx.g＝f(δtx.g,ix)中，其中g＝c+1,c+2…c+l，从而获取未来时刻电池容量预测值{qx.c+1,qx.c+2…qx.c+l}；电池寿命阈值所对应的容量阈值为qthreshold＝0.8×qnew，其中qnew表示电池额定容量，当电池容量预测值达到qthreshold，记录下此时电池所对应的充放电循环周期c'。

附图说明

图1是不同放电倍率下锂离子电池剩余寿命预测方法原理流程图。

图2是典型的电池电压放电曲线示意图。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明。

本发明提供一种不同放电倍率下锂离子电池剩余寿命预测方法，其总体思路为：第一部分为模型训练阶段，基于不同放电倍率条件下多组锂离子电池实验数据，构建电池在线健康因子序列——等压降放电时间，并结合神经网络算法，建立不同放电倍率条件下电池在线健康因子与电池容量的关联关系；第二部分为在线预测阶段，建立在线健康因子自迭代预测模型，由自迭代预测模型预测出待测锂离子电池未来时刻健康因子预测值，并采集待测锂离子电池放电倍率，根据上述关联关系预测出电池未来时刻容量值，进而预测出电池rul。本发明方法适用于不同放电倍率条件下锂离子电池rul的预测，具有良好的实际运用意义。

如图1所示，本发明的不同放电倍率下锂离子电池剩余寿命预测方法，具体实施包括以下步骤(1)～(6)：

(1)取m块同型号锂离子电池分别置于不同放电倍率条件下进行充放电循环实验，其中，每一放电倍率条件下做十组重复性实验；具体实现为：

所述步骤(1)中，充放电循环实验是指在每个充放电循环周期下，先将电池充电至满电状态，再由满电状态放电至一定的截止电压；实验具体步骤如下：(1.1)除放电倍率条件设定不同以外，电池所处的运行环境均相同，其中运行环境包括外界自然环境以及电路工作条件；将电池放电倍率设定在[imin,imax]范围内，在该范围内均等的划分k个放电倍率点，记为ir，其中r＝1,2…k，在不同的放电倍率ir下对m块同型号电池分别进行充放电循环实验，放电倍率范围的设置前提是保证该型号电池安全正常运行；

(1.2)在每一种放电倍率条件下同时取10块电池做重复实验，即在k种不同放电倍率条件下，需要做10×k组充放电循环实验，其中m＝10×k。

(2)对步骤(1)中进行实验的m组锂离子电池放电阶段电压序列数据以及时间序列数据进行监测，从而构建出在线健康因子序列——等压降放电时间，并记录每组电池在相应充放电循环周期下的容量值；具体实现为：

(2.1)对m组进行充放电循环实验的锂离子电池进行监测，采集各组电池放电阶段电压序列数据以及时间序列数据；

(2.2)根据步骤(2.1)中获取的电压序列数据以及时间序列数据，构建在线健康因子序列——等压降放电时间：设定等电压降的电压上下限，上限设定为vhigh，下限设定为vlow，记录vhigh和vlow所分别对应的时间和(其中，为放电过程中电池电压降低至vhigh时所对应的时间，为电池电压降低至vlow时所对应的时间)，并计算其差值的绝对值从而获取每个充放电循环周期下对应的等压降放电时间δti，将其作为在线健康因子，其中i表示充放电循环周期；

(2.3)根据步骤(2.2)中等压降放电时间的获取方法，对进行实验的m组电池放电阶段的等压降放电时间δtm.i进行记录，其中m＝1,2…m表示实验电池编号，i＝1,2…nm表示m号实验电池的充放电循环周期，从而构建出m组实验电池在不同放电倍率ir条件下的等压降放电时间序列数据，记为{δtm.1,δtm.2…δtm.i|ir}；

(2.4)对m组实验电池在不同充放电循环周期下的电池容量值进行监测和记录，记为{qm.1,qm.2…qm.i|ir}，文中所述容量值均为电池处于满电状态时的容量值；每组电池满电时的容量下降到该组电池额定容量的80％时，即认为电池失效，充放电循环实验终止，步骤(2.3)中m号实验电池的充放电循环周期的截止周期nm即可获取。

(3)获取不同放电倍率条件下等压降放电时间与电池容量的关联关系；具体实现为：

(3.1)由步骤(2)获取m组实验电池在不同放电倍率ir条件下的等压降放电时间序列数据{δtm.1,δtm.2…δtm.i|ir}以及容量数据{qm.1,qm.2…qm.i|ir}；

(3.2)将放电倍率和等压降放电时间作为算法输入，将电池容量作为算法输出，通过神经网络算法训练模型，从而拟合出输入输出关系，进而得出不同放电倍率下等压降放电时间与电池容量的关联关系qi＝f(δti,ir)。

(4)采集待测锂离子电池放电倍率以及前c个充放电循环周期下的等压降放电时间序列，由获取的前c个等压降放电时间迭代预测出电池在未来时刻的等压降放电时间序列；具体实现为：

监测并记录待测锂离子电池放电倍率以及前c个充放电循环周期下的等压降放电时间{δtx.1,δtx.2…δtx.c}，其中x为待测锂离子电池编号；并将该等压降放电时间序列按照式(1)分别构建训练输入集p_train、训练输出集t_train，用以训练神经网络算法，其中，式(1)中m+n＝c；进而利用训练好的神经网络模型实现对等压放电降时间序列的迭代预测，从而获得未来时刻等压降放电时间序列预测值{δtx.c+1,δtx.c+2…δtx.c+l}。

(5)将步骤(4)中获取的待测锂离子电池放电倍率以及未来时刻电池等压降放电时间预测值作为输入，带入步骤(3)中已建立的关联关系中，从而获取电池未来时刻容量预测值，当容量预测值达到该电池寿命阈值时，记录下此时电池运行所对应的充放电循环周期c'；具体实现为：

将步骤(4)中预测出的锂离子电池未来时刻等压降放电时间序列预测值{δtx.c+1,δtx.c+2…δtx.c+l}以及放电倍率ix带入步骤(3)中建立的关联关系qx.g＝f(δtx.g,ix)中，其中g＝c+1,c+2…c+l，从而获取未来时刻电池容量预测值{qx.c+1,qx.c+2…qx.c+l}；电池寿命阈值所对应的容量阈值为qthreshold＝0.8×qnew，其中qnew表示电池额定容量，当电池容量预测值达到qthreshold，记录下此时电池所对应的充放电循环周期c'。

(6)采集锂离子电池当前运行状态下的充放电循环周期c”，进而预测出电池剩余寿命为rul＝c'-c”。

应当指出的是电池均处于恒流放电模式；

应当指出的是本说明书未详细阐述的部分均属于现有技术。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。