一种基于无迹卡尔曼滤波的锂离子电池寿命预测方法
【技术领域】
[0001] 本发明属于裡离子电池故障预测与健康管理技术领域，尤其设及一种基于无迹卡 尔曼滤波的裡离子电池寿命预测方法。
【背景技术】
[0002] 裡离子电池作为新型蓄电池具有较大的应用前景，特别是在胆能的电性能W及可 靠性要求较高的场合，例如低地球轨道、地球同步轨道、空间站等宇航设备具有巨大的发展 前景。
[0003] 蓄电池的剩余使用寿命也称为循环寿命，是指在一定的充放电制度下，容量下降 到规定值前电池所经受的充放电循环次数。对于裡离子电池的许多应用来说，裡离子电池 在完全充电状态下，实际容量下降至额定容量的70%-80%时视为失效。寿命预测是实现裡 离子电池健康管理的一个关键因素，健康管理根据寿命预测制定维护计划、备件供应计划 等。为了防止由裡离子电池引起的严重故障的发生，裡离子电池的健康管理技术受到越来 越多的重视。裡离子电池的寿命预测是电池管理的一项研究热点。但是，现有技术中大多W 卡尔曼滤波或扩展卡尔曼滤波为基础的寿命预测的方法在实际应用中存在一定局限性，具 体地:扩展卡尔曼滤波是较为常用的估计方法，但是在解决非线性非高斯随机系统的状态 问题时，会产生很大的误差甚至可能存在发散。另外，裡离子电池内部复杂的电化学反应过 程难W表征，结合电池的整个寿命退化过程和退化数据特点的电池容量衰减模型较难建 立，给寿命预测带来了一定的困难，由此导致裡离子电池寿命的估计不精确，未能真实地反 映电池寿命的规律，从而为未来所使用裡离子电池的故障预测与健康管理带来了很多困 难。因此，需要一种基于无迹卡尔曼滤波的裡离子电池寿命预测方法，W解决现有技术中存 在的上述技术问题。
【发明内容】
[0004] 本发明提供一种基于无迹卡尔曼滤波的裡离子电池寿命预测方法，该方法能够对 电池容量状态进行更精确的估计，降低传统算法的计算复杂程度，提高寿命预测的准确度。
[0005] 本发明采用的技术方案是：
[0006] -种基于无迹卡尔曼滤波的裡离子电池寿命预测方法，其包括W下步骤：
[0007] 步骤一，将双指数容量衰减模型作为裡离子电池容量退化模型，并进一步获得裡 离子电池容量的状态转移方程和量测方程；
[000引双指数容量衰减模型：Qk = a · e邱(b · k)+c · e邱（d · k)
[0009] 状态转移方程：
[0010] 量现|J方程：Qk = ειk·exp(bk·k)+Ck·e邱（dk·k)+vv~N(0，。v)
[oow 其中，ak、bk、ck和dk为裡离子电池第k次充放电循环周期所对应的状态变量，k取自 然数，Qk表示第k次充放电循环周期时电池的实际容量值，*3、*6、*。和^均为过程噪声，*3、 wb、wc和wd均服从N(0,Oa)、N(0,Ob)、N(0,Oc)和N(0,Od)的正态分布，v为测量噪声，v服从于N (0, Ον)的正态分布；
[0012] 步骤二，根据其他电池已知的寿命衰减数据，获得双指数容量衰减模型的状态变 量初值曰日、13日、(3日、(1日的分布；
[0013] 步骤Ξ，针对所需预测寿命的待测电池，确定其对应的预测起始点k，其中k表示待 测电池已进行的充放电次数；
[0014] 步骤四，利用无迹卡尔曼滤波方法对已进行充放电的k次待测电池容量数据进行 状态跟踪，更新容量衰减模型中的状态变量，获得第k次充放电后对应的状态变量ak、bk、ck、 dk;
[001引步骤五，利用状态变量日1^心、0^、(11^，根据状态转移方程和量现巧程预测第4次充放 电W后，每次充放电所对应的状态变量及电池容量；
[0016] 步骤六，W待测电池充放电次数为横坐标，W待测电池容量为纵坐标，建立容量预 测曲线；
[0017] 步骤屯，根据设定的待测电池容量阔值，从所述容量预测曲线中确定待测电池的 充电次数，即待测电池的寿命。
[0018] 进一步地，本发明还可利用待测电池实际使用的容量曲线与容量预测曲线进行对 比，分析容量预测曲线的平均绝对误差(MAE)、均方根误差(RMSE)，W及电池寿命预测的误 差(RUL_Error)，其可用于评价该方法的可靠性。
[0019] 采用上述技术方案，本发明至少具有下列优点：
[0020] 第一，本发明利用无迹卡尔曼滤波方法将近似非线性函数的概率密度实现对非线 性模型的逼近，进而获得更高阶次的均值和方差，该方法克服了传统的卡尔曼滤波和扩展 卡尔曼滤波等方法的不足，基于对非线性概率分布进行近似，而不是对非线性模型函数的 近似，因此对系统模型的复杂性不太敏感，降低了系统模型的复杂度，能更准确地估计裡离 子电池的使用寿命。
[0021] 第二，无迹卡尔曼滤波函数不用计算非线性函数的雅克比矩阵，可W处理不同导 函数，降低了算法的计算复杂度，能够有效提高寿命预测的效率。
[0022] 第Ξ，本发明还提出了一种双指数容量衰减模型，能够较好地模拟裡离子电池寿 命退化的过程，且具有构建容易、拟合优度高等特点，具有较强的应用价值。该发明工程实 用价值高，对提高裡离子电池故障预测与健康管理水平具有较为重要的意义。
【附图说明】
[0023] 图1为本发明的基于无迹卡尔曼滤波的裡离子电池寿命预测方法的流程图；
[0024] 图2为图1所示裡离子电池寿命预测方法中的基于UKF算法的模型参数预测流程 图；
[0025] 图3为图1所示裡离子电池寿命预测方法中的某电池在Τ = 50切cle时的寿命预测 结果图；
[00%] 图4为图1所示裡离子电池寿命预测方法中的某电池在Τ = 60切cle时的寿命预测 结果图；
[0027] 图5为图1所示裡离子电池寿命预测方法中的某电池在Τ = 70切cle时的寿命预测 结果图；
[0028] 图6为图1所示裡离子电池寿命预测方法中的某电池在Τ = 80切cle时的寿命预测 结果图。
【具体实施方式】
[0029] 为更进一步阐述本发明为达成预定目的所采取的技术手段及功效，W下结合附图 及较佳实施例，对本发明进行详细说明如后。
[0030] 如图1所示，一种基于无迹卡尔曼滤波的裡离子电池寿命预测方法的具体实现方 案如下：
[0031] 步骤一，将双指数容量衰减模型作为裡离子电池容量退化模型，利用上述双指数 容量衰减模型来描述裡离子电池的状态空间，并进一步获得裡离子电池容量的状态转移方 程和量测方程；
[0032] 双指数容量衰减模型：Qk = a · e邱(b · k)+c · e邱（d · k);
[0033] 状态转移方程
[0034] 量测方程：Qk = ￡ik · exp(bk · k)+ck · e邱（dk · k)+v V~N(0,〇v);
[0035] 其中，ak、bk、ck和dk为裡离子电池第k次充放电循环周期所对应的状态变量，k取自 然数，Qk表示第k次充放电循环周期时电池的实际容量值，*3、*6、*。和^均为过程噪声，*3、 wb、Wc和wd均服从N(0，σa)、N(0，σb)、N(0，σc)和N(0，σd)的正态分布，v为测量噪声，v服从于N (0, Ον)的正态分布；
[0036] 本发明针对裡离子电池容量退化模型的建立，鉴于裡离子电池的寿命预测主要面 对历史数据较少、物理模型较难建立等问题，选择将解析模型作为容量衰减的具体表现形 式，构建的解析模型能够适用于少量的历史数据，在物理意义不明确的情况下仍然能够得 到较高的精确度，并且便于最终能够利用卡尔曼滤波等方法成功实现电池的寿命预测。
[0037] 因此本步骤提出一种双指数容量衰减模型用于描述电池容量的衰减趋势：Qk = a · exp(b · k)+c · e邱(d · k)其中Qk表示第k次充放电循环周期时电池的实际容量值，k表 示待测电池已进行的充放电