The invention discloses a residual life prediction method for lithium batteries, which consists of two stages: the first phase is the decomposition stage, and the complex battery health state (State of Health, SOH) sequence is decomposed into a limited intrinsic mode function (Intrinsic Mode Function, IMF) and a residual function by using EMD. The second stage is the prediction stage, using the autoregressive integrated sliding average model (ARIMA) to predict each function after decomposition, and then add each prediction to the overall SOH prediction value, and then the residual life of the battery is obtained. The invention fully considers the local fluctuation part of the SOH sequence of the battery, and forecasts more truer and more effective.
【技术实现步骤摘要】
一种锂电池剩余寿命预测方法
本专利技术属于电池
,涉及一种电池剩余寿命的预测方法,具体涉及一种融合经验模态分解和自回归积分滑动平均模型的锂电池剩余寿命预测方法。
技术介绍
电动汽车是未来汽车发展的必然趋势。由于动力电池的老化特性,持续衰减的续驶里程及安全问题始终是电动汽车大范围迅速普及的制约因素。电池老化不仅造成电池容量的减少,也大大降低了电动汽车最大瞬时功率的输出,继而造成汽车动力不足,在超车和上坡的情况下存在安全隐患;同时老化的电池发热严重,过热造成的起火亦是电动汽车安全隐患之一。国家《节能与新能源汽车技术路线图》中明确指出动力电池的中期发展方向为提升动力电池安全性、一致性和寿命。电池的剩余寿命一般指,从当前时刻到电池容量衰减到出厂容量的80%时所能继续充放电的次数。动力电池的剩余寿命(remainingusefullife,RUL)预测能有效规避因电池性能过度衰减导致的安全事故,并能提前规划电池的维修及替换。目前,电池剩余寿命预测方法多种多样,有模型法、数据驱动法等。模型法常以电池充放电次数为输入得到电池剩余寿命。由于此方法中的模型常常由特定使用状况(如温度一定、恒流放电)下得到,因此模型法局限较大。近几年随着机器学习的兴起,越来越多的数据驱动方法应用到电池寿命预测,如神经网络、支持向量机等,虽然该类方法与前者相比具有不依赖电池使用状况的优点,但是其预测精度却与电池数据紧密相关,也与参数选取有关,虽然有时能得到较为精确地预测值,但是预测结果极不稳定。电池电量衰减过程中伴随着电量再生(capacityregeneration),这是剩余寿命预测不 ...
【技术保护点】
1.一种锂电池剩余寿命预测方法,其特征在于:包括分解阶段和预测阶段;所述分解阶段,是将电池电量序列分解为频率不同的几个微型序列和一个单调序列,前者为本征模函数,后者为残余函数;本征模函数代表电池电量再生现象,而残余函数代表电池电量的衰减趋势;所述预测阶段包括以下两个步骤:步骤1:对分解后的每一个序列都进行单一预测;首先判断序列是否为平稳序列,如若不平稳进行差分直至平稳;之后确定预测模型的阶数及参数,做出单一序列的预测;步骤2:综合预测;将所有的单一预测序列相加,得到电池电量的总体预测序列;将该序列与电池初始电量的80%对比,得到电池的剩余寿命。
【技术特征摘要】
1.一种锂电池剩余寿命预测方法,其特征在于:包括分解阶段和预测阶段;所述分解阶段,是将电池电量序列分解为频率不同的几个微型序列和一个单调序列,前者为本征模函数,后者为残余函数;本征模函数代表电池电量再生现象,而残余函数代表电池电量的衰减趋势;所述预测阶段包括以下两个步骤:步骤1:对分解后的每一个序列都进行单一预测;首先判断序列是否为平稳序列,如若不平稳进行差分直至平稳;之后确定预测模型的阶数及参数,做出单一序列的预测;步骤2:综合预测;将所有的单一预测序列相加,得到电池电量的总体预测序列;将该序列与电池初始电量的80%对比,得到电池的剩余寿命。2.根据权利要求1所述的锂电池剩余寿命预测方法,其特征在于:所述分解阶段,将电池电量序列分解方法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。