Aiming at the problems of great difficulty and high redundancy in measuring the remaining life prediction health indexes of lithium ion batteries, the present invention proposes a method and system for predicting the remaining life of lithium ion batteries based on PCA_NARX neural network. The method includes: 1) analyzing the variation of constant current discharge voltage of lithium-ion batteries in different discharge cycles, extracting the parameters reflecting the degradation of battery performance; 2) verifying the correlation between the parameters extracted and the capacity of lithium-ion batteries, and removing the redundancy of the parameters by PCA algorithm. The remaining principal components are used as the health indicators of lithium-ion batteries; 3) The health indicators of lithium-ion batteries are input into NARX neural network to estimate the capacity of lithium-ion batteries and predict the remaining service life. The experimental results show that the method has high prediction accuracy and can be used to accurately predict the remaining service life of lithium ion batteries.
【技术实现步骤摘要】
基于PCA-NARX神经网络的锂离子电池剩余使用寿命预测方法和系统
本专利技术属于锂离子电池
,具体涉及一种基于PCA-NARX神经网络的锂离子电池剩余使用寿命预测方法和系统。
技术介绍
锂离子电池是一种理想供电能源,以其高密度、寿命长、无污染等优势,成为目前多数主流系统装置的能量供应组件。但在实际应用中,由于受到温度变化、过充、过放等影响,电池往往不能达到预期的寿命值。由电池性能退化引发的安全问题对人们的人身、财产安全产生了极大威胁。准确估计锂离子电池健康状况(StateofHealth,SOH)并预测其剩余使用寿命(RemainingUsefulLife,RUL),对锂离子电池管理和维护、预防危险事故发生等具有重要价值。锂离子电池的剩余使用寿命即RUL,指的是容量退化到不可接受水平之前剩余的可用服务时间,可定义为(WuJ,ZhangC,ChenZ.Anonlinemethodforlithium-ionbatteryremainingusefullifeestimationusingimportancesamplingandneuralnetworks[J].AppliedEnergy,2016,173:134-140.):NRUL=NEOL-NECL(1)其中NRUL表示电池RUL,即电池剩余充放电循环次数;NEOL为当电池实际容量退化到不可接受水平时对应的电池充放电循环次数;NECL表示当前电池的循环充放电次数。目前,对锂离子电池进行RUL预测的方法主要有两类:基于模型预测和基于数据驱动预测。基于模型预测的方法难点在于电池机理模型结构复杂,很 ...
【技术保护点】
1.一种基于PCA‑NARX神经网络的锂离子电池剩余使用寿命预测方法,其特征在于,包括以下步骤:1)分析锂离子电池在不同放电周期的恒流放电电压变化规律,提取出能反映电池性能退化的参数;2)验证所提取的参数之间、所提取的参数与锂离子电池容量之间的相关性,并利用PCA算法去除参数的冗余,将去除冗余后得到的主成分作为锂离子电池的健康指标;3)将得到的锂离子电池的健康指标输入NARX神经网络,进行锂离子电池容量估计和剩余使用寿命预测。
【技术特征摘要】
1.一种基于PCA-NARX神经网络的锂离子电池剩余使用寿命预测方法,其特征在于,包括以下步骤:1)分析锂离子电池在不同放电周期的恒流放电电压变化规律,提取出能反映电池性能退化的参数;2)验证所提取的参数之间、所提取的参数与锂离子电池容量之间的相关性,并利用PCA算法去除参数的冗余,将去除冗余后得到的主成分作为锂离子电池的健康指标;3)将得到的锂离子电池的健康指标输入NARX神经网络,进行锂离子电池容量估计和剩余使用寿命预测。2.根据权利要求1所述的方法,其特征在于,步骤1)所述参数包括:电压初始骤降幅值、平台放电时长、平台电压变化率、欧姆内阻、平均温度、放电能量、放电深度、放电功率。3.根据权利要求1所述的方法,其特征在于,所述平台放电时长表示为:tdis_plat(i)=tend(i)-tstart(i)i=1,2…n,…,其中,tdis_plat(i)为第i个放电周期平台期放电时长;tend(i)为对应平台期的结束时刻;tstart(i)为对应平台期的起始时刻;所述平台电压变化率表示为:Rv(i)=Vde(i)/tdis_plat(i)i=1,2…n,…,其中,Rv(i)表示第i个放电周期平台期电压变化率;Vde(i)是第i个平台期电压降。4.根据权利要求1所述的方法,其特征在于,步骤2)通过计算Spearman秩相关系数和假设检验验证所提取的参数之间、所提取的参数与锂离子电池容量之间的相关性。5.根据权利要求1至4中任一权利要求所述...
【专利技术属性】
技术研发人员:庞晓琼,王竹晴,曾建潮,贾建芳,史元浩,温杰,
申请(专利权)人:中北大学,
类型:发明
国别省市:山西,14
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。