基于误差补偿的支持向量机锂电池剩余寿命预测方法技术

本发明专利技术提供一种基于误差补偿的支持向量机锂电池剩余寿命预测方法。该方法的具体流程为：首先，在电池容量的基础上提取了等时间间隔放电电压差健康指标形成混合健康指标。在锂离子电池指标测量的过程中往往包含各种噪声，为减少噪声的影响，使用EEMD算法对锂离子电池数据集进行降噪处理；然后在训练SVR模型的过程中使用PSR算法得出训练集的时延和嵌入维数；最后，误差纠正模型用来减少SVR预测误差，提升RUL的预测精度。通过NASA锂离子电池数据集证明了该方法在RUL预测方面的优越性。

【技术实现步骤摘要】
基于误差补偿的支持向量机锂电池剩余寿命预测方法
本专利技术属于电池
,涉及一种基于误差补偿的支持向量机锂电池剩余寿命预测方法。
技术介绍
电池行业发展到现在，锂离子电池凭借其电压高、能量密度大、自放电速率低、循环寿命长、安全性能好等优点成为研究热点。由于锂电池表现出的各种突出的优点，已被广泛运用到飞机、电动车、手机、笔记本电脑甚至航空航天等领域。但是锂离子电池的性能会随着时间的推移而降低，这将导致电力设备和系统发生故障降低生产效率，情况严重会导致财产损失、人员伤亡。例如:在2013年，几架波音787客机因为锂离子电池故障而起火导致飞机停飞；1999年，电池内部发生故障导致了美国空间实验的失败。所以，准确预测锂离子电池剩余寿命在锂离子电池故障预测和健康管理(PHM)中起到了重要作用，PHM可以使其健康管理功能有自主性，降低人为干预，从而而大大减少成本。PHM技术通过对锂离子电池各项指标进行检测，对锂离子电池状态进行估计，其中剩余寿命性能指标是核心，这大大提高了锂电池的安全性和可靠性。本专利技术采用PSR-SVR-EC算法，首先用EEMD对测量数据进行降噪处理，PSR和误差纠正思想的加入大大提高了SVR的预测精度，对锂电池的剩余寿命实现了精准预测。
技术实现思路
本专利技术的目的是提供一种能准确预测磷酸铁锂电池剩余使用寿命的方法。为了达成上述目的，本专利技术的解决方案为：本专利技术提供一种基于误差补偿的支持向量机锂电池剩余寿命预测方法，其特征在于，包括：步骤一：选取锂电池容量与等时间间隔放电电压差这两个指标作为锂电池健康因子，选定T时刻为预测起始点，即T时刻之前的时间序列为训练集，训练回归模型对T时刻后的电池容量进行预测,步骤二：使用集成经验模态分解EEMD算法对健康因子进行降噪处理，步骤三：在训练支持向量机SVR模型时，利用相空间重构PSR分别得出两个健康因子时间序列的时延和嵌入维数，进行多变量相空间重构，由此定义训练SVR的输入与输出，步骤四：基于误差补偿的SVR模型SVR-EC可以有效减少SVR的预测误差，利用PSR-SVR-EC建立好的模型对T时刻后的电池容量进行预测，如果预测的容量达到了失效阈值，则剩余使用寿命RUL为T时刻到失效阈值点之间的时间。进一步，本专利技术的基于误差补偿的支持向量机锂电池剩余寿命预测方法,还具有这样的特征：选用的锂电池容量数据为:美国国家航空航天局NASA公开数据集，选用NASA数据集中的B0005，B0006，B0007，三组作为实验数据集，对于不同的数据集，选用不同的起始预测点，起始预测点之前的数据作为训练集，训练出回归模型对未来的电池容量进行预测。进一步，本专利技术的基于误差补偿的支持向量机锂电池剩余寿命预测方法,还具有这样的特征：采用C-C方法，进行PSR的过程如下：其中，N为数据长度，m为嵌入维数，r为标准差，t为重构时间延迟，当x＜0时，θ(x)＝0；当x＞0时，θ(x)＝1，点于点之间的距离用矢量之差的无穷范数表示，关联积分属于累积分布函数，表示相空间中任意两点之间距离小于r的概率，定义检验统计量：S(m,N,r,t)＝C(m,N,r,t)-Cm(m,N,r,t)在计算时，需要把时间序列拆分为t个不相交的子序列，t为重构时间延迟，即：采用分块平均策略，计算每个序列的S(m,N,r,t)令N→∞则：局部最大时间间隔取S(m,r,t)穿越零点或对所有的半径r相互差最小的时间点，此时重建相空间中的点最接近均匀分布，选择半径r对应的最小值和最大值，定义差量：ΔS1(m,t)＝max{S1(m,rj,t,N)}-min{S1(m,rj,t,N)}上式度量了ΔS1(m,t)～t对所有半径r的最大偏差，所以最优延迟可取ΔS1(m,t)～t的第一个局部最小点或ΔS1(m,r,t)～t的第一个零点，取m＝2,3,4,5,rj＝iσ/2,i＝1,2,3,4,σ为时间序列的标准差，计算如下：寻找S1_cor(t)的全局最小点即可获得最优延迟时间窗口τω，在C-C方法中，延迟时间窗口、延迟时间与嵌入维数存在定量关系τω＝(m-1)τ，由此可以得出嵌入维数m。进一步，本专利技术的基于误差补偿的支持向量机锂电池剩余寿命预测方法,还具有这样的特征：用上述的C-C方法求出降噪后两个HI的时延和嵌入维数，进行多变量相空间重构，由此定义训练SVR时的输入与输出:其中，选用的SVR核函数为径向基核函数，其具体表达式为：用训练好的模型对未来的电容进行预测，并与之前定义的阈值进行比较，最终估计出锂电池的剩余使用寿命。本专利技术能够对锂电池RUL有较为精准的估计。附图说明图1为本专利技术所使用的三组锂电池对应的容量衰减曲线和失效阈值图。图2为本专利技术所使用的误差纠正思想流程图。图3为本专利技术提出的PSR-SVRER流程图。图4为本专利技术所使用的B05组电池数据预测起始点为100时的结果图。图5为本专利技术所使用的B06组电池数据预测起始点为100时的结果图。图6为本专利技术所使用的B07组电池数据预测起始点为100时的结果图。具体实施方式下面结合附图对本专利技术的技术方案进行详细说明。在三组电池数据上进行的仿真，以验证该算法的有效性。如图3所示，本专利技术首先将获得的NASA数据集进行筛选，相应的选择B0005，B0006，B0007三组作为实验数据集。提取了电池电容、等时间间隔放电电压差两个健康因子，并划分训练集和测试集。对提取的健康因子进行EEMD分解得到IMFs和残差项Res。剔除振动频率大的IMFs,重组剩下的IMFs和残差项Res得到降噪后的健康因子。在训练集，使用C-C方法分别计算出两个降噪后健康因子的时延τ1,τ2和嵌入维数m1,m2，选取τ＝max(τ1,τ2),m＝max(m1,m2)进行多变量相空间重构：定义SVR的训练样本为(Xj,Yj)，X为输入，Y为输出。误差修正思想的过程为：①误差时间序列由训练部分中已知值与预测值做差得到。②得到训练部分中的误差时间序列后使用相空间重构-支持向量回归机的方法建立模型。③利用建立好的模型对测试部分的误差进行预测。④结合初步预测结果与误差预测结果得到最终的电池容量预测值。使用PSR-SVR-EC算法训练的回归模型对未来时刻的电容进行预测，如果预测的容量到达定义阈值时，此时RUL即为预测起始时刻到电池失效阈值点时间，并将所得预测容量值与作为测试集的真实容量数据和降噪数据进行RMSE、MAPE、RUL误差三个指标进行对比，验证该方法的有效性。采用上述方案后，本专利技术通过选取锂电池容量与提取的等时间间隔放电电压差作为锂电池健康因子，利用EEMD对锂电池各项指标测量过程中包含的噪声进行降噪处理；本文档来自技高网...

【技术保护点】
1.基于误差补偿的支持向量机锂电池剩余寿命预测方法，其特征在于，包括：/n步骤一：选取锂电池容量与等时间间隔放电电压差这两个指标作为锂电池健康因子，选定T时刻为预测起始点，即T时刻之前的时间序列为训练集，训练回归模型对T时刻后的电池容量进行预测,/n步骤二：使用集成经验模态分解EEMD算法对健康因子进行降噪处理，/n步骤三：在训练支持向量机SVR模型时，利用相空间重构PSR分别得出两个健康因子时间序列的时延和嵌入维数，进行多变量相空间重构，由此定义训练SVR的输入与输出，/n步骤四：基于误差补偿的SVR模型SVR-EC可以有效减少SVR的预测误差，利用PSR-SVR-EC建立好的模型对T时刻后的电池容量进行预测，如果预测的容量达到了失效阈值，则剩余使用寿命RUL为T时刻到失效阈值点之间的时间。/n

【技术特征摘要】
1.基于误差补偿的支持向量机锂电池剩余寿命预测方法，其特征在于，包括：
步骤一：选取锂电池容量与等时间间隔放电电压差这两个指标作为锂电池健康因子，选定T时刻为预测起始点，即T时刻之前的时间序列为训练集，训练回归模型对T时刻后的电池容量进行预测,
步骤二：使用集成经验模态分解EEMD算法对健康因子进行降噪处理，
步骤三：在训练支持向量机SVR模型时，利用相空间重构PSR分别得出两个健康因子时间序列的时延和嵌入维数，进行多变量相空间重构，由此定义训练SVR的输入与输出，
步骤四：基于误差补偿的SVR模型SVR-EC可以有效减少SVR的预测误差，利用PSR-SVR-EC建立好的模型对T时刻后的电池容量进行预测，如果预测的容量达到了失效阈值，则剩余使用寿命RUL为T时刻到失效阈值点之间的时间。


2.根据权利要求1所述的基于误差补偿的支持向量机锂电池剩余寿命预测方法,其特征在于：
选用的锂电池容量数据为:美国国家航空航天局NASA公开数据集，
选用NASA数据集中的B0005，B0006，B0007，三组作为实验数据集，对于不同的数据集，选用不同的起始预测点，起始预测点之前的数据作为训练集，训练出回归模型对未来的电池容量进行预测。


3.根据权利要求1所述的基于误差补偿的支持向量机锂电池剩余寿命预测方法,其特征在于：
采用C-C方法，进行PSR的过程如下：



其中，N为数据长度，m为嵌入维数，r为标准差，t为重构时间延迟，当x＜0时，θ(x)＝0；当x＞0时，θ(x)＝1，点于点之间的距离用矢量之差的无穷范数表示，关联...

【专利技术属性】
技术研发人员：张永，陈廖格豪，谢林柏，郑英，袁烨，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北;42