一种基于迭代学习的锂电池老化速率估计方法技术

本发明专利技术涉及一种基于迭代学习的锂电池老化速率估计方法，属于电池管理技术领域。该方法包括以下几个步骤：S1：基于布朗运动对锂电池的老化行为进行建模；S2：对各参数进行分解，模拟运动的非线性过程；S3：构造电池老化行为的状态空间方程；S4：依据历史数据和当前数据对锂电池的容量和寿命进行在线估计。本发明专利技术具有不依赖具体模型、高精度、高可靠性的优势。本发明专利技术解决了当前锂电池容量和寿命衰减呈强耦合、非线性而致其在数学上进行精确建模十分困难的问题。

【技术实现步骤摘要】
一种基于迭代学习的锂电池老化速率估计方法
本专利技术属于电池管理
，涉及一种基于迭代学习的锂电池老化速率估计方法。
技术介绍
锂电池作为一种清洁、高效的储能介质，具有能量密度高、额定电压高、质量轻等优势，被广泛应用于水力、火力、风力和太阳能电站等电力储能系统以及用作邮电通讯中的不间断电源、电动汽车等领域，得到了越来越多的关注和重视。但是，锂电池的发展过程中也存在一些问题，其典型问题就是锂电池的容量和寿命会随着使用时间的推移而衰减。锂电池老化速率对于其控制、保养、维护、使用有着重要的意义。然而老化速率是不能直接测量的，只能通过估计的方式来间接测量。其估计过程存在的主要问题在于：锂电池容量和寿命的衰减呈强耦合、非线性的特征；锂电池动力系统在数学上进行精确建模十分困难。每个具体的电池，其模型参数往往存在较大差异，因此需要一种对模型精度要求不高方法。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于迭代学习的锂电池老化速率估计方法。为达到上述目的，本专利技术提供如下技术方案：一种基于迭代学习的锂电池老化速率估计方法，该方法包括以下步骤：S1：建立锂电池老化行为模型；S2：建立基于布朗运动的锂电池老化状态方程；S3：构造电池老化行为的状态空间方程，在经过不断的迭代后，对电池的剩余寿命做出估计。可选的，所述S1具体为：锂电池老化行为模型为yt＝xt+vt＝λtt+σBBt+vt，其中yt表示包含测量噪声，xt为准确电池容量衰减百分比，vt的电池容量衰减百分比，vt～N(0，Qv)，λt为漂移参数表示t时刻电池的老化速率，表示由老化应力引起的老化速度的确定性部分，σB为尺度参数常值，表示由老化应力波动引起的老化速度随机性部分。可选的，所述S2具体为：基于布朗运动的锂电池老化状态方程表达为：其中，表示第i次迭代估计计算得到的电池老化速率，ηi-1～N(0，Qn)为高斯噪声，表示第i次迭代对真实测量值的估计，模拟非线性布朗运动，基于布朗运动的锂电池老化状态方程变形为：可选的，所述S3具体为：构造电池老化行为的状态空间方程为：其中，zi＝[xi,λi]T，C＝[1,0]，wi＝[σBBi-1ηi-1]T，t∈[0,Ti]，Ti为迭代学习流程中的迭代周期，即锂电池工作的充放电周期，随着电池的老化，电池容量衰减，充放电周期也随之缩短，老化速率与电池容量的衰减率相关，通过第i次迭代学习后的老化速率值来计算此时电池的容量，从而估计电池的充放电周期Ti，即下一次循环的迭代周期，在经过不断的迭代后，对电池的剩余寿命做出估计。本专利技术的有益效果在于：本专利技术基于迭代学习的锂电池老化速率估计方法旨在改进当前技术中电池老化及剩余寿命估计计算量大、经济成本高的不足。本专利技术相较于传统的自适应估计、滑模估计需要满足严格正实(SPR)条件的前提，其在实际运行系统中有更高的精度和可靠性。本专利技术在实际应用的运行系统中具有不依赖具体、精确的数学模型的优势。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：图1为迭代学习系统工作控制框图；图2为估计系统实施流程图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利技术的限制；为了更好地说明本专利技术的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。本专利技术实施例的附图中相同或相似的标号对应相同或相似的部件；在本专利技术的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利技术的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。如图1所示，迭代学习系统工作控制框图包括迭代学习控制器、被控对象、存储器三个单元，实施方式流程如图2所示。一种基于迭代学习的锂电池老化速率估计方法，包括基于布朗运动的老化模型建立，各参数的表示，状态空间方程表达式的构造，将老化建模问题转化为依据历史数据和当前数据的在线估计。进一步的，锂电池的老化行为可以建立如下模型：yt＝xt+vt，yt表示包含测量噪声vt的电池容量衰减百分比，vt～N(0，Qv)，xt为准确电池容量衰减百分比。进一步的，xt+vt＝λtt+σBBt+vt。其中，λt为漂移参数表示t时刻电池的老化速率，表示由老化应力引起的老化速度的确定性部分。σB为尺度参数，通常是一个确定性常值，表示由老化应力波动引起的老化速度随机性部分。进一步的，基于布朗运动的老化建模问题可以转化为依据历史老化数据和当前老化数据在线估计λt。因此，基于布朗运动的锂电池老化状态方程表达为：其中，表示第i次迭代估计计算得到的电池老化速率，ηi-1～N(0，Qn)为高斯噪声。表示第i次迭代对真实测量值的估计。进一步的，K(τ,θ)表示θ的非线性函数，模拟非线性布朗运动。在本方法中，因此，上述基于布朗运动的锂电池老化状态方程又可表达为如下：进一步的，构造电池老化行为的状态空间方程：其中，zi＝[xi,λi]T，C＝[1,0]，wi＝[σBBi-1ηi-1]T在模型中，t∈[0,Ti]，其中Ti为迭代学习流程中的迭代周期，即锂电池工作的充放电周期。随着电池的老化，电池容量衰减，充放电周期也随之缩短。老化速率与电池容量的衰减率相关，因此可通过第i次迭代学习后的老化速率值来计算此时电池的容量，从而估计电池的充放电周期Ti，即下一次循环的迭代周期。进一步的，在经过不断的迭代后，可以对电池的剩余寿命做出估计。各参数配置及具体工作如下：①设置迭代参数i＝1，设定期望轨迹λd(t)和初始控制量u1(t)＝0，t本文档来自技高网...

【技术保护点】
1.一种基于迭代学习的锂电池老化速率估计方法，其特征在于：该方法包括以下步骤：/nS1：建立锂电池老化行为模型；/nS2：建立基于布朗运动的锂电池老化状态方程；/nS3：构造电池老化行为的状态空间方程，在经过不断的迭代后，对电池的剩余寿命做出估计。/n

【技术特征摘要】
1.一种基于迭代学习的锂电池老化速率估计方法，其特征在于：该方法包括以下步骤：
S1：建立锂电池老化行为模型；
S2：建立基于布朗运动的锂电池老化状态方程；
S3：构造电池老化行为的状态空间方程，在经过不断的迭代后，对电池的剩余寿命做出估计。


2.根据权利要求1所述的一种基于迭代学习的锂电池老化速率估计方法，其特征在于：所述S1具体为：
锂电池老化行为模型为yt＝xt+vt＝λtt+σBBt+vt，其中yt表示包含测量噪声，xt为准确电池容量衰减百分比，vt的电池容量衰减百分比，vt～N(0，Qv)，λt为漂移参数表示t时刻电池的老化速率，表示由老化应力引起的老化速度的确定性部分，σB为尺度参数常值，表示由老化应力波动引起的老化速度随机性部分。


3.根据权利要求1所述的一种基于迭代学习的锂电池老化速率估计方法，其特征在于：所述S2具体为：
基于布朗运动的...

【专利技术属性】
技术研发人员：魏善碧，丁宝苍，王辉阳，余笑，吴睿，王昱，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50