【技术实现步骤摘要】
一种基于RVM与PF算法融合的电池剩余使用寿命预测方法
[0001]本专利技术涉及电池领域,尤其涉及一种基于RVM与PF算法融合的电池剩余使用寿命预测方法。
技术介绍
[0002]本部分的陈述仅仅是提供了与本公开相关的的
技术介绍
信息,不必然构成在先技术。
[0003]锂离子电池被广泛应用在各种电子产品、储能装置、电动汽车以及航空航天等诸多领域,对新能源的发展以及新技术的兴起具有重要的作用。在实际应用中锂离子电池受其内部不可逆的物理、化学反应以及复杂的工况条件等因素的影响,其性能逐渐退化,严重影响系统运行的可靠性,作为各种电子系统的核心器件,在大多数情况下,锂离子电池性能退化或损坏是系统发生故障或失效的主要原因。
[0004]利用锂离子电池的早期循环数据对电池RUL进行准确预测,将为锂离子电池的使用和优化带来新的机遇。例如,电池制造商可以加速电池的研发周期,执行新的制造过程的快速验证,并根据预测的电池寿命对新电池做出分级;同时,对于用户来说,可以对锂离子电池的寿命退化趋势做出快速准确的预测,以便在电池寿命终止前及时对锂离子电池进行维护更换,可以降低系统故障发生的概率。对锂离子电池的剩余使用寿命做出快速准确的预测具有广泛的用途,但由于电池内外部等各种不确定性因素的影响,造成了锂离子电池老化趋势的非线性和不确定性。
[0005]锂离子电池剩余使用寿命预测主要是通过电池当前的老化状态来估计其剩余容量达到寿命结束点所需要的充放电周期数。目前,锂离子电池剩余使用寿命预测方法主要分为基于机理模型、数据驱动以 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于RVM与PF算法融合的电池剩余使用寿命预测方法,其特征在于,包括:S1:选取电池数据集,提取两组电池容量退化数据Q_train和Q_test;S2:初始化相关向量机参数,利用相关向量机对电池容量退化数据进行训练,利用迭代估计法计算相关参数;S3:提取电池容量退化数据中的相关向量;S4:利用相关向量拟合电池容量退化趋势,并得到状态空间模型的状态方程和观测方程;S5:初始化粒子滤波算法的相关参数,初始化粒子集;S6:将k
‑
1时刻的粒子分布x
k
‑1,代入状态转移方程,得到k时刻预测的粒子分布预测粒子代入观测方程得到预测值,将预测值与实际观测值进行比较来对所有的粒子进行评价,得出每个粒子的权重,根据粒子权重的大小进行重要性重采样,得到k时刻状态变量的真实分布x
k
,将真实分布x
k
带入到状态转移方程中,进行下一轮滤波;S7:当粒子滤波循环到达预测起始点时,迭代结束,对预测起始点之后的电池容量进行预测;S8:判断电池容量是否达到电池寿命结束的阈值,若达到阈值,则记录此时的电池充放电循环周期数,并计算剩余使用寿命。2.根据权利要求1所述的一种基于RVM与PF算法融合的电池剩余使用寿命预测方法,其特征在于,所述初始化相关向量机参数包括:给定训练数据集相关向量机表达如下:y=Φ
·
ω+ε;其中:ω=(ω0,
…
,ω
N
)
T
为相关向量机的权值;Φ=[φ1,φ2,
…
,φ
N
]
T
为核函数矩阵;φ
i
(x
i
)=[1,K(x
i
,x1),
…
,K(x
i
,x
N
)],i=1,2,
…
,N;K(x
i
,x
j
技术研发人员:郑伟彦,吴靖,陈佩军,金明,蒋燕萍,徐良荣,王志明,
申请(专利权)人:国网浙江省电力有限公司杭州供电公司,
类型:发明
国别省市:
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。