一种提取锂离子电池退化特征用于估计剩余寿命的方法技术

本发明专利技术公开了一种提取锂离子电池退化特征用于估计剩余寿命的方法，属于锂离子电池领域；具体为：首先，选取NASA预测中心#5锂电池放电循环的电压和温度测试数据；然后，利用电压数据提取n次循环的平均电压衰减MVF；同时，利用电压数据，计算各次循环下对应的放电电压样本熵sampEn；同理，利用温度测试数据计算n次放电的平均温度升高MTR；最后，将每次电池充放电循环中的平均电压衰减，电压样本熵和平均温度升高，作为中间尺度参数特征，输入LSTM神经网络，输出预测的电池容量，用于电池剩余寿命的估计。本发明专利技术提取的中间尺度参数特征，包含了大量的电池老化信息，可以得到更加精确的预测结果，能够更多角度地反应锂离子电池的性能退化过程。化过程。化过程。

【技术实现步骤摘要】
一种提取锂离子电池退化特征用于估计剩余寿命的方法


[0001]本专利技术属于锂离子电池领域，具体是一种提取锂离子电池退化特征用于估计剩余寿命的方法。

技术介绍

[0002]锂离子电池是典型的化学储能元件，也是一个极其复杂难控的强非线性系统。在电池充放电运行过程中，电池内部包含电能、化学能和热能等复杂耦合反应。随着充放电次数的增加，电池容量逐渐下降，同时，电池内部的温度、电流和电压等特征也有相应的变化。电池健康状态特征众多，衰退诱因复杂且随机。
[0003]锂离子电池每用必衰，老化包含日历老化和循环老化。日历老化是指电池在静置过程中会发生自放电反应，容量仍持续缓慢衰减，适宜的环境温度可以延缓日历老化速度；而循环老化则是对应电池充放电过程中，电池内部各环节出现的性能衰退和部件老化等过程。
[0004]锂电池的剩余使用寿命(Remaining Useful Life，RUL)是指在一定的工作条件下，电池从当前时刻开始到输出功率无法满足机器或设备正常工作时，失效阈值(End Of Life，EOL)所经历的充放电循环周期数，常通过电池容量进行表征和估计。
[0005]目前在锂离子退化特征提取方面主要有模型法和数据驱动法。
[0006]模型法通常基于卡尔曼滤波、粒子滤波等自适应方法，辨识半经验式电池模型参数，如等效电阻、电容和固相扩散时间等。很明显，这类特征均属于短时间尺度特征，利于实时估计更新预测结果，但敏感易变。同时电池模型参数随电池老化的规律不具有通用性，不同厂家或不同类锂离子电池可能表现出不同的特性，如多类锂离子电池在老化过程中内阻并非单调增加。因此，当基于这类特征估计长时间尺度参数时，会导致方法稳定性变差，如一个充放电循环内不同时刻的容量估计结果可能波动很大。
[0007]数据驱动法一般运用统计学和机器学习等工具，基于大量离线数据建立输入与输出之间的关系模型，所挖掘的电池老化特征主要为电压曲线变化、容量增量(Incremental Capacity，IC)、恒压充电时间等，介于长时间尺度(容量)和短时间尺度(模型参数)之间的参数，这类参数被称为中间尺度参数。通过扩充数据的丰富程度可以有效描述不同环境与工况条件下的电池老化特征。例如电池容量增量实质上是在描述一段电压变化范围内的电量变化，而每个单位电压区间内的电量变化所连成的曲线，即IC曲线内蕴含了大量电池老化信息。仅用高斯滤波后的IC曲线峰值坐标与电池健康状态SOH进行线性拟合，就可以构建电池单体的SOH估计方法，计算简单且精度较高。
[0008]近年来，锂离子电池呈现出更高能量密度、更快充电速度和更低成本的发展趋势，这使得电池剩余使用寿命的准确估计面临更大的危机，电池故障率提高，安全事故频发，严重威胁人身安全。电池剩余容量通常用作电池健康的指示器，用于量化和预测电池的剩余使用寿命。然而由于未完全充电和放电的条件以及极其昂贵的成本，很难实现锂离子电池性能退化的实时在线测量。
[0009]因此迫切需要找到一种可以在线使用的量化锂离子电池退化的可选方法，以取代容量和内阻的复杂测量和监测。

技术实现思路

[0010]针对上述问题，为了进一步提高锂离子电池剩余使用寿命的估计精度，本专利技术提出一种提取锂离子电池退化特征用于估计剩余寿命的方法，提取的退化特征属于中间尺度特征，本身包含了电池在一段时间内的大量运行信息，与电池容量有直接的相关关系，因此基于中间时间尺度参数建立的剩余寿命估计的预测模型将会更加稳定，具有更高的准确性。
[0011]所述的提取锂离子电池退化特征用于估计剩余寿命的方法，具体步骤如下：
[0012]步骤一、基于NASA预测中心的锂离子电池试验数据集，从中选取#5锂电池放电循环的电压数据和温度测试数据；
[0013]试验数据集包括：充电、放电和阻抗的数据；
[0014]步骤二、针对n次电池充放电循环，利用电压数据提取每次循环的平均电压衰减MVF，来量化充放电循环中的电池容量衰减；
[0015]针对第i次循环下的平均电压衰减MVF
i
，计算公式为：
[0016][0017]J为当前次循环下，在定义时间范围内具有等时间间隔的电压个数，V
j
是当前次循环下，规定时间范围内的第j个电压，V
r
是额定电压；
[0018]n次循环对应的平均电压衰减MVF集合为：MVF＝{MVF1,MVF2,
…
,MVF
i
,
…
,MVF
n
}；
[0019]步骤三、利用电压数据，计算各次电池充放电循环下对应的放电电压样本熵sampEn；
[0020]针对第i次循环下的样本熵定义为：
[0021][0022]m是第i次循环中的放电电压序列长度，r是相似阈值的大小，N是当前次循环下放电电压的个数，表示第i次循环下两个序列匹配m个点的概率；表示第i次循环下两个序列匹配m+1个点的概率；
[0023]其中：
[0024][0025][0026]其中，W
im+1
是第i次循环下满足距离d
i,m+1
[x
i,m+1
(α),x
i,m+1
(β)]≤r的数；V
im
是第i次循环下满足距离d
i,m
[x
i,m
(α),x
i,m
(β)]≤r的数；d
i,m
[x
i,m
(α),x
i,m
(β)]为两个向量之间的距离，表达式为：
[0027]d
i,m
[x
i,m
(α),x
i,m
(β)]＝max[x
i,m
(α+k)
‑
x
i,m
(β+k)]；0≤k≤m
[0028]其中α＝1,2,...,N
‑
m+1；α≠β，β表示当前第i次循环中，第α个数到第β个数之间的距离小于r；对于形成N
‑
m+1的矢量x
i,m
(γ)表示为：x
i,m
(γ)＝[x
i
(γ),x
i
(γ+1),...,x
i
(γ+m
‑
1)]，γ＝1,2,...,N
‑
m；
[0029]最终，统计估计方法计算的第i次循环下的样本熵为：
[0030][0031]样本熵的计算过程中选定参数m＝1，r＝0.1
·
std(x
i
(N
i
))；
[0032]最终所有样本熵sampEn集合为：sampEn＝{sampEn1,sampEn2,
…
,sampEn
i
,...,sampEn
n
}；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提取锂离子电池退化特征用于估计剩余寿命的方法，其特征在于，具体包括：首先、基于NASA预测中心的锂离子电池试验数据集，从中选取#5锂电池放电循环的电压数据和温度测试数据；然后、针对n次电池充放电循环，利用电压数据提取每次循环的平均电压衰减MVF，来量化充放电循环中的电池容量衰减；进一步，利用电压数据，计算各次电池充放电循环下对应的放电电压样本熵sampEn；同理、针对n次电池充放电循环，利用温度测试数据计算每次放电的平均温度升高MTR，来量化充放电过程中的电池容量衰减；最后、将每次电池充放电循环中的平均电压衰减，电压样本熵和平均温度升高，作为中间尺度参数特征，输入LSTM神经网络，输出预测的电池容量，用于电池剩余寿命的估计。2.如权利要求1所述的一种提取锂离子电池退化特征用于估计剩余寿命的方法，其特征在于，所述试验数据集包括：充电、放电和阻抗的数据。3.如权利要求1所述的一种提取锂离子电池退化特征用于估计剩余寿命的方法，其特征在于，所述n次循环对应的平均电压衰减MVF集合为：MVF＝{MVF1,MVF2,
…
,MVF
i
,
…
,MVF
n
}针对第i次循环下的平均电压衰减MVF
i
，计算公式为：J为当前次循环下，在定义时间范围内具有等时间间隔的电压个数，V
j
是当前次循环下，规定时间范围内的第j个电压，V
r
是额定电压。4.如权利要求1所述的一种提取锂离子电池退化特征用于估计剩余寿命的方法，其特征在于，所述样本熵sampEn集合为：sampEn＝{sampEn1,sampEn2,
…
,sampEn
i
,...,sampEn
n
}；针对第i次循环下的样本熵定义为：m是第i次循环中的放电电压序列长度，r是相似阈值的大小，N是当前次循环下放电电压的个数，表示第i次循环下两个序列匹配m个点的概率；表示第i次循环下两个序列匹配m+1个点的概率；其中：其中：其中，W
im+1
是第i次循环下满足距离d
i,m+1
[x
i,m+1
(α),x
i,m+1
(β)]≤r的数；V
im
是第i次循环下满足距离d
i,m
[x
i,...

【专利技术属性】
技术研发人员：崔晓玉，赵峙尧，何卓昀，许继平，于家斌，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：