基于Visual Studio鋰離子電池剩余壽命的實(shí)現(xiàn)

林甲深 王飛鴻 陳晨

摘? 要：鋰離子電池是新能源汽車的核心部件之一，鋰離子電池的剩余壽命對(duì)新能源汽車的性能和安全至關(guān)重要。目前剩余壽命的預(yù)測(cè)算法主要有物理和化學(xué)分析法、數(shù)據(jù)驅(qū)動(dòng)法和融合方法，其中融合方法是最近幾年預(yù)測(cè)算法的研究熱點(diǎn)，可以融合方法進(jìn)行預(yù)測(cè)。本文通過微軟公司的Visual Studio的Winform和Maple Tech公司的Math.net數(shù)學(xué)計(jì)算包，開發(fā)基于無跡卡爾曼濾波的鋰離子動(dòng)力電池剩余壽命預(yù)測(cè)軟件。

關(guān)鍵詞：鋰離子電池? 剩余壽命預(yù)測(cè)? 無跡卡爾曼濾波? 軟件開發(fā)? 預(yù)測(cè)方法

中圖分類號(hào)：TM912 ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ?文章編號(hào)：1674-098X（2021）01（b）-0049-04

Development of Prediction Software for Residual Life of Lithium Battery by Visual Studio

LIN Jiashen? WANG Feihong? CHEN Chen

（Xiamen Products Quality Supervision & Inspection Institute， Xiamen， Fujian Province， 361004? China）

Abstract： Lithium-ion batteries are one of the core components of new energy vehicles， and the remaining life of lithium-ion batteries is essential to the performance and safety of new energy vehicles. At present， the remaining life prediction algorithms mainly include physical and chemical analysis methods， data-driven methods， and fusion methods. The fusion method is the research hot spot of prediction algorithms in recent years， and the fusion method can be used for prediction. In this paper， the software for predicting the remaining life of lithium-ion power battery based on unscented Kalman filter is developed through the Winform of Microsoft Visual Studio and Math.net of Maple Tech.

Key Words： Lithium-ion batteries; Residual life of lithium battery; UKF; Soft development; Prediction method

伴隨著新能源汽車的大力推進(jìn)，鋰離子電池作為新能源汽車的核心部件迎來了高速的發(fā)展。然而，鋰電池在充放電循環(huán)使用過程中，受自身材料和外界環(huán)境的影響，其容量和壽命將會(huì)不斷衰減。目前，考慮到新能源汽車對(duì)續(xù)航的要求較為嚴(yán)苛，當(dāng)電池容量下降為額定容量的80%時(shí)，電池的性能將無法滿足新能源汽車的供電技術(shù)和續(xù)航等要求，必須進(jìn)行維護(hù)或更換，否則會(huì)給新能源汽車帶來安全隱患。因此，進(jìn)行鋰離子電池剩余壽命的預(yù)測(cè)顯得尤為重要，可以及時(shí)有效的判斷鋰離子蓄電池的工作狀態(tài)，當(dāng)電池剩余壽命較低時(shí)能及時(shí)提醒用戶以避免事故的發(fā)生和最大限度地利用鋰離子電池的剩余容量。

目前鋰離子動(dòng)力電池壽命預(yù)測(cè)主要有以下三種方法：第一，利用物理和化學(xué)機(jī)理分析，對(duì)鋰離子電池可用容量的衰退過程進(jìn)行建模和分析，該方法受限于電池型號(hào)和類型，無法解決預(yù)測(cè)模型適用性問題;第二，利用曲線擬合、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等數(shù)據(jù)驅(qū)動(dòng)方法對(duì)鋰離子電池可用容量衰退過程進(jìn)行建模和分析，該方法過度依賴測(cè)試數(shù)據(jù)，輸出結(jié)果不確定性高;第三，利用基于卡爾曼濾波、粒子濾波等算法的融合方法對(duì)容量退化過程建模分析，卡爾曼濾波算法對(duì)初值敏感，預(yù)測(cè)結(jié)果受初值影響較大，而粒子濾波算法存在融合參數(shù)復(fù)雜，計(jì)算量較大等問題。國(guó)內(nèi)在鋰離子電池剩余壽命預(yù)測(cè)方面的研究相對(duì)研究較少、起步較晚，大都停留在理論研究階段，距離成熟的實(shí)際應(yīng)用還有一定的距離。因此，本文基于無跡卡爾曼濾波算法（UKF）和Visual Studio開發(fā)平臺(tái)，提出了一種鋰離子電池剩余壽命預(yù)測(cè)的實(shí)現(xiàn)方法。

1? 鋰離子電池退化模型

相比于需要考慮內(nèi)部物理化學(xué)結(jié)構(gòu)的等效電路模型和過度依賴數(shù)據(jù)的數(shù)據(jù)驅(qū)動(dòng)模型，基于融合方法的預(yù)測(cè)方法較為簡(jiǎn)單準(zhǔn)確。依靠大量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，歸納出電池壽命和電池參數(shù)之間的數(shù)學(xué)關(guān)系，通過驗(yàn)證，經(jīng)驗(yàn)?zāi)Ｐ凸綄?duì)各類電池都有很好的適應(yīng)性，因此獲得了廣泛的應(yīng)用和研究。

本文選取的電池退化模型是Saha等人根據(jù)實(shí)驗(yàn)數(shù)據(jù)建立的經(jīng)驗(yàn)?zāi)Ｐ停绻剑?）所示。這個(gè)模型在電池壽命的預(yù)測(cè)中等到了廣泛的應(yīng)用，能較準(zhǔn)確的表示電池的退化過程[3-5]。

（1）

其中為鋰離子電池的容量衰減比例，是電池第k個(gè)循環(huán)的放電容量，、是模型待定參數(shù)，是電池在第k和第k+1循環(huán)間的靜置時(shí)間。

考慮到模型待定參數(shù)、受電池的工作環(huán)境和運(yùn)行工況的影響，同時(shí)鋰離子電池的容量又會(huì)受過程噪聲的影響，因此，對(duì)公式（1）進(jìn)行狀態(tài)變化，如公式（2）所示。

（2）

其中，服從正態(tài)分布，且相互獨(dú)立。

通過對(duì)公式（2）進(jìn)行變換，得到鋰離子電池容量退化模型的狀態(tài)方程為：

（3）

其中，

2? 基于UKF算法的鋰離子蓄電池剩余壽命模型

UKF一種非線性濾波算法。通過利用無跡變換在軌跡點(diǎn)附近確定一組采樣點(diǎn)，使這些點(diǎn)的協(xié)方差和均值等于原非線性狀態(tài)方程分布的協(xié)方差和均值;將這些點(diǎn)集帶入非線性方程中，得到相應(yīng)的非線性函數(shù)的點(diǎn)值，這樣得到的非線性變換后的均值和協(xié)方差具有較高的精度[6-7]。

對(duì)于不同時(shí)刻K，由具有高斯白噪聲W（K）的隨機(jī)變量X和具有高斯白噪聲V（K）的觀測(cè)變量Z構(gòu)成的非線性系統(tǒng)如公式（4）所示。

（4）

基于UKF（無極卡爾曼濾波）的鋰離子蓄電池剩余壽命預(yù)測(cè)算法的步驟如下：

（1）利用公式（5）進(jìn)行UT變換，獲得一組采樣點(diǎn);利用公式（6）計(jì)算這些采樣點(diǎn)的權(quán)值。

（5）

其中，表示矩陣方根的第i列

（6）

其中，下標(biāo)M表示均值，C表示協(xié)方差;上標(biāo)i表示第i個(gè)采樣點(diǎn);是待選參數(shù)。

（2）計(jì)算2n+1個(gè)Sigma點(diǎn)集的一步預(yù)測(cè)，i=1，2...，2n+1。

（7）

（3）計(jì)算系統(tǒng)狀態(tài)量的一步預(yù)測(cè)及協(xié)方差矩陣，如公式（8）所示。

（8）

（4）將預(yù)測(cè)值再次UT變換產(chǎn)生新的Sigma點(diǎn)集。

（9）

（5）將上一步（第4步）產(chǎn)生的Sigma點(diǎn)集帶入觀測(cè)方程，計(jì)算生成觀測(cè)值，i=1，2...，2n+1。

（10）

（6）將上一步（第5步）得到的觀測(cè)預(yù)測(cè)值通過公式（11）計(jì)算獲得系統(tǒng)的協(xié)方差和預(yù)測(cè)值。

（11）

（7）計(jì)算卡爾曼增益矩陣。

（12）

（8）最后，計(jì)算系統(tǒng)的狀態(tài)更新和協(xié)方差更新。

（13）

3? 基于Visual Studio的剩余壽命預(yù)測(cè)的實(shí)現(xiàn)

本文采用微軟公司的Visual Studio.NET（C#語(yǔ)言）和Maple Tech公司的Math.NET對(duì)鋰離子電池剩余壽命預(yù)測(cè)系統(tǒng)進(jìn)行應(yīng)用軟件開發(fā)。Math.Net是免費(fèi)的數(shù)值計(jì)算的開源庫(kù)，可以完成復(fù)雜的矩陣計(jì)算，通過利用Math.Net和C#聯(lián)動(dòng)，實(shí)現(xiàn)UKF算法，UKF算法流程見圖1。

本軟件系統(tǒng)，可根據(jù)實(shí)時(shí)輸入鋰電池的充放電參數(shù)信息，運(yùn)用基于無跡卡爾曼濾波的融合方法對(duì)數(shù)據(jù)進(jìn)行分析處理，并以圖表與數(shù)值的方式推算鋰離子電池剩余壽命，通過車輛運(yùn)行或試驗(yàn)實(shí)時(shí)數(shù)據(jù)的補(bǔ)充輸入以及算法的迭代計(jì)算不斷更新剩余壽命預(yù)測(cè)值，實(shí)現(xiàn)鋰離子電池的在線壽命預(yù)測(cè)，剩余壽命預(yù)測(cè)流程如圖2所示。該軟件能實(shí)現(xiàn)功能包括：充放電信息采集、模型參數(shù)設(shè)置、壽命預(yù)測(cè)功能、圖形顯示功能等。

在本軟件中導(dǎo)入NASA實(shí)驗(yàn)室測(cè)量的鋰離子電池循環(huán)壽命數(shù)據(jù)（測(cè)試編號(hào)B0005），模型參數(shù)設(shè)置為8：初始容量參數(shù)為2，容量衰減比例為0.995，為7、 為2.01。分別學(xué)習(xí)60次，80次，預(yù)測(cè)效果如圖3，圖4所示。其中，藍(lán)色的曲線表示鋰離子電池的實(shí)際測(cè)量容量值，紅色的曲線表示經(jīng)過無極卡爾曼濾波后的鋰離子電池容量值。通過對(duì)不同的學(xué)習(xí)次數(shù)的對(duì)比，可以看出，基于無跡卡爾曼濾波算法和Visual Studio開發(fā)的剩余壽命的軟件，對(duì)B0005號(hào)電池的容量衰減過程預(yù)測(cè)具有較強(qiáng)的適應(yīng)性，在不同的學(xué)習(xí)次數(shù)下，都可以較為準(zhǔn)確的預(yù)測(cè)電池的剩余容量的衰減趨勢(shì)。

4? 結(jié)語(yǔ)

有效的壽命預(yù)測(cè)軟件和健康管理系統(tǒng)可以較為準(zhǔn)確的對(duì)鋰離子電剩余壽命進(jìn)行預(yù)測(cè)，可以有效的判斷鋰離子電池的工作狀態(tài)，及時(shí)發(fā)現(xiàn)問題，避免事故的發(fā)生和最大限度地利用鋰離子電池的剩余容量。基于無跡卡爾曼濾波的鋰離子電池剩余壽命預(yù)測(cè)模型，由于引入無跡變換，減小預(yù)測(cè)誤差，能更準(zhǔn)確的預(yù)測(cè)鋰離子電池的剩余壽命。文中，利用Visual Studio開發(fā)預(yù)測(cè)軟件，并通過NASA測(cè)量的鋰離子電池壽命數(shù)據(jù)對(duì)算法和軟件進(jìn)行驗(yàn)證，結(jié)果表明是可行的。考慮到NASA測(cè)量條件是恒溫恒流，但是，在實(shí)際工作環(huán)境中鋰離子電池工作模式多變，工作環(huán)境復(fù)雜，這對(duì)鋰離子電池的容量退化會(huì)造成影響，進(jìn)而對(duì)容量預(yù)測(cè)帶來較大的干擾，這也是鋰離子電池剩余壽命今后需要解決的問題。

參考文獻(xiàn)

[1] 周志興，賈志學(xué)，雷治國(guó).鋰離子電池壽命研究綜述[J].機(jī)電技術(shù)，2019（3）：117-120.

[2] 林婭，陳則王.鋰離子電池剩余壽命預(yù)測(cè)研究綜述[J].電子測(cè)量技術(shù)，2018，41（4）：29-35.

[3] 谷苗， 夏超英， 田聰穎. 基于綜合型卡爾曼濾波的鋰離子電池荷電狀態(tài)估算[J]. 電工技術(shù)學(xué)報(bào)， 2019， 34（2）： 419-426.

[4] ZHANG HENG， MIAO QIANG， ZHANG XIN， et al. An improved unscented particle filter approach for lithium-ion battery remaining useful life prediction[J]. Microelectronics Reliability， 2018， 81： 288-298.

[5] 李練兵，季亮，祝亞尊，等.等效循環(huán)電池組剩余使用壽命預(yù)測(cè)[J].工程科學(xué)學(xué)報(bào)，2020，42（6）：796-802.

[6] 戴海峰，張艷偉，魏學(xué)哲，等.鋰離子電池剩余壽命預(yù)測(cè)研究[J].電源技術(shù)，2019，43（12）：2029-2035.

[7] 林娜，朱武，鄧安全.基于融合方法預(yù)測(cè)鋰離子電池剩余壽命[J].科學(xué)技術(shù)與工程，2020，20（5）：1928-1933.

[8] 朱亮標(biāo).基于數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池剩余壽命預(yù)測(cè)模型及軟件實(shí)現(xiàn)[D].廣州：華南理工大學(xué)，2014.