鋰電池健康度和剩余壽命預測算法研究

晉殿衛，顧則宇，張志宏

鋰電池健康度和剩余壽命預測算法研究

晉殿衛1，顧則宇2，張志宏2

(1.國網陜西省電力公司信息通信公司，陜西 西安 710005；2.廈門大學信息學院，福建 廈門 361005)

為了實現鋰電池健康狀態檢測和電池故障診斷，在電池全生命周期退化數據基礎上，分別使用容量增量分析和差分電壓分析法進行特征提取，使用皮爾遜相關系數對健康因子進行相關性分析，并將其輸入到人工神經網絡用于電池健康狀態(state of health, SOH)預測。針對電池容量非線性的退化特性以及局部重生現象，使用雙指數函數對其進行建模。同時結合粒子濾波算法對模型參數進行估計，實現電池剩余使用壽命(remaining useful life, RUL)的概率密度預測。實驗結果表明所提出的方法能夠實現SOH的精準預測和RUL的不確定性估計。

剩余使用壽命；電池狀態檢測；故障診斷；人工神經網絡；粒子濾波

0 引言

隨著全球變暖和傳統能源危機，新能源已全面走進人們的生產生活。鋰電池因具有低成本、高能量密度和循環壽命長等優勢，已被廣泛應用在電子設備和電動汽車等領域，但其安全性與可靠性一直是備受關注的問題[1]。

隨著不斷的充放電循環，電池健康狀態出現下降，老化的電池會引發相應的安全問題。為防止電池過度充電和放電，并延長鋰離子電池系統的使用壽命，亟需提出有效的電池管理系統[2]。電池管理系統可以對電池的健康狀況進行檢測。電池健康狀態(state of health, SOH)指標經常被用來描述老化電池與新電池之間的差異[3]，影響電池SOH的因素包括溫度、放電深度和充電速率等，但這些指標不能直接表征電池的性能退化程度，并且這些指標對于在線檢測存在一定困難[4]。……