本發(fā)明涉及一種計(jì)及隨機(jī)變電流的鋰電池退化建模及壽命預(yù)測(cè)方法。

背景技術(shù)：

全球能源和環(huán)境系統(tǒng)面臨巨大的挑戰(zhàn)，電動(dòng)汽車以其綠色環(huán)保的優(yōu)勢(shì)成為目前世界各國(guó)研究的熱點(diǎn)?！吨袊?guó)制造2025》中提出“節(jié)能與新能源汽車”作為未來重點(diǎn)發(fā)展領(lǐng)域，明確了“繼續(xù)支持電動(dòng)汽車”的發(fā)展戰(zhàn)略。當(dāng)前制約電動(dòng)汽車發(fā)展的關(guān)鍵是動(dòng)力電池(在成本中占比高達(dá)30％)。鋰電池以其性能優(yōu)良、體積小、重量輕及環(huán)境污染小等獨(dú)特的優(yōu)勢(shì)成為電動(dòng)汽車動(dòng)力電池的理想選擇。但鋰電池的安全性、可靠性依舊是電動(dòng)汽車發(fā)展的瓶頸問題。電動(dòng)汽車在戶外露天行駛，隨機(jī)的路面狀況、環(huán)境溫度、負(fù)載變化直接影響鋰電池的性能退化，若不能及時(shí)評(píng)估當(dāng)前狀態(tài)并預(yù)計(jì)未來的狀態(tài)，可能引發(fā)自燃、爆炸等事故。如，2011年4月11日，眾泰純電動(dòng)車由于電池退化(漏液、絕緣受損以及局部短路)，未能及時(shí)發(fā)現(xiàn)，多次重復(fù)使用，隱患顯現(xiàn)，引發(fā)自燃；2011年5月12日，美國(guó)NHTSA對(duì)通用汽車沃藍(lán)達(dá)進(jìn)行了側(cè)面碰撞測(cè)試，由于電池受到很大沖擊力，造成電池退化，三周之后，沃藍(lán)達(dá)的鋰電池組溫度急劇升高而引發(fā)自燃，火勢(shì)殃及附近其他車輛；2016年1月1日，挪威一輛2014年產(chǎn)的Model S在快速充電站充電時(shí)突然起火。為了避免由于車用鋰電池退化引發(fā)的災(zāi)難性事故，開展車用鋰電池性能退化規(guī)律建模及剩余壽命預(yù)測(cè)研究，對(duì)實(shí)現(xiàn)鋰電池的預(yù)測(cè)性維護(hù)，提高電動(dòng)汽車的安全性具有重要意義。

車用鋰電池退化是動(dòng)態(tài)、時(shí)變的非線性電化學(xué)過程，構(gòu)建準(zhǔn)確的機(jī)理模型涉及大量參數(shù)，計(jì)算復(fù)雜，且不能全面考慮影響因素(振動(dòng)、溫度、負(fù)載等)，難以在工程中應(yīng)用。同時(shí)，得益于傳感技術(shù)、人工智能等技術(shù)的不斷發(fā)展與應(yīng)用，電動(dòng)汽車備有的數(shù)據(jù)采集系統(tǒng)，可實(shí)時(shí)采集鋰電池充放電的電壓、電流、用時(shí)等反應(yīng)鋰電池健康狀態(tài)的信息及環(huán)境溫度，從而獲得鋰電池性能退化數(shù)據(jù)，進(jìn)而利用退化數(shù)據(jù)及環(huán)境信息來構(gòu)建退化模型、預(yù)測(cè)剩余壽命。因此，對(duì)于這類復(fù)雜的過程(系統(tǒng))，基于數(shù)據(jù)驅(qū)動(dòng)的鋰電池剩余壽命預(yù)測(cè)方法已經(jīng)逐步成為故障預(yù)測(cè)與健康管理領(lǐng)域的研究熱點(diǎn)，并且在近年來已獲得大量研究成果。如針對(duì)工作環(huán)境溫度固定、放電電流恒定、連續(xù)充放電的鋰電池，剩余壽命預(yù)測(cè)理論和方法已經(jīng)發(fā)展的較為成熟。然而，車用鋰電池在實(shí)際運(yùn)行過程中遠(yuǎn)比這復(fù)雜，如，電動(dòng)汽車在戶外露天行駛，車用鋰電池常受到時(shí)變環(huán)境溫度的影響(如天氣變化、自身運(yùn)行發(fā)熱的影響等)，溫度過高或過低都會(huì)加快電池性能的衰退；從車輛行為出發(fā),車輛加速、減速過程具有隨機(jī)性，這需要鋰電池輸出電流相應(yīng)隨機(jī)變化，不同放電電流影響電池的退化率；另外，放電是非連續(xù)過程，普遍存在“自愈”現(xiàn)象，即當(dāng)電池靜置時(shí)，原不可用容量部分有所恢復(fù)，這有利于延長(zhǎng)鋰電池壽命。而現(xiàn)有的方法不能很好地涵蓋這些實(shí)際問題，這些問題恰是實(shí)現(xiàn)電動(dòng)汽車健康狀態(tài)預(yù)測(cè)與管理的關(guān)鍵技術(shù)問題。綜上可見，車用鋰電池有別于傳統(tǒng)問題的新特點(diǎn)：時(shí)變環(huán)境溫度影響、隨機(jī)變電流、自愈特征等，這些特點(diǎn)使得現(xiàn)有剩余壽命預(yù)測(cè)理論與方法在車用鋰電池中不再適用。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種通過對(duì)車用鋰電池性能退化規(guī)律建模及剩余壽命預(yù)測(cè)，可以實(shí)現(xiàn)鋰電池的預(yù)測(cè)性維護(hù)，提高電動(dòng)汽車的安全性的鋰電池退化建模及壽命預(yù)測(cè)方法。

為解決上述問題，本發(fā)明采用如下技術(shù)方案：

一種計(jì)及隨機(jī)變電流的鋰電池退化建模及壽命預(yù)測(cè)方法，包括以下步驟：

1)隨機(jī)變電流現(xiàn)象及對(duì)車用鋰電池退化影響數(shù)學(xué)描述：放電電流直接影響鋰電池電池循環(huán)壽命,恒定電流放電時(shí)，鋰電池退化率可視為線性函數(shù)；當(dāng)電流隨機(jī)變化時(shí)，電池退化率將表現(xiàn)為非線性函數(shù)；對(duì)車用鋰電池而言，電流的變化和車速相對(duì)應(yīng)，車速不僅受道路、車輛等一些可確定因素制約，也會(huì)受一些隨機(jī)因素作用，因此車速看作是服從于某種概率分布的隨機(jī)現(xiàn)象；在鄉(xiāng)村公路和高速公路上，運(yùn)行車速一般呈正態(tài)分布，同時(shí)，我國(guó)關(guān)于車速的研究也假定其呈正態(tài)分布，為此，本研究擬考慮隨機(jī)電流的變化以正態(tài)分布來描述，然后，再構(gòu)建帶有正態(tài)隨機(jī)效應(yīng)的退化模型來研究剩余壽命預(yù)測(cè)問題；

2)考慮隨機(jī)變電流影響的車用鋰電池的退化建模：由步驟1)分析，考慮隨機(jī)變電流影響的車用鋰電池退化模型，擬采用具有正態(tài)隨機(jī)效應(yīng)影響的隨機(jī)過程描述：

$X\left(t\right)=x_0+\mathrm{\κ}{\∫}_0^{t}v(t;\mathrm{\θ})dt+\mathrm{\σ}W\left(t\right)$

以上模型表示退化率ν受到服從正態(tài)分布影響的一類退化模型，其中，W(t)為布朗運(yùn)動(dòng)，κ表示隨機(jī)變電流影響的隨機(jī)量，它服從正態(tài)分布，即其中μ_i和隨機(jī)電流大小有關(guān)，退變量X_0:k＝{x₀,x₁,…x_m}可通過監(jiān)測(cè)車用鋰電池退化性能參數(shù)計(jì)算獲得，假設(shè)當(dāng)前時(shí)刻為n，當(dāng)前性能退化量為x_n，則電池剩余壽命即x_nx_n到達(dá)閾值的首達(dá)時(shí)間，可看成是布朗運(yùn)動(dòng)W(t)首次到達(dá)的時(shí)間，

其中，

根據(jù)首達(dá)時(shí)間，可以求得剩余壽命的概率密度函數(shù)f_L(t)及剩余壽命累積分布函數(shù)F_L(t)，并利用布朗運(yùn)動(dòng)性質(zhì)求解；

3)退化模型參數(shù)估計(jì)：為實(shí)現(xiàn)剩余壽命累積分布函數(shù)模型中的參數(shù)估計(jì)，先構(gòu)建描述退化的演變過程的狀態(tài)空間模型，然后，在貝葉斯理論的框架下，擬采用MCMC方法中的自適應(yīng)Metropolis抽樣算法對(duì)退化模型參數(shù)估計(jì)，驗(yàn)參數(shù)的協(xié)方差矩陣來估算參數(shù)分布，后驗(yàn)參數(shù)的協(xié)方差矩陣在每一次迭代后自適應(yīng)地調(diào)整；

4)退化模型參數(shù)更新和剩余壽命預(yù)測(cè)：當(dāng)獲得新的退化數(shù)據(jù)時(shí)，根據(jù)貝葉斯濾波方法結(jié)合新增退化數(shù)據(jù)實(shí)時(shí)更新模型參數(shù)，求取隨機(jī)過程首達(dá)時(shí)間，然后將估計(jì)參數(shù)帶入到剩余壽命累積分布函數(shù)中，即可實(shí)現(xiàn)剩余壽命的預(yù)測(cè)。

本發(fā)明的有益效果為：通過對(duì)車用鋰電池性能退化規(guī)律建模及剩余壽命預(yù)測(cè)研究，實(shí)現(xiàn)鋰電池的預(yù)測(cè)性維護(hù)，提高電動(dòng)汽車的安全性。

具體實(shí)施方式

一種計(jì)及隨機(jī)變電流的鋰電池退化建模及壽命預(yù)測(cè)方法：

①隨機(jī)變電流現(xiàn)象及對(duì)車用鋰電池退化影響數(shù)學(xué)描述

放電電流直接影響鋰電池電池循環(huán)壽命。恒定電流放電時(shí)，鋰電池退化率可視為線性函數(shù)。但當(dāng)電流隨機(jī)變化時(shí)，電池退化率將表現(xiàn)為非線性函數(shù)。對(duì)車用鋰電池而言，電流的變化和車速相對(duì)應(yīng)，車速不僅受道路、車輛等一些可確定因素制約,也會(huì)受一些隨機(jī)因素作用,因此車速看作是服從于某種概率分布的隨機(jī)現(xiàn)象。國(guó)外的相關(guān)研究表明(Speed prediction for two lane rural highways[R].Washington,D.C:Federal Highway Administration，2000)在鄉(xiāng)村公路和高速公路上，運(yùn)行車速一般呈正態(tài)分布。同時(shí)，我國(guó)關(guān)于車速的研究也假定其呈正態(tài)分布。為此，本研究擬考慮隨機(jī)電流的變化以正態(tài)分布來描述，然后，再構(gòu)建帶有正態(tài)隨機(jī)效應(yīng)的退化模型來研究剩余壽命預(yù)測(cè)問題。

②考慮隨機(jī)變電流影響的車用鋰電池的退化建模

由以上分析，考慮隨機(jī)變電流影響的車用鋰電池退化模型，擬采用具有正態(tài)隨機(jī)效應(yīng)影響的隨機(jī)過程描述：

$X\left(t\right)=x_0+\mathrm{\κ}{\∫}_0^{t}v(t;\mathrm{\θ})dt+\mathrm{\σ}W\left(t\right)$

該模型表示退化率ν受到服從正態(tài)分布影響的一類退化模型。其中，W(t)為布朗運(yùn)動(dòng)，κ表示隨機(jī)變電流影響的隨機(jī)量，它服從正態(tài)分布，即其中μ_i和隨機(jī)電流大小有關(guān)。退變量X_0:k＝{x₀,x₁,…x_m}可通過監(jiān)測(cè)車用鋰電池退化性能參數(shù)計(jì)算獲得。假設(shè)當(dāng)前時(shí)刻為n，當(dāng)前性能退化量為x_n，則電池剩余壽命即x_n到達(dá)閾值的首達(dá)時(shí)間，可看成是布朗運(yùn)動(dòng)W(t)首次到達(dá)的時(shí)間，

其中，

根據(jù)首達(dá)時(shí)間，可以求得剩余壽命的概率密度函數(shù)f_L(t)及剩余壽命累積分布函數(shù)F_L(t)，并利用布朗運(yùn)動(dòng)性質(zhì)求解。

③退化模型參數(shù)估計(jì)

為實(shí)現(xiàn)剩余壽命累積分布函數(shù)模型中的參數(shù)估計(jì)，先構(gòu)建描述退化的演變過程的狀態(tài)空間模型。然后，在貝葉斯理論的框架下，擬采用MCMC方法中的自適應(yīng)Metropolis抽樣算法對(duì)退化模型參數(shù)估計(jì)。由后驗(yàn)參數(shù)的協(xié)方差矩陣來估算參數(shù)分布，后驗(yàn)參數(shù)的協(xié)方差矩陣在每一次迭代后自適應(yīng)地調(diào)整。

④退化模型參數(shù)更新和剩余壽命預(yù)測(cè)

當(dāng)獲得新的退化數(shù)據(jù)時(shí)，根據(jù)貝葉斯濾波方法結(jié)合新增退化數(shù)據(jù)實(shí)時(shí)更新模型參數(shù)，求取隨機(jī)過程首達(dá)時(shí)間，然后將估計(jì)參數(shù)帶入到剩余壽命累積分布函數(shù)中，即可實(shí)現(xiàn)剩余壽命的預(yù)測(cè)。

本發(fā)明的有益效果為：通過對(duì)車用鋰電池性能退化規(guī)律建模及剩余壽命預(yù)測(cè)研究，實(shí)現(xiàn)鋰電池的預(yù)測(cè)性維護(hù)，提高電動(dòng)汽車的安全性。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何不經(jīng)過創(chuàng)造性勞動(dòng)想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。