本發(fā)明涉及一種計(jì)及自愈影響的鋰電池退化建模及壽命預(yù)測方法。
背景技術(shù)：
：全球能源和環(huán)境系統(tǒng)面臨巨大的挑戰(zhàn)，電動汽車以其綠色環(huán)保的優(yōu)勢成為目前世界各國研究的熱點(diǎn)。《中國制造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)支持電動汽車”的發(fā)展戰(zhàn)略。當(dāng)前制約電動汽車發(fā)展的關(guān)鍵是動力電池(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)勢成為電動汽車動力電池的理想選擇。但鋰電池的安全性、可靠性依舊是電動汽車發(fā)展的瓶頸問題。電動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NHTSA對通用汽車沃藍(lán)達(dá)進(jìn)行了側(cè)面碰撞測試，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，火勢殃及附近其他車輛；2016年1月1日，挪威一輛2014年產(chǎn)的ModelS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)測研究，對實(shí)現(xiàn)鋰電池的預(yù)測性維護(hù)，提高電動汽車的安全性具有重要意義。車用鋰電池退化是動態(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、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)測剩余壽命。因此，對于這類復(fù)雜的過程(系統(tǒng))，基于數(shù)據(jù)驅(qū)動的鋰電池剩余壽命預(yù)測方法已經(jīng)逐步成為故障預(yù)測與健康管理領(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)電動汽車健康狀態(tài)預(yù)測與管理的關(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車用鋰電池性能退化規(guī)律建模及剩余壽命預(yù)測，可以實(shí)現(xiàn)鋰電池的預(yù)測性維護(hù)，提高電動汽車的安全性的鋰電池退化建模及壽命預(yù)測方法。為解決上述問題，本發(fā)明采用如下技術(shù)方案：一種計(jì)及自愈影響的鋰電池退化建模及壽命預(yù)測方法，包括以下步驟：1)自愈現(xiàn)象及對鋰電池退化影響數(shù)學(xué)描述：鋰電池工作原理指其充放電原理，當(dāng)對電池充電時(shí)，電池的正極上生成鋰離子，經(jīng)過電解液運(yùn)動到負(fù)極碳層微孔中，嵌入的鋰離子越多，充電容量越高；當(dāng)對電池進(jìn)行放電時(shí)，嵌在負(fù)極碳層中的鋰離子脫出，回到正極，回到正極的鋰離子越多，放電容量越高；當(dāng)電池停止放電時(shí)，由于擴(kuò)散作用使得離子的濃度趨于平衡，電壓得以回升，電池壽命改善，這種非線性的自恢復(fù)效應(yīng)，我們稱之為自愈現(xiàn)象，車用鋰電池使用過程，一般為間歇放電；間歇放電比連續(xù)放電能夠提高電池壽命，間歇放電時(shí)，當(dāng)傳遞一個(gè)脈沖電流后，電池能夠放松一段時(shí)間，從而活性物質(zhì)在擴(kuò)散過程中得到恢復(fù)，使得電量增加，對電池性能會有改善，自愈是鋰電池固有的電化學(xué)特征，每次靜置狀態(tài)都有自愈現(xiàn)象，而每次自愈的程度不同，且獨(dú)立分布，是一個(gè)隨機(jī)變量，各次自愈引起的程度有積累的效應(yīng)，即自愈是可以疊加的，因此，鋰電池自愈的規(guī)律變化可用非齊次Poisson過程描述，而針對鋰電池退化對壽命的影響，可考慮復(fù)合泊松過程描述；假設(shè):{Μt,t≥0}是強(qiáng)度為λ(t)的非齊次Poisson過程，用于刻畫鋰電池在[0,t]時(shí)間內(nèi)自愈的次數(shù)，每次自愈作用使電池性能狀態(tài)產(chǎn)生微小變化，令第n次自愈對鋰電池退化影響為Πn,{Πn,n≥1}為獨(dú)立同分布的隨機(jī)變量,相互獨(dú)立；擬利用正態(tài)分布描述其變化規(guī)律，用于刻畫每次自愈行為對鋰電池退化的隨機(jī)影響，Πn～N(μ,σ2),n＝0,1,…,Mt式中，Πn為第n次自愈對電池性能改變量，μ,σ2為分布參數(shù)；近似認(rèn)為自愈作用規(guī)律Mt及其影響Πn相互獨(dú)立，根據(jù)上述假設(shè)，對于電池性能狀態(tài)而言，在時(shí)間(ti-1,ti)的性能退化量Yi為復(fù)合Poisson過程，數(shù)值上可表示為：則{Y(t),t≥0}為表征自愈對鋰電池退化的影響的復(fù)合泊松過程；2)考慮具有自愈特征的車用鋰電池退化建模：考慮具有自愈特征的車用鋰電池的退化過程，可用如下隨機(jī)過程描述：X(t)=x0+∫0tγ(t;θ)dt+σW(t)+Σn=1M(t)Πn]]>其中，X(t)為退化量，γ(t；θ)為漂移系數(shù)，表示刻畫鋰電池退化率的函數(shù)，θ為退化率函數(shù)的未知參數(shù)；σ為擴(kuò)散系數(shù)，W(t)為布朗運(yùn)動，為表征自愈對鋰電池退化影響的復(fù)合泊松過程；t時(shí)刻退化量X(t)可通過監(jiān)測車用鋰電池充放電電流、電壓、用時(shí)等參數(shù)計(jì)算獲得，由此可構(gòu)建時(shí)刻T0:k＝{t0,t1,…tm}和退化變量X0:k＝{x0,x1,…xm}狀態(tài)空間；根據(jù)首達(dá)時(shí)間意義下的剩余壽命概念，車用鋰電池在當(dāng)前時(shí)刻tn的剩余壽命可定義為:Lτ＝inf{t:X(t+τ)≥θ}首達(dá)時(shí)間T對應(yīng)的累積概率分布函數(shù)為：FT(t)=Pr(T≤t)=PrSupX(t)≥∂t>0=PrW(t)≥∂-x0-∫0tγ(t;θ)dt-Σn=1M(t)Πnσt>0]]>其中為θ失效閾值，定義車用鋰電池剩余壽命為退化量X(t)首次達(dá)到失效閾值(根據(jù)標(biāo)準(zhǔn)QC743-2006《電動汽車用鋰離子蓄電池》，一般定義放電容量的80％)的時(shí)間(首達(dá)時(shí)間)。鑒于直接求解首達(dá)時(shí)間的概率密度函數(shù)難度大，擬首先將這個(gè)問題轉(zhuǎn)化為推導(dǎo)標(biāo)準(zhǔn)布朗運(yùn)動失效閾值首達(dá)時(shí)間分布，然后推導(dǎo)出τk時(shí)刻剩余壽命Lk的累積分布函數(shù)同時(shí)，考慮到該概率模型函數(shù)包含時(shí)變環(huán)境溫度信息，為了求取剩余壽命Lk累積分布函數(shù)，先計(jì)算時(shí)變溫度跳變時(shí)間和總體跳變數(shù)目的聯(lián)合分布，并且依據(jù)當(dāng)前退化量及溫度信息，求取當(dāng)前時(shí)刻到失效閾值時(shí)的溫度變化的概率密度函數(shù)，然后求取受時(shí)變環(huán)境溫度影響的鋰電池累積退化率函數(shù)期望。求解退化過程X(t)的首達(dá)時(shí)間分布，即求解布朗運(yùn)動W(t)到達(dá)的首達(dá)時(shí)間，為此，擬首先求解剩余壽命累積分布函數(shù)模型中的參數(shù)估計(jì)，退化模型中未知參數(shù)集Γ包括泊松過程參數(shù)，θ，σ；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)，擬先構(gòu)建狀態(tài)空間模型來描述退化的演變過程，如式：Γi+1=Γi+αxi+1=xi+∫ii+1γ(t;θ)dt+σW(t)+Σn=iM(i+1)Πi+β]]>其中，α～N(0,Α),β～N(0,Β)，Γi～N(g0,K0)，對于該模型中新增參數(shù)Α，Β，g0,K0統(tǒng)一表示為參數(shù)集Ξ，基于監(jiān)測的退化數(shù)據(jù)X0:k＝{x0,x1,…xm}對Ξ的估計(jì)，估計(jì)值Ξ表示，擬采用經(jīng)驗(yàn)最大化算法與無味粒子濾波算法相結(jié)合的方法求解模型中的參數(shù)；具體過程如下：一、初始化參數(shù)Ξ(0)；二、E步：計(jì)算對數(shù)似然函數(shù)lnP(X0:k,Ξ)，再對似然函數(shù)求期望三、M步：求似然函數(shù)期望的最大值,可由求得但在M步過程中，所涉及的期望E(xi),E((xi)2),E(ln(xi-xi-1)未知，本項(xiàng)目擬采用UPF算法對其估計(jì)，然后將E步和M步不斷迭代直至收斂，獲得最優(yōu)參數(shù)，采用UPF算法求取E(xi),E((xi)2),E(ln(xi-xi-1)，具體包括：一、參數(shù)初始化；二、重要性采樣，通過UKF算法更新i-1步的分布，計(jì)算Sigma點(diǎn)得到并計(jì)算權(quán)重；三、重采樣；四、基于抽取新的粒子，并與i-1步的粒子組成新的粒子集，計(jì)算得到E(xi),E((xi)2),E(ln(xi-xi-1)的最小均方估計(jì)值；五、令i＝i+1,轉(zhuǎn)入第一步，直至參數(shù)收斂；4)退化模型參數(shù)更新和剩余壽命預(yù)測：當(dāng)獲得新的退化數(shù)據(jù)時(shí)，利用貝葉斯方法，更新退化模型，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。本發(fā)明的有益效果為：通過對車用鋰電池性能退化規(guī)律建模及剩余壽命預(yù)測研究，實(shí)現(xiàn)鋰電池的預(yù)測性維護(hù)，提高電動汽車的安全性。附圖說明圖1為電池放電過程容量變化情況。具體實(shí)施方式一種計(jì)及自愈影響的鋰電池退化建模及壽命預(yù)測方法，包括以下步驟：1)自愈現(xiàn)象及對鋰電池退化影響數(shù)學(xué)描述：鋰電池工作原理指其充放電原理，當(dāng)對電池充電時(shí)，電池的正極上生成鋰離子，經(jīng)過電解液運(yùn)動到負(fù)極碳層微孔中，嵌入的鋰離子越多，充電容量越高；當(dāng)對電池進(jìn)行放電時(shí)，嵌在負(fù)極碳層中的鋰離子脫出，回到正極，回到正極的鋰離子越多，放電容量越高；當(dāng)電池停止放電時(shí)，由于擴(kuò)散作用使得離子的濃度趨于平衡，電壓得以回升，電池壽命改善，這種非線性的自恢復(fù)效應(yīng)，我們稱之為自愈現(xiàn)象，車用鋰電池使用過程，一般為間歇放電，如圖1所示，電池放電過程容量變化情況中：(a)連續(xù)放電，(b)間歇放電；間歇放電比連續(xù)放電能夠提高電池壽命，間歇放電時(shí)，當(dāng)傳遞一個(gè)脈沖電流后，電池能夠放松一段時(shí)間，從而活性物質(zhì)在擴(kuò)散過程中得到恢復(fù)，使得電量增加，對電池性能會有改善，自愈是鋰電池固有的電化學(xué)特征，每次靜置狀態(tài)都有自愈現(xiàn)象，而每次自愈的程度不同，且獨(dú)立分布，是一個(gè)隨機(jī)變量，各次自愈引起的程度有積累的效應(yīng)，即自愈是可以疊加的，因此，鋰電池自愈的規(guī)律變化可用非齊次Poisson過程描述，而針對鋰電池退化對壽命的影響，可考慮復(fù)合泊松過程描述；假設(shè):{Μt,t≥0}是強(qiáng)度為λ(t)的非齊次Poisson過程，用于刻畫鋰電池在[0,t]時(shí)間內(nèi)自愈的次數(shù)，每次自愈作用使電池性能狀態(tài)產(chǎn)生微小變化，令第n次自愈對鋰電池退化影響為Πn,{Πn,n≥1}為獨(dú)立同分布的隨機(jī)變量,相互獨(dú)立；擬利用正態(tài)分布描述其變化規(guī)律，用于刻畫每次自愈行為對鋰電池退化的隨機(jī)影響，Πn～N(μ,σ2),n＝0,1,…,Mt式中，Πn為第n次自愈對電池性能改變量，μ,σ2為分布參數(shù)；近似認(rèn)為自愈作用規(guī)律Mt及其影響Πn相互獨(dú)立，根據(jù)上述假設(shè)，對于電池性能狀態(tài)而言，在時(shí)間(ti-1,ti)的性能退化量Yi為復(fù)合Poisson過程，數(shù)值上可表示為：則{Y(t),t≥0}為表征自愈對鋰電池退化的影響的復(fù)合泊松過程；2)考慮具有自愈特征的車用鋰電池退化建模：考慮具有自愈特征的車用鋰電池的退化過程，可用如下隨機(jī)過程描述：X(t)=x0+∫0tγ(t;θ)dt+σW(t)+Σn=1M(t)Πn]]>其中，X(t)為退化量，γ(t；θ)為漂移系數(shù)，表示刻畫鋰電池退化率的函數(shù)，θ為退化率函數(shù)的未知參數(shù)；σ為擴(kuò)散系數(shù)，W(t)為布朗運(yùn)動，為表征自愈對鋰電池退化影響的復(fù)合泊松過程；t時(shí)刻退化量X(t)可通過監(jiān)測車用鋰電池充放電電流、電壓、用時(shí)等參數(shù)計(jì)算獲得，由此可構(gòu)建時(shí)刻T0:k＝{t0,t1,…tm}和退化變量X0:k＝{x0,x1,…xm}狀態(tài)空間；根據(jù)首達(dá)時(shí)間意義下的剩余壽命概念，車用鋰電池在當(dāng)前時(shí)刻tn的剩余壽命可定義為:Lτ＝inf{t:X(t+τ)≥θ}首達(dá)時(shí)間T對應(yīng)的累積概率分布函數(shù)為：FT(t)=Pr(T≤t)=PrSupX(t)≥∂t>0=PrW(t)≥∂-x0-∫0tγ(t;θ)dt-Σn=1M(t)Πnσt>0]]>其中為θ失效閾值，定義車用鋰電池剩余壽命為退化量X(t)首次達(dá)到失效閾值(根據(jù)標(biāo)準(zhǔn)QC743-2006《電動汽車用鋰離子蓄電池》，一般定義放電容量的80％)的時(shí)間(首達(dá)時(shí)間)。鑒于直接求解首達(dá)時(shí)間的概率密度函數(shù)難度大，擬首先將這個(gè)問題轉(zhuǎn)化為推導(dǎo)標(biāo)準(zhǔn)布朗運(yùn)動失效閾值首達(dá)時(shí)間分布，然后推導(dǎo)出τk時(shí)刻剩余壽命Lk的累積分布函數(shù)同時(shí)，考慮到該概率模型函數(shù)包含時(shí)變環(huán)境溫度信息，為了求取剩余壽命Lk累積分布函數(shù)，先計(jì)算時(shí)變溫度跳變時(shí)間和總體跳變數(shù)目的聯(lián)合分布，并且依據(jù)當(dāng)前退化量及溫度信息，求取當(dāng)前時(shí)刻到失效閾值時(shí)的溫度變化的概率密度函數(shù)，然后求取受時(shí)變環(huán)境溫度影響的鋰電池累積退化率函數(shù)期望。求解退化過程X(t)的首達(dá)時(shí)間分布，即求解布朗運(yùn)動W(t)到達(dá)的首達(dá)時(shí)間，為此，擬首先求解剩余壽命累積分布函數(shù)模型中的參數(shù)估計(jì)，退化模型中未知參數(shù)集Γ包括泊松過程參數(shù)，θ，σ；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)，擬先構(gòu)建狀態(tài)空間模型來描述退化的演變過程，如式：Γi+1=Γi+αxi+1=xi+∫ii+1γ(t;θ)dt+σW(t)+Σn=iM(i+1)Πi+β]]>其中，α～N(0,Α),β～N(0,Β)，Γi～N(g0,K0)，對于該模型中新增參數(shù)Α，Β，g0,K0統(tǒng)一表示為參數(shù)集Ξ，基于監(jiān)測的退化數(shù)據(jù)X0:k＝{x0,x1,…xm}對Ξ的估計(jì)，估計(jì)值Ξ表示，擬采用經(jīng)驗(yàn)最大化算法與無味粒子濾波算法相結(jié)合的方法求解模型中的參數(shù)；具體過程如下：一、初始化參數(shù)Ξ(0)；二、E步：計(jì)算對數(shù)似然函數(shù)lnP(X0:k,Ξ)，再對似然函數(shù)求期望三、M步：求似然函數(shù)期望的最大值,可由求得但在M步過程中，所涉及的期望E(xi),E((xi)2),E(ln(xi-xi-1)未知，本項(xiàng)目擬采用UPF算法對其估計(jì)，然后將E步和M步不斷迭代直至收斂，獲得最優(yōu)參數(shù)，采用UPF算法求取E(xi),E((xi)2),E(ln(xi-xi-1)，具體包括：一、參數(shù)初始化；二、重要性采樣，通過UKF算法更新i-1步的分布，計(jì)算Sigma點(diǎn)得到并計(jì)算權(quán)重；三、重采樣；四、基于抽取新的粒子，并與i-1步的粒子組成新的粒子集，計(jì)算得到E(xi),E((xi)2),E(ln(xi-xi-1)的最小均方估計(jì)值；五、令i＝i+1,轉(zhuǎn)入第一步，直至參數(shù)收斂；4)退化模型參數(shù)更新和剩余壽命預(yù)測：當(dāng)獲得新的退化數(shù)據(jù)時(shí)，利用貝葉斯方法，更新退化模型，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。本發(fā)明的有益效果為：通過對車用鋰電池性能退化規(guī)律建模及剩余壽命預(yù)測研究，實(shí)現(xiàn)鋰電池的預(yù)測性維護(hù)，提高電動汽車的安全性。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)。當(dāng)前第1頁1 2 3