本發(fā)明涉及動(dòng)力電池的預(yù)測(cè)與健康狀態(tài)管理領(lǐng)域，尤其涉及基于少量老化數(shù)據(jù)建立動(dòng)力電池的老化模型，以及基于該模型對(duì)可用壽命進(jìn)行預(yù)測(cè)。

背景技術(shù)：

動(dòng)力電池系統(tǒng)的剩余可用壽命(remainingusefullife:rul)用于指示其在健康狀態(tài)條件下的剩余壽命時(shí)間。動(dòng)力電池的rul預(yù)測(cè)能夠幫助生產(chǎn)企業(yè)精確評(píng)估產(chǎn)品的壽命時(shí)間，進(jìn)而制定出具有經(jīng)濟(jì)性、競(jìng)爭(zhēng)力的產(chǎn)品質(zhì)保期，同時(shí)可以幫助用戶提前維修保養(yǎng)、更換電池系統(tǒng)，避免不必要的損失。早期的剩余壽命預(yù)測(cè)算法基于相關(guān)向量機(jī)(relevancevectormachine:rvm)從電化學(xué)阻抗譜(electrochemicalimpedancespectroscopy:eis)測(cè)試數(shù)據(jù)中提取電池特征值構(gòu)建動(dòng)力電池老化模型，并基于粒子濾波(particlefilter:pf)理論更新模型參數(shù)、預(yù)測(cè)電池rul。因?yàn)閑is只能離線測(cè)量，因此該方法只能用于離線預(yù)測(cè)動(dòng)力電池的rul。為了克服這種限制，又出現(xiàn)了可基于d-s證據(jù)理論(dempster-shafertheory:dst)以及貝葉斯蒙特卡羅方法(bayesianmontecarlo:bmc)構(gòu)建的方法論進(jìn)行在線預(yù)測(cè)。這種方法論首先利用dst基于多組離線數(shù)據(jù)初始化動(dòng)力電池老化模型，然后利用bmc基于動(dòng)力電池容量在線監(jiān)測(cè)數(shù)據(jù)更新模型參數(shù)、預(yù)測(cè)動(dòng)力電池rul?；谶@一理論體系，后續(xù)又有系列研究成果實(shí)現(xiàn)了動(dòng)力電池老化模型的精度以及濾波性能的提升，從而更精確的預(yù)測(cè)了動(dòng)力電池的rul。然而該理論體系需要依據(jù)一支或多支動(dòng)力電池實(shí)驗(yàn)數(shù)據(jù)初始化動(dòng)力電池老化模型。該初始化過(guò)程需要大量的離線訓(xùn)練數(shù)據(jù)來(lái)構(gòu)建精確的老化模型。此外，如果實(shí)際工作中的電池與實(shí)驗(yàn)電池的工作環(huán)境不同，會(huì)得出錯(cuò)誤的初始化模型。并且，電池生產(chǎn)過(guò)程中的特性不一致會(huì)進(jìn)一步增大模型初始化誤差。為了解決這些問(wèn)題，有研究提出了基于rvm以及三參數(shù)容量衰退模型的理論體系預(yù)測(cè)動(dòng)力電池rul。其中，rvm基于動(dòng)力電池運(yùn)行過(guò)程中的歷史數(shù)據(jù)提取特征向量，然后使用這些提取的特征向量擬合三參數(shù)容量衰退模型。該方法減少了訓(xùn)練數(shù)據(jù)，并降低了由于電池工作條件以及特性不一致性引發(fā)的建模誤差。然而，三參數(shù)容量衰退模型指數(shù)函數(shù)項(xiàng)的指數(shù)是經(jīng)驗(yàn)性的通過(guò)觀測(cè)容量衰減速率獲取，如果指數(shù)選取不準(zhǔn)確，rul預(yù)測(cè)值可能會(huì)遠(yuǎn)遠(yuǎn)偏離真實(shí)值。

因此，在當(dāng)前應(yīng)用背景技術(shù)下，如何基于少量、有限的老化數(shù)據(jù)實(shí)現(xiàn)動(dòng)力電池老化模型的精確構(gòu)建并進(jìn)行rul的在線精確、可靠預(yù)測(cè)具有重要的理論價(jià)值和應(yīng)用意義。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述本領(lǐng)域中存在的技術(shù)問(wèn)題，本發(fā)明提供了一種基于相關(guān)向量機(jī)和粒子濾波的動(dòng)力電池系統(tǒng)剩余可用壽命預(yù)測(cè)方法，具體包括以下步驟：

步驟一，在線獲取動(dòng)力電池系統(tǒng)的容量衰退數(shù)據(jù)；

步驟二，利用相關(guān)向量機(jī)提取所述容量衰退數(shù)據(jù)的特征向量；

步驟三，利用非線性最小二乘回歸方法擬合動(dòng)力電池老化模型；

步驟四，構(gòu)建描述動(dòng)力電池老化的狀態(tài)空間方程；

步驟五，基于粒子濾波理論預(yù)測(cè)動(dòng)力電池系統(tǒng)的剩余可用壽命。

進(jìn)一步地，所述步驟一具體包括：在線獲取動(dòng)力電池容量測(cè)量值y＝(y1,y2,…,yn)^t以及對(duì)應(yīng)的充放電循環(huán)次數(shù)k＝(1,2,…,n)^t。其中，y1,y2,…,yn代表循環(huán)次數(shù)1,2,…,n時(shí)的動(dòng)力電池容量測(cè)量值。

進(jìn)一步地，所述步驟二具體包括：將步驟一中在線獲取的數(shù)據(jù)用于模型訓(xùn)練，將充放電循環(huán)次數(shù)k＝(1,2,…,n)^t作為輸入，容量測(cè)量值y＝(y1,y2,…,yn)^t為輸出，得到訓(xùn)練好的相關(guān)向量機(jī)，同時(shí)得到相關(guān)向量其中l(wèi)＝(l1,l2,…,lm)^t為構(gòu)成相關(guān)向量的動(dòng)力電池充放電循環(huán)次數(shù)，為構(gòu)成相關(guān)向量的對(duì)應(yīng)充放電循環(huán)次數(shù)條件下的容量測(cè)量值。

進(jìn)一步地，所述步驟三具體包括：建立動(dòng)力電池系統(tǒng)的老化模型為：y＝a·exp(b·l)+c·l^d，其中模型輸出值y為動(dòng)力電池容量，模型參數(shù)l為動(dòng)力電池充放電循環(huán)次數(shù)，模型參數(shù)a和b與電池內(nèi)阻有關(guān)，c和d代表電池老化速率。d的值預(yù)設(shè)為2。使用非線性最小二乘回歸方法對(duì)該模型進(jìn)行擬合，擬合數(shù)據(jù)為步驟二獲得的相關(guān)向量從而擬合得到模型的其他三個(gè)參數(shù)值a，b以及c。

進(jìn)一步地，所述步驟四中的狀態(tài)空間方程為：

其中，k為動(dòng)力電池充放電循環(huán)次數(shù)，χk和yk分別為動(dòng)力電池系統(tǒng)在k次充放電循環(huán)時(shí)的狀態(tài)矩陣和觀測(cè)矩陣，ωk和vk分別為k次充放電循環(huán)時(shí)的過(guò)程噪聲矩陣以及測(cè)量噪聲矩陣，ak、bk、ck、dk為模型參數(shù)a、b、c、d在k次充放電循環(huán)時(shí)的值，其中，a0、b0、c0、d0為步驟三所獲得的擬合值以及預(yù)設(shè)值。

進(jìn)一步地，所述步驟五中基于粒子濾波理論預(yù)測(cè)動(dòng)力電池系統(tǒng)的剩余可用壽命具體包括：

5.1).初始化:

其中，為系統(tǒng)第i個(gè)粒子0次循環(huán)時(shí)的狀態(tài)矩陣預(yù)設(shè)值，為系統(tǒng)第i個(gè)粒子0次循環(huán)時(shí)的過(guò)程噪聲矩陣，為系統(tǒng)第i個(gè)粒子1次循環(huán)時(shí)的狀態(tài)矩陣估計(jì)值，np為所產(chǎn)生的粒子數(shù)，為系統(tǒng)第i個(gè)粒子1次循環(huán)時(shí)的權(quán)系數(shù)。

5.2).對(duì)于k∈{2,…,∞}，實(shí)施計(jì)算，計(jì)算流程如下：

5.2.1).更新粒子權(quán)系數(shù)wk：

(1)產(chǎn)生隨機(jī)變量：

其中，為系統(tǒng)第i個(gè)粒子k次循環(huán)時(shí)的狀態(tài)矩陣，χk為系統(tǒng)k次循環(huán)時(shí)的狀態(tài)矩陣估計(jì)值，yk為系統(tǒng)k次循環(huán)時(shí)的容量觀測(cè)值，q(●)為用戶定義的概率密度函數(shù)，此處定義為基于狀態(tài)方程統(tǒng)計(jì)特性的概率分布密度函數(shù)；

(2)計(jì)算非歸一化的粒子權(quán)系數(shù)值：

其中，為系統(tǒng)第i個(gè)粒子k次循環(huán)時(shí)的非歸一化權(quán)系數(shù)值，為第i個(gè)粒子k-1次循環(huán)時(shí)的歸一化權(quán)系數(shù)值，f(●)為基于狀態(tài)空間方程統(tǒng)計(jì)特性的概率密度分布函數(shù)；

(3)歸一化粒子權(quán)系數(shù)：

5.2.2).重采樣。

評(píng)估有效粒子數(shù)以判斷是否需要進(jìn)行重采樣：

如果neff<nmin，粒子進(jìn)行重采樣。其中neff為計(jì)算獲得的有效粒子數(shù)，nmin為用戶定義的有效粒子數(shù)的最小值。

5.2.3).計(jì)算系統(tǒng)狀態(tài)矩陣估計(jì)值χk。

對(duì)np個(gè)粒子加權(quán)獲得χk：

5.2.4).預(yù)測(cè)動(dòng)力電池系統(tǒng)剩余可用壽命及概率分布函數(shù)，計(jì)算流程如下：

(1)將系統(tǒng)狀態(tài)估計(jì)值帶入觀測(cè)方程預(yù)測(cè)多個(gè)粒子動(dòng)力電池系統(tǒng)的容量衰退：

其中，為系統(tǒng)第i個(gè)粒子l⁽ⁱ⁾次循環(huán)時(shí)的容量預(yù)測(cè)值，如果(q為初始容量)，則l⁽ⁱ⁾即為動(dòng)力電池系統(tǒng)總的可用壽命循環(huán)次數(shù)。

(2)計(jì)算多個(gè)粒子動(dòng)力電池系統(tǒng)剩余可用壽命預(yù)測(cè)值：

rul⁽ⁱ⁾＝l⁽ⁱ⁾-k

其中，k為預(yù)測(cè)起始循環(huán)次數(shù)，rul⁽ⁱ⁾為第i個(gè)粒子的剩余可用壽命循環(huán)次數(shù)。

(3)對(duì)np個(gè)粒子加權(quán)獲得動(dòng)力電池容量、剩余壽命預(yù)測(cè)值：

其中，l為預(yù)測(cè)的系統(tǒng)循環(huán)次數(shù)，為系統(tǒng)第i個(gè)粒子l次循環(huán)時(shí)的容量預(yù)測(cè)值，為系統(tǒng)l次循環(huán)時(shí)的容量預(yù)測(cè)值，為系統(tǒng)剩余可用壽命。

(4)獲得動(dòng)力電池剩余壽命概率分布密度函數(shù)：

其中，y1:k為第一個(gè)循環(huán)至k個(gè)循環(huán)的容量觀測(cè)值，δ(·)為狄拉克函數(shù)。

至此，完成了動(dòng)力電池系統(tǒng)的剩余可用壽命的預(yù)測(cè)。

本發(fā)明所提供的方法具有可有效降低訓(xùn)練數(shù)據(jù)量、提高算法的預(yù)測(cè)精度、保證rul估計(jì)器的穩(wěn)定性等諸多有益效果，有望在實(shí)際應(yīng)用中獲得精確、可靠的預(yù)測(cè)結(jié)果。

附圖說(shuō)明

圖1為動(dòng)力電池soh估計(jì)與rul預(yù)測(cè)流程圖

圖2為動(dòng)力電池系統(tǒng)容量衰減實(shí)驗(yàn)數(shù)據(jù)

圖3為基于30％訓(xùn)練數(shù)據(jù)的動(dòng)力電池系統(tǒng)老化模型初始化及rul預(yù)測(cè)結(jié)果

圖4為基于75％訓(xùn)練數(shù)據(jù)的動(dòng)力電池系統(tǒng)老化模型初始化及rul預(yù)測(cè)結(jié)果

具體實(shí)施方式

下面結(jié)合圖1進(jìn)一步解釋本發(fā)明所提供的方法，其具體包括以下步驟：

步驟一，在線獲取動(dòng)力電池系統(tǒng)的容量衰退數(shù)據(jù)；

步驟二，利用相關(guān)向量機(jī)提取所述容量衰退數(shù)據(jù)的特征向量；

步驟三，利用非線性最小二乘回歸方法擬合動(dòng)力電池老化模型；

步驟四，構(gòu)建描述動(dòng)力電池老化的狀態(tài)空間方程；

步驟五，基于粒子濾波理論預(yù)測(cè)動(dòng)力電池系統(tǒng)的剩余可用壽命。

在本申請(qǐng)的一個(gè)優(yōu)選實(shí)施例中，所述步驟一具體包括：在線獲取動(dòng)力電池容量測(cè)量值y＝(y1,y2,…,yn)^t以及對(duì)應(yīng)的充放電循環(huán)次數(shù)k＝(1,2,…,n)^t。其中，y1,y2,…,yn代表充放電循環(huán)次數(shù)為1,2,…,n時(shí)的動(dòng)力電池容量測(cè)量值。

在本申請(qǐng)的一個(gè)優(yōu)選實(shí)施例中，所述步驟二具體包括：將步驟一中在線獲取的數(shù)據(jù)用于模型訓(xùn)練，將充放電循環(huán)次數(shù)k＝(1,2,…,n)^t作為輸入，容量測(cè)量值y＝(y1,y2,…,yn)^t為輸出，得到訓(xùn)練好的相關(guān)向量機(jī)，同時(shí)得到相關(guān)向量其中l(wèi)＝(l1,l2,…,lm)^t為構(gòu)成相關(guān)向量的動(dòng)力電池充放電循環(huán)次數(shù)，為構(gòu)成相關(guān)向量的對(duì)應(yīng)充放電循環(huán)次數(shù)條件下的容量測(cè)量值。

在本申請(qǐng)的一個(gè)優(yōu)選實(shí)施例中，所述步驟三具體包括：建立動(dòng)力電池系統(tǒng)的老化模型為：y＝a·exp(b·l)+c·l^d，其中模型輸出值y為動(dòng)力電池容量，模型參數(shù)l為動(dòng)力電池充放電循環(huán)次數(shù)，模型參數(shù)a和b與電池內(nèi)阻有關(guān)，c和d代表電池老化速率。d的值預(yù)設(shè)為2。使用非線性最小二乘回歸方法對(duì)該模型進(jìn)行擬合，擬合數(shù)據(jù)為步驟二獲得的相關(guān)向量從而擬合得到模型的其他三個(gè)參數(shù)值a，b以及c。

在本申請(qǐng)的一個(gè)優(yōu)選實(shí)施例中，所述步驟四中的狀態(tài)空間方程為：

其中，k為動(dòng)力電池充放電循環(huán)次數(shù)，χk和yk分別為動(dòng)力電池系統(tǒng)在k次充放電循環(huán)時(shí)的狀態(tài)矩陣和觀測(cè)矩陣，ωk和vk分別為k次充放電循環(huán)時(shí)的過(guò)程噪聲矩陣以及測(cè)量噪聲矩陣，ak、bk、ck、dk為模型參數(shù)a、b、c、d在k次充放電循環(huán)時(shí)的值，其中，a0、b0、c0、d0為步驟三所獲得的擬合值以及預(yù)設(shè)值。

在本申請(qǐng)的一個(gè)優(yōu)選實(shí)施例中，所述步驟五中基于粒子濾波理論預(yù)測(cè)動(dòng)力電池系統(tǒng)的剩余可用壽命具體包括：

5.1).初始化:

其中，為系統(tǒng)第i個(gè)粒子0次循環(huán)時(shí)的狀態(tài)矩陣預(yù)設(shè)值，為系統(tǒng)第i個(gè)粒子0次循環(huán)時(shí)的過(guò)程噪聲矩陣，為系統(tǒng)第i個(gè)粒子1次循環(huán)時(shí)的狀態(tài)矩陣估計(jì)值，np為所產(chǎn)生的粒子數(shù)，為系統(tǒng)第i個(gè)粒子1次循環(huán)時(shí)的權(quán)系數(shù)。

5.2).對(duì)于k∈{2,…,∞}，實(shí)施計(jì)算，計(jì)算流程如下：

5.2.1).更新粒子權(quán)系數(shù)wk：

(1)產(chǎn)生隨機(jī)變量：

其中，為系統(tǒng)第i個(gè)粒子k次循環(huán)時(shí)的狀態(tài)矩陣，χk為系統(tǒng)k次循環(huán)時(shí)的狀態(tài)矩陣估計(jì)值，yk為系統(tǒng)k次循環(huán)時(shí)的容量觀測(cè)值，q(●)為用戶定義的概率密度函數(shù)，此處定義為基于狀態(tài)方程統(tǒng)計(jì)特性的概率分布密度函數(shù)；

(2)計(jì)算非歸一化的粒子權(quán)系數(shù)值：

其中，為系統(tǒng)第i個(gè)粒子k次循環(huán)時(shí)的非歸一化權(quán)系數(shù)值，為第i個(gè)粒子k-1次循環(huán)時(shí)的歸一化權(quán)系數(shù)值，f(●)為基于狀態(tài)空間方程統(tǒng)計(jì)特性的概率密度分布函數(shù)；

(3)歸一化粒子權(quán)系數(shù)：

5.2.2).重采樣。

評(píng)估有效粒子數(shù)以判斷是否需要進(jìn)行重采樣：

如果neff<nmin，粒子進(jìn)行重采樣。其中neff為計(jì)算獲得的有效粒子數(shù)，nmin為用戶定義的有效粒子數(shù)的最小值。

5.2.3).計(jì)算系統(tǒng)狀態(tài)矩陣估計(jì)值χk。

對(duì)np個(gè)粒子加權(quán)獲得χk：

5.2.4).預(yù)測(cè)動(dòng)力電池系統(tǒng)剩余可用壽命及概率分布函數(shù)，計(jì)算流程如下：

(1)將系統(tǒng)狀態(tài)估計(jì)值帶入觀測(cè)方程預(yù)測(cè)多個(gè)粒子動(dòng)力電池系統(tǒng)的容量衰退：

其中，為系統(tǒng)第i個(gè)粒子l⁽ⁱ⁾次循環(huán)時(shí)的容量預(yù)測(cè)值，如果(q為初始容量)，則l⁽ⁱ⁾即為動(dòng)力電池系統(tǒng)總的可用壽命循環(huán)次數(shù)。

(2)計(jì)算多個(gè)粒子動(dòng)力電池系統(tǒng)剩余可用壽命預(yù)測(cè)值：

rul⁽ⁱ⁾＝l⁽ⁱ⁾-k

其中，k為預(yù)測(cè)起始循環(huán)次數(shù)，rul⁽ⁱ⁾為第i個(gè)粒子的剩余可用壽命循環(huán)次數(shù)。

(3)對(duì)np個(gè)粒子加權(quán)獲得動(dòng)力電池容量、剩余壽命預(yù)測(cè)值：

其中，l為預(yù)測(cè)的系統(tǒng)循環(huán)次數(shù)，為系統(tǒng)第i個(gè)粒子l次循環(huán)時(shí)的容量預(yù)測(cè)值，為系統(tǒng)l次循環(huán)時(shí)的容量預(yù)測(cè)值，為系統(tǒng)剩余可用壽命。

(4)獲得動(dòng)力電池剩余壽命概率分布密度函數(shù)：

其中，y1:k為第一個(gè)循環(huán)至k個(gè)循環(huán)的容量觀測(cè)值，δ(·)為狄拉克函數(shù)。

圖2示出了動(dòng)力電池系統(tǒng)的容量衰減實(shí)驗(yàn)數(shù)據(jù)，該數(shù)據(jù)前一部分將用于初始化動(dòng)力電池系統(tǒng)老化模型，后一部分?jǐn)?shù)據(jù)將用于驗(yàn)證動(dòng)力電池系統(tǒng)rul預(yù)測(cè)的精度。動(dòng)力電池系統(tǒng)在第800個(gè)循環(huán)容量衰減至初始容量的80％。400個(gè)循環(huán)之前的容量數(shù)據(jù)衰減率出現(xiàn)遞減趨勢(shì)，400個(gè)循環(huán)以后容量呈直線衰減，與之前相比衰減加速。前后不同的衰減趨勢(shì)進(jìn)一步加大了動(dòng)力電池系統(tǒng)rul精確預(yù)測(cè)的難度。

圖3示出了動(dòng)力電池系統(tǒng)老化模型初始化(圖3(a))以及rul預(yù)測(cè)(圖3(b))結(jié)果，此時(shí)在線獲得的容量數(shù)據(jù)為整個(gè)容量衰減數(shù)據(jù)量的30％。圖3(a)中的擬合值代表初始化模型的容量衰減與循環(huán)次數(shù)的關(guān)系，相關(guān)向量為rvm訓(xùn)練結(jié)束后自動(dòng)產(chǎn)生。雖然只有30％的數(shù)據(jù)用于訓(xùn)練，但是初始化的模型能夠很好地預(yù)測(cè)動(dòng)力電池容量的衰減趨勢(shì)，此時(shí)預(yù)測(cè)的系統(tǒng)失效循環(huán)次數(shù)為684，即rul預(yù)測(cè)誤差為116次。圖3(b)中的預(yù)測(cè)值為基于pf的系統(tǒng)容量預(yù)測(cè)結(jié)果，前30％的數(shù)據(jù)仍然用于狀態(tài)空間方程參數(shù)的更新，rulpdf為rul預(yù)測(cè)值的概率分布函數(shù)(probabilitydistributionfunction:pdf)。此時(shí)，動(dòng)力電池系統(tǒng)失效循環(huán)次數(shù)預(yù)測(cè)值為782次，rul預(yù)測(cè)誤差僅為18次，失效循環(huán)次數(shù)pdf的95％范圍分布為：720-850?？梢?jiàn)，進(jìn)一步更新參數(shù)后的模型精度有了明顯提升。該仿真結(jié)果意味著生產(chǎn)企業(yè)在進(jìn)行動(dòng)力電池系統(tǒng)加速壽命實(shí)驗(yàn)時(shí)，僅需花費(fèi)整個(gè)加速壽命30％的時(shí)間便可對(duì)系統(tǒng)壽命進(jìn)行精確評(píng)估，從而大大降低了實(shí)驗(yàn)所需的人力和物力。

圖4示出了動(dòng)力電池系統(tǒng)老化模型初始化(圖4(a))以及rul預(yù)測(cè)(圖4(b))結(jié)果，此時(shí)在線獲得的容量數(shù)據(jù)為整個(gè)容量衰減數(shù)據(jù)量的75％。當(dāng)更多的容量數(shù)據(jù)用于訓(xùn)練rvm、提取動(dòng)力電池系統(tǒng)容量衰減的特征向量時(shí)，初始化的模型對(duì)于400個(gè)循環(huán)以后的容量預(yù)測(cè)精度明顯好于圖3(a)，此時(shí)預(yù)測(cè)的失效循環(huán)次數(shù)為824，比真實(shí)值800多了24個(gè)循環(huán)。因此，當(dāng)pf基于該初始化的老化模型進(jìn)行rul預(yù)測(cè)時(shí)，精度會(huì)有明顯提升(圖4(b))，此時(shí)的預(yù)測(cè)失效循環(huán)次數(shù)為799，僅比真實(shí)值少了1個(gè)循環(huán)，動(dòng)力電池系統(tǒng)失效循環(huán)次數(shù)預(yù)測(cè)pdf的95％范圍為：755-840。該仿真結(jié)果表明，實(shí)際使用中，當(dāng)動(dòng)力電池管理系統(tǒng)在線采集到更多的容量衰減數(shù)據(jù)時(shí)，算法的預(yù)測(cè)精度將會(huì)大大提升。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同物限定。