基于滤波的锂离子电池剩余寿命预测方法研究

作     者：林慧龙 

作者单位：中北大学 

学位级别：硕士

导师姓名：庞晓琼

授予年度：2018年

学科分类：0808[工学-电气工程] 080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

主      题：锂离子电池 扩展卡尔曼滤波 粒子滤波 改进重采样 剩余寿命预测 

摘      要：锂离子电池应用领域广泛,评估其健康状态成为研究热点也就不言而喻。但拥有复杂电化学特性的锂离子电池,其容量会伴随不断循环充放电过程呈现退化趋势,当容量退化至失效阈值（通常为额定容量70%~80%）时,即视为锂离子电池寿命到达终结状态。故进行锂离子电池剩余寿命预测研究,有利于提高系统可靠性,预防事故发生,具有重要研究及应用价值,已成为电池系统健康评估重要研究内容。近些年,在锂离子电池剩余寿命预测方法中,主要包括两类:基于经验的预测和基于性能的预测。滤波技术是一种基于性能的预测方法,在预测电池剩余寿命时,常用的有扩展卡尔曼滤波与粒子滤波。它们能够从数据角度出发,来获得测试数据与时间的变化规律,或者获得系统状态内部递推关系,此类数学模型相对易于获取,拥有更广适用范围。同时,卡尔曼滤波收敛性较好,在进行初始值设置时无标准要求,通常根据经验选取初始值,所得估计效果比较理想。粒子滤波利用蒙特卡洛思想解决贝叶斯估计,与经验退化模型相结合在预测锂离子电池剩余寿命时,通过粒子集表征概率,在非线性非高斯退化过程中适应能力良好,对于任何形式的状态空间模型均适用。鉴于上述情况,本文开展了基于滤波的锂离子电池剩余寿命预测方法研究。首先,基于电池循环寿命退化测试数据,本文分析了锂离子电池寿命退化过程,并选择基于性能的模型预测方法,采用扩展卡尔曼滤波对电池剩余寿命进行预测,并分析实验所得预测结果。其次,针对扩展卡尔曼滤波较适用于弱非线性模型,对于有着复杂电化学特性的锂离子电池适应性较差的问题,采用基于贝叶斯估计的标准粒子滤波继续对电池剩余寿命进行预测,同时将结果与扩展卡尔曼滤波做了对比分析。最后,针对标准粒子滤波重采样中的粒子退化问题,分别进行了多项式重采样与分层重采样的寿命预测实验,并在此基础上,利用改进重采样技术,继续进行此方法的电池剩余寿命预测实验,然后将三种重采样算法的预测结果进行对比分析,同时又与标准粒子滤波做了预测结果对比。文章采用美国NASA PCoE研究中心提供的公开电池测试数据完成相关实验,将扩展卡尔曼滤波与标准粒子滤波的预测结果进行对比,之后又将标准粒子滤波与改进重采样粒子滤波的预测结果对比,并通过多次误差分析,从而验证改进重采样粒子滤波可相对有效地预测锂离子电池剩余循环寿命,预测性能更具优势,预测精度更加准确。