[发明专利]具有模型主动更新策略的锂离子电池剩余寿命预测方法

摘要

本发明涉及一种具有模型主动更新策略的锂离子电池剩余寿命预测方法，根据放电曲线的电压范围得出的时间序列进行变换得出每次放电循环等价的放电差异序列，并以此得出锂电池的健康指数时间序列，根据这个放电电压序列与健康指数序列的对应进行时间序列预测以确定电池的剩余寿命。通过对于放电电压曲线进行采样熵特征提取并建模以提供一个完整且精确的充放电过程与电池性能指标的联系。在此性能指标模型的基础上，将短期时间序列预测结果不断地更新到已知性能指标数据序列中，并进行相关性分析，根据相关性程度不同，通过扩充训练集的方式进行重新训练，与原有的迭代更新训练方式有所不同，动态地更新预测模型，从而提高预测精度。

主权项

一种锂离子电池剩余寿命预测方法，其特征在于，包括以下步骤：（1）建立高斯过程回归模型；（2）计算得到SOH指数序列；（3）根据所述高斯过程回归模型，进行n步时间序列预测，得到n个SOH指数预测值ESOH，其中n为时间序列预测的步数，n为大于或等于1的整数，并根据所述SOH指数序列按照滚动时间窗方式得到SOH′指数序列；（4）对所述SOH′指数序列与所述SOH指数序列，进行相关系数计算；（5）根据步骤（4）得到的所述相关系数进行判断，如果所述相关系数大于或者等于设定值，将SOH′指数序列作为新的SOH指数序列；如果所述相关系数小于所述设定值，将n个所述SOH指数预测值ESOH加入所述SOH指数序列中，得到新的SOH指数序列；（6）根据步骤（5）得到的SOH指数序列，建立SOH向量，以所述SOH向量作为输入向量，重新建立高斯过程回归模型；（7）根据步骤（6）得到的所述高斯过程回归模型，进行n步时间序列预测，得到n个SOH指数预测值ESOH；（8）将步骤（7）得到的n个所述SOH指数预测值ESOH，与失效阈值U分别进行比较，如果得到的n个所述SOH指数预测值ESOH中的每一个都小于失效阈值，停止预测，停止预测时所对应的充放电循环次数，为锂离子电池剩余寿命预测值；否则，将n个所述SOH指数预测值ESOH，根据步骤（5）SOH指数序列按照滚动时间窗方式，得到新的SOH′指数序列，执行步骤（4）。