基于改进粒子滤波的锂离子电池RUL预测
2018-04-09刘亚姣刘振泽宋晨辉
吉林大学学报(信息科学版) 2018年2期
关键词:模型
刘亚姣, 刘振泽, 宋晨辉
(1. 吉林大学 通信工程学院, 长春 130022; 2. 东北大学 信息科学与工程学院, 沈阳 110819)
0 引 言
锂离子电池作为目前便携式电子设备、 电动汽车的重要供能来源, 其在循环使用过程中的老化问题应予以足够的重视。由于电池的老化速率是无法准确测量的, 需对其剩余使用寿命(RUL: Remaning Useful Life)进行可靠预测, 为使用者提供合理的电池更换时间, 从而保障系统的正常运行, 避免严重事故的发生。
目前, 锂离子电池RUL预测方法大致可分为两类: 一类是基于经验的统计方法, 该方法主要包括循环周期数法、 安时法及其加权法和面向事件的老化积累法[1]。这3种方法是通过一些统计规律对电池的RUL进行粗略的估计, 只有对电池使用情况有丰富经验的专业人士才能达到。另一类是基于电池性能的方法, 主要包含基于模型的方法和基于数据驱动的方法[2]。基于模型的方法是通过建立电池模型反映电池的衰退过程, 从而估计电池RUL。而基于数据驱动的方法则是利用电池容量衰退数据, 从数据挖掘的角度寻找电池性能的演变规律对寿命进行预测。这两种方法各有其优缺点, 在实际应用中也常将其融合以更好地估计电池的RUL。
为此, 笔者采用基于数据驱动建立的电池经验模型即双指数模型[3], 引入粒子滤波算法实现电池RUL预测。由于粒子滤波算法能很好地适用于非线性、非高斯随机系统, 其精度可逼近最优估计, 所以广泛应用于目标跟踪、 状态监视与故障诊断等领域[4-6]。……
登录APP查看全文
