李俊霞,张 淼,郑 慧

(浙江科技学院 a.机械与能源工程学院;b.自动化与电气工程学院,杭州 310023)

锂电池作为目前便携式电子设备及电动汽车的重要供能来源[1],在现代生活中扮演着不可或缺的角色。锂电池失效会导致整个系统性能下降,带来运行事故[2]。如果能准确地估计出锂电池的剩余使用寿命(remaining useful life,RUL)[3],为用户提供合理的电池更换时间,就能在电池失效前避免故障的发生。锂电池剩余使用寿命预测方法可分为模型驱动方法和数据驱动方法两大类[4]。模型驱动方法主要根据电池的失效机制、电池材料特性和负载条件来建立锂电池性能退化模型,从而实现对锂电池剩余使用寿命的预测[5]。He等[6]建立了锂电池物理降解行为的双指数经验模型,通过训练数据集来实现对模型参数的辨识,从而实现对锂电池健康状态和剩余使用寿命的估算。Li等[7]通过测量锂电池的阻抗谱,并将其作为充放电循环次数的函数,从而研究锂电池的循环使用寿命。Micea等[8]采用二阶多项式模型并根据电池循环次数,利用最小二乘法实现了对电池容量的估计。锂电池的电化学反应过程复杂,很难用精确的数学模型来描述两者之间的关系。近年来,许多研究者采用数据驱动方法进行锂电池剩余使用寿命预测。

数据驱动方法不需要知道对象系统的精确数学模型,它是以数据为研究对象,根据锂电池历史数据或状态数据进行剩余使用寿命预测的方法[9]。李赛等[10]采用相关向量机算法实现锂电池剩余使用寿命的预测,试验结果表明概率密度分布能有效地反映预测结果的不确定性。……