孙希泉，侯恩广

(1.威海市环翠区教育教学研究培训中心, 山东 威海 264200；2. 山东交通学院 轨道交通学院, 山东 济南 250357)

剩余使用寿命作为表征锂电池当前使用寿命和健康状态的参数，是近几年来动力锂电池研究者关注的重点之一。史建平等[1]建立了锂电池退化程度预测模型，并基于自适应神经网络进行预测，验证了其可靠性和适用性。李丽敏等[2]提出了一种基于改进的无迹粒子滤波算法的锂电池剩余使用寿命预测方法。还有一些研究人员对锂电池的剩余使用寿命进行建模预测，取得了不少成果[3-6]。李翔等[7]结合国内外文献综述了影响锂离子电池循环寿命的因素,分别从设计和制造工艺、材料的老化衰退、使用环境和充放电制度等方面进行了探讨。王双双等[8]研究了电池主要材料中影响循环寿命的主要因素。宋哲等[9]对锂离子电池健康状态(SOH)进行预测，提出一种将主成分分析(PCA)算法与粒子群优化(PSO)支持向量回归(SVR)模型相结合的方法。国内外文献[10-12]对锂电池剩余使用寿命影响因素的分析较少，尤其在锂电池的实时电压、充放电电流、电池温度等参数对剩余使用寿命的影响力和贡献率等方面没有做出进一步的研究分析。

本文通过多次充放电循环试验采集了6个关键参数，应用主成分分析方法，研究每个参数对动力锂电池剩余使用寿命的影响程度，实现对动力锂电池剩余使用寿命影响因素的定性及定量分析。

1 主成分分析原理

1.1 基本原理及方法

主成分分析方法的原理是选取少数的影响因素，来表征原始数据的大部分影响因素，并减小少数影响因素彼此之间的相互关联，即用少数影响因素代表大部分的影响因素[13-14]。……