林甲深 王飞鸿 陈晨

摘  要：锂离子电池是新能源汽车的核心部件之一，锂离子电池的剩余寿命对新能源汽车的性能和安全至关重要。目前剩余寿命的预测算法主要有物理和化学分析法、数据驱动法和融合方法，其中融合方法是最近几年预测算法的研究热点，可以融合方法进行预测。本文通过微软公司的Visual Studio的Winform和Maple Tech公司的Math.net数学计算包，开发基于无迹卡尔曼滤波的锂离子动力电池剩余寿命预测软件。

关键词：锂离子电池  剩余寿命预测  无迹卡尔曼滤波  软件开发  预测方法

中图分类号：TM912           文献标识码：A                 文章编号：1674-098X（2021）01（b）-0049-04

Development of Prediction Software for Residual Life of Lithium Battery by Visual Studio

LIN Jiashen  WANG Feihong  CHEN Chen

（Xiamen Products Quality Supervision & Inspection Institute， Xiamen， Fujian Province， 361004  China）

Abstract： Lithium-ion batteries are one of the core components of new energy vehicles， and the remaining life of lithium-ion batteries is essential to the performance and safety of new energy vehicles. At present， the remaining life prediction algorithms mainly include physical and chemical analysis methods， data-driven methods， and fusion methods. The fusion method is the research hot spot of prediction algorithms in recent years， and the fusion method can be used for prediction. In this paper， the software for predicting the remaining life of lithium-ion power battery based on unscented Kalman filter is developed through the Winform of Microsoft Visual Studio and Math.net of Maple Tech.

Key Words： Lithium-ion batteries; Residual life of lithium battery; UKF; Soft development; Prediction method

伴隨着新能源汽车的大力推进，锂离子电池作为新能源汽车的核心部件迎来了高速的发展。然而，锂电池在充放电循环使用过程中，受自身材料和外界环境的影响，其容量和寿命将会不断衰减。目前，考虑到新能源汽车对续航的要求较为严苛，当电池容量下降为额定容量的80%时，电池的性能将无法满足新能源汽车的供电技术和续航等要求，必须进行维护或更换，否则会给新能源汽车带来安全隐患。因此，进行锂离子电池剩余寿命的预测显得尤为重要，可以及时有效的判断锂离子蓄电池的工作状态，当电池剩余寿命较低时能及时提醒用户以避免事故的发生和最大限度地利用锂离子电池的剩余容量。

目前锂离子动力电池寿命预测主要有以下三种方法：第一，利用物理和化学机理分析，对锂离子电池可用容量的衰……