徐佳宁 倪裕隆 朱春波

（哈尔滨工业大学电气工程及自动化学院 哈尔滨 150001）

0 引言

锂离子电池凭借高能量密度、低自放电、无污染和长寿命等优点，被广泛应用到储能、电动汽车及小型电子设备等领域[1-3]。然而，随着锂离子电池不断地循环使用，电池内部结构会发生重大改变，导致电池的性能不断退化，比如电池的可循环锂损失，SEI膜增厚或分解，电解液分解和集电极腐蚀等，进而导致电池剩余使用寿命（Remaining Useful Life, RUL）的衰减[4-5]。不同应用领域对电池性能等级要求不同，准确预测锂离子电池RUL，能够提前获知电池的剩余寿命信息，可及时对到达失效阈值的电池进行更换，保障电池安全可靠运行，避免因电池失效导致设备性能下降或者停机，甚至发生危险的事故。

目前，国内外学者广泛采用的锂离子电池RUL预测方法主要分为两类：基于模型的方法和基于数据驱动的方法。

基于模型的方法，是综合考虑电池材料属性、负载条件及失效机理等因素，构建电池性能退化模型来完成电池RUL的预测。S. N. Kong等[6]考虑了环境温度的影响，提出一种基于充放电效率的容量退化模型；G. K. Prasad等[7]考虑了电池内阻和电池正极中Li+扩散的时间，利用线性最小二乘法和自适应梯度法不断更新这两个老化参数，在一定程度上简化了电化学模型；Fan Guodong等[8]利用Galerkin投影法对模型降阶，可以有效减少粒子扩散状态的数量，简化了电化学模型。上述方法在一定程度上简化了模型的复杂性，但同时降低了模型预测的精度。……