| 题名 | 大规模锂电池剩余寿命预测算法研究 |
| 作者 | 冀超骥 |
| 答辩日期 | 2021-05-21 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 袁学庆 |
| 关键词 | 锂电池 剩余寿命预测 粒子滤波 无迹粒子滤波 改进高斯粒子滤波 |
| 学位名称 | 专业学位硕士 |
| 其他题名 | Research on Prediction Algorithm of Remaining Useful Life of Large-scale Lithium Battery |
| 学位专业 | 控制工程 |
| 英文摘要 | 锂离子电池因具有高能量密度、低自放电率、低记忆效应和对环境相对友好等优点，在消费电子、电动汽车和航空航天等领域的应用日益广泛。与此同时，如果电池系统发生故障或失效，带来的后果可能从设备性能下降带来不便，到引起着火和爆炸甚至导致整个工程任务的失败，因此锂离子电池在使用中的安全性和可靠性成为研究和工程人员必须关注的问题。为保证电池的安全使用、提高能量利用率和延长电池使用寿命，必须为锂离子电池配套有效的电池管理系统（Battery Management System，BMS）对其进行管理，通过在BMS中加入并实现对锂离子电池剩余寿命（Remaining Useful Life, RUL）准确预测的功能，可提醒工作人员在电池失效之前对其提前更换，从而避免因电池失效而导致的系统故障，实现预防性维护，提高系统的可靠性。但由于锂离子电池的老化过程具有典型的非线性特征、其内部参数难以测量，实现RUL的在线预测仍存在较大挑战，已有的对其进行RUL预测的方法大都还处于理论和仿真阶段。总结近十年出现的RUL预测方法可分为基于经验和基于性能两类。其中在研究中主要针对的基于性能的方法，又分为模型法、数据驱动法和融合型方法。考虑到未来实际应用的适应性和可实现性，基于模型、且具备动态建模能力和不确定性表达能力的统计随机滤波方法尤其是粒子滤波（Particle Filter, PF）类算法将是可能推广到工程应用的方法。由于PF本身存在不可避免的粒子退化问题，广泛使用的采样重要性重采样粒子滤波（Sampling Importance Resampling PF, SIR-PF）为避免粒子退化现象而引入的重采样过程又会导致粒子的多样性降低，且其固定地选择系统状态的先验估计分布作为重要性概率密度函数，丢失了当前时刻最新的观测值，使滤波结果严重依赖于模型。为了更加准确且高效地预测锂离子电池RUL，将对基于不同PF相关改进算法的RUL预测结果作比较和分析，包括无迹粒子滤波（Unscented Particle Filter, UPF）和本文在研究过程中新提出的改进高斯粒子滤波（Improved Gaussion Particle Filter, IGPF）。前者借助无迹卡尔曼滤波（Unscented Kalman Filter, UKF）产生的粒子将当前时刻最新的观测值纳入采样粒子集，后者从免重采样的思路进行粒子多样性的保护，同时保证了执行滤波算法的速度和获取滤波结果的精度。基于经验退化模型中的电池容量双指数模型，利用NASA发布的锂离子电池容量退化数据集进行实验与分析表明，UPF和IGPF能够避免SIR-PF的缺陷并有效预测锂离子电池RUL，其中，新提出的IGPF算法具有运行速度快、预测精度高、易实现的优点。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 71页 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.sia.cn/handle/173321/28970]  |
| 专题 | 工艺装备与智能机器人研究室 |
| 作者单位 | 中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 冀超骥. 大规模锂电池剩余寿命预测算法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2021. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论