锂离子电池剩余使用寿命预测研究
锂离子电池作为目前电子设备和系统的主要供能来源，当锂离子电池失效或发生故障时会带来严重的事故造成经济损失，甚至还会威胁使用者的生命安全。若在锂离子电池循环工作过程中，可以准确预测各种工作条件下的剩余电池寿命（RemainingUsefulLife,RUL），就可以在电池失效或故障前更换电池，降低由电池失效或故障导致事故的发生概率，保障电子设备和系统正常稳定的运行。 本文以锂离子电池为研究对象，针对锂离子电池在循环工作过程中的RUL预测进行研究，主要是以下几个部分： 首先，本文从锂离子电池的工作原理和老化机理两个方面理论上分析了造成电池老化的原因，确定了电池的健康状态（StateOfHealth,SOH）是决定电池RUL的关键指标。对粒子滤波算法在电池RUL预测进行理论分析和实验验证。在此过程中研究了电池的经验老化模型，选取了单指数经验老化模型作为本文的研究重点。。 其次，分析了实验结果误差产生的原因。粒子退化和奇异值是影响标准粒子滤波算法预测结果精度的主要因素，从保证粒子多样性的角度，引入无迹卡尔曼滤波算法（UnscentedKalmanFilter,UKF）对粒子滤波算法预测电池RUL进行优化。在粒子滤波算法采样前，通过UKF对粒子集中的粒子重新赋权，保证粒子的多样性，克服粒子滤波算法会受到粒子退化和奇异值影响的问题，提高预测精度。 最后，实现了对预测结果概率密度分布函数（Probabilitydensitydistributionfunction，PDF）的量化表达，为电子设备和系统的维护提供更有参考价值的信息。利用故障预测与健康管理（PrognosticsHealthManagement,PHM）领域中广泛应用的评价RUL预测算法性能的相关指标，对本文提出的优化算法进行评估，证明了此算法预测性能满足要求。
锂离子电池;剩余使用寿命预测;改进粒子滤波;无迹卡尔曼滤波
湖北工业大学
硕士
电力系统及其自动化
吴麟章;吴铁洲
2021
中文
TM912.9;TP183
2021-10-19（万方平台首次上网日期，不代表论文的发表时间）