基于充电电压片段和融合方法的锂离子电池SOC-SOH-RUL联合估计

摘要

对锂离子电池的荷电状态(state of charge,SOC),健康状态(state of health,SOH)和剩余使用寿命(remaining useful life,RUL)进行准确估计是锂离子电池安全稳定运行的重要保障,该文提出一种结合充电电压片段和等效电路模型(equivalent circuit model,ECM)-数据驱动(data driven method,DDM)融合方法的锂离子电池SOC-SOH-RUL联合估计框架,实现对电池全生命周期的SOC、SOH和RUL的联合估计。首先提取与电池当前容量关联度最高的恒流充电电压曲线片段的上升时间作为健康特征(health factor,HF),利用外部训练集电池的老化数据,离线建立电池老化的最小二乘支持向量机(least squares support vector machine,LSSVM)模型。应用阶段,通过采集待测电池充电电压片段提取HF并代入老化模型进行SOH估计;对该电压区段进行ECM拟合,用阻容参数辨识值和容量估计值建立状态方程和观测方程,结合无迹卡尔曼滤波算法(unscented Kalman filter,UKF)进行SOC估计;用高斯过程回归(Gaussian process regression,GPR)对当前循环次数以前的DV随循环次数的变化进行映射,并借助老化模型预测容量的退化轨迹,实现RUL估计。实验结果表明,所提方法能够联合实现SOC、SOH和RUL的长期稳定估计。