锂离子电池状态跟踪与容量预测的改进算法 2024-08-07 08:32:05 针对标准粒子滤波算法在锂离子电池剩余使用寿命预测方面出现的估计精度不高、算法不稳定及计算效率低等问题,桂林电子科技大学电气工程及其自动化系的研究人员焦自权、范兴明、张鑫、罗奕、刘阳升,在2020年第18期《电工技术学报》上撰文,提出一种改进粒子滤波算法的状态跟踪与剩余使用寿命预测估计方法。该方法具有状态跟踪拟合度好、预测精度高及计算效率性能优良等特点。锂离子电池以输出功率大、能量密度高、充放电速度快、自放电率低、无记忆效应、绿色环保等优点成为理想的储能装置,被广泛应用在航空航天、汽车、军事装备及消费类产品等众多领域。然而锂离子电池在循环使用过程中,由于电极活性材料的不可逆溶解、钝化膜的形成生长、电解液的分解以及进而引起的电池内部晶体结构变异破坏,都会导致其性能逐渐衰退,最终会间接引起用电系统(设备)的功能下降或故障。因此,快速准确地估计电池健康状态并实现实时在线预测其荷电容量与剩余使用寿命等参数信息,对提高锂离子电池和用电系统(设备)的安全性和可靠性具有重要意义。锂离子电池的剩余使用寿命(Remaining Useful Life, RUL)是指在一定的充放电条件下,电池性能或健康状态退化到不能满足设备继续工作或规定值(失效阈值)之前所经历的充放电循环次数。近年来,针对电池剩余使用寿命的估计理论及预测算法研究深受国内外专家学者的高度重视。目前基于电池机理模型的研究已较为成熟,且基于模型方法实现RUL预测成为可能,该方法依托电池的退化机理、负载条件及电极材料属性并结合失效机制对RUL进行预测,以对象模型架构确定为应用前提,精度取决于模型建立的完善准确程度。比如:K. Darcovich等在准确架构电池模型的前提下,提出耦合数值算法预测电动汽车的锂离子电池剩余寿命;G. Ning等运用计算物理学中第一性原理建立充放电仿真模型,模拟验证电池循环工作性能变化;R. E. White等将电池衰减过程分为三个阶段,利用单粒子物理机理性能模型仿真分析其寿命循环衰减过程。以上方法单纯利用经验退化模型来模拟预测电池充放电衰退过程,具有一定的应用局限性。粒子滤波(Particle Filter, PF)算法是目前应用较为广泛的一类基于模型的电池RUL预测方法,该算法主要以贝叶斯理论和蒙特卡洛方法近似得到目标系统的真实状态最小方差估计。然而,由于标准PF算法中重要性采样选用先验概率代替重要性函数,且等效条件假设的原因造成算法的自身缺陷(粒子退化、枯竭及收敛性),从而影响算法的应用和推广。为解决算法自身不足,国内外学者提出了很多改进算法,虽然研究已取得一定进展,但改善方法大多依靠相关算法的相互补充融合,同时受到电池本身性能、负载条件与使用环境的影响,改进算法在锂离子电池RUL预测方面仍存在诸多问题,如预测精度、鲁棒性、时效性等。基于此,桂林电子科技大学的研究人员以电池容量衰退经验模型为核心,建立锂离子电池状态跟踪与容量预测估计模型。首先通过贝叶斯理论对历史样本进行状态跟踪建模,优化训练算法辨识物理模型参数与重采样策略。采用状态跟踪训练优化后最新量测信息,取代序贯重要性采样过程中未考虑观测噪声的量测信息,指导产生新的提议分布更新粒子重要性权值计算的方法,来改善粒子退化现象。同时基于马尔科夫链-蒙特卡洛(MCMC)方法中的M-H(Metropolis-Hastings)抽样算法丰富采样粒子多样性,改良重采样策略来解决由其引起的粒子枯竭问题,并通过仿真揭示出不同跟踪集S和粒子数M等模型参数对预测结果的影响规律,继而构建实时更新提议分布、MCMC方法与粒子滤波算法优化融合的状态跟踪与剩余使用寿命预测模型——基于MCMC的更新改进粒子滤波融合算法模型。研究结果表明,所提出的基于MCUPPF算法的锂离子电池状态跟踪与RUL预测估计模型,具有状态跟踪拟合度好、RUL预测精度高、计算效率性能优良以及较强的稳定鲁棒性、泛化适应性、通用有效性等优点,为今后的锂离子电池状态跟踪与RUL预测研究工作提供了一定的参考和借鉴意义。另外,在现有的研究成果工作基础上,研究人员还指出未来的研究方向:1)增加补充包括温度在内的其他外部环境因素的电池充放电实验,以获取更为贴合真实运行工况下的容量数据,实现完善外部环境多因素影响下的锂离子电池状态跟踪与RUL预测研究工作。2)针对容量“跳水”特性和状态空间模型噪声分布复杂未知问题优化本文提出的融合算法,实现完善各种类型电池、不同训练阶段方案下“完整”生命周期的锂离子电池RUL预测与状态评估工作。 以上研究成果发表在2020年第18期《电工技术学报》,论文标题为“基于改进粒子滤波算法的锂离子电池状态跟踪与剩余使用寿命预测方法”,作者为焦自权、范兴明、张鑫、罗奕、刘阳升。 赞 (0) 相关推荐 锂离子电池寿命预测模型 来源:锂电闲文 锂离子电池寿命预测资料供大家参考<Predictive Models of Li-ion Battery Lifetime> 锂离子电池寿命预估是个复杂的系统,文中通过多尺 ... 【学术论文】WSN中一种基于RSSI的移动节点改进定位算法 摘要: 移动无线传感器网络的节点定位算法中,基于RSSI的MCL定位算法利用接收信号强度的对数正态模型对定位的预测和滤波过程进行了改进,改善了定位性能,但是仍存在计算量较大.功耗较大等不足.因为物体的 ... 【学术论文】光伏组件内部参数辨识与输出特性研究 近几年,随着生态问题的日益突出,不可再生能源的过度使用,对环境造成了不小的影响,比如近几年我国雾霾尤其严重,这就凸显出清洁可再生能源的重要性了.近年来,光伏产业作为可再生能源工业的代表,在人们生活的各 ... Nature microbiology | 细菌代谢状态比生长速率更准确地预测抗生素致死率 推荐:江舜尧 编译:Ares 编辑:十九 麻省理工学院和哈佛大学的Broad研究所James Collins等人于2019年8月26日在微生物学顶级期刊Nature Microbiology上发表题目 ... 【跟踪报道】预测1/3墨西哥人或将被感染,甚或有12,500例死亡/墨城有30亿预算可对抗疫情/总统:不要夸大新冠病毒 本报综合编译 昨日,隶属于卫生部的卫生预防和促进部部长Hugo López-Gatell在新闻发布会上说,尽管人们不希望新冠病毒到达墨西哥,但这种病毒在未来会传入本国,并可能导致多达12,500人死亡 ... 智能海滩、泳池来了!AI溺水防护系统实时跟踪、风险预测、自动警报 如今,人工智能(AI)在生活中的应用场景可谓百变多样.从医学诊断.图像识别.无人驾驶到个人助理.教育辅助,AI 的对现代生活的重要性不言而喻.然而,除了以上场景,AI 还可以应用于安全防护方面. 这不 ... 统计,概率,预测随机性,算法,钱:如何用随机性概率赚大钱? 未来不可预测的,那你怎么知道预测的不准,未来可预测,那我们用历史大数据做预测标准,又有什么不对?信息的根本,就是不确定性的减少.过去可知却不可控,未来可控但不可知.这是一篇需要独立思考的文章. 一:随 ... 一天之内,两大AI预测蛋白结构算法开源,分别登上Nature、Science 机器之心报道 机器之心编辑部 这是科学激动人心的新一步.我们将直播解读这两研究,详见文后. 使用 氨基酸 序列预测蛋白质形状的 AphaFold2,终于开源了. 众所周知,蛋白质是生命活动的基本组件, ... 50年生物学难题迎两款AI产品破局!Science、Nature同日发文,预测蛋白结构算法开源 [导读] 「AI预测蛋白质折叠,为何让学界如此狂热?」 AI又让学术圈沸腾了,<Science>和<Nature>甚至齐齐发文. 去年谷歌旗下AI公司Deepmind开发出一项 ... 物联网环境下,山地变电站信号可并行识别的改进算法 第34届世界电动车大会征文专区 第34届世界电动车大会暨展览会(EVS34)征文通知 燃料电池│第34届世界电动车大会专题征文 储能前沿交叉│第34届世界电动车大会专题征文 电动汽车的电磁兼容│第34 ... DL:深度学习(神经网络)的简介、基础知识(神经元/感知机、训练策略、预测原理)、算法分类、经典案例应用之详细攻略 DL:深度学习(神经网络)的简介.基础知识(神经元/感知机.训练策略.预测原理).算法分类.经典案例应用之详细攻略 深度学习(神经网络)的简介 深度学习(Deep Learning, DL)或阶层学习 ... Matlab:单幅图象的暗原色先验去雾改进算法,能够很好地改进天空或明亮部分色彩失真问题 Matlab:单幅图象的暗原色先验去雾改进算法,能够很好地改进天空或明亮部分色彩失真问题 输出结果 实现代码 %单幅图象的暗原色先验去雾改进算法,能够很好地改进天空或明亮部分色彩失真问题,matlab ...
针对标准粒子滤波算法在锂离子电池剩余使用寿命预测方面出现的估计精度不高、算法不稳定及计算效率低等问题,桂林电子科技大学电气工程及其自动化系的研究人员焦自权、范兴明、张鑫、罗奕、刘阳升,在2020年第18期《电工技术学报》上撰文,提出一种改进粒子滤波算法的状态跟踪与剩余使用寿命预测估计方法。该方法具有状态跟踪拟合度好、预测精度高及计算效率性能优良等特点。锂离子电池以输出功率大、能量密度高、充放电速度快、自放电率低、无记忆效应、绿色环保等优点成为理想的储能装置,被广泛应用在航空航天、汽车、军事装备及消费类产品等众多领域。然而锂离子电池在循环使用过程中,由于电极活性材料的不可逆溶解、钝化膜的形成生长、电解液的分解以及进而引起的电池内部晶体结构变异破坏,都会导致其性能逐渐衰退,最终会间接引起用电系统(设备)的功能下降或故障。因此,快速准确地估计电池健康状态并实现实时在线预测其荷电容量与剩余使用寿命等参数信息,对提高锂离子电池和用电系统(设备)的安全性和可靠性具有重要意义。锂离子电池的剩余使用寿命(Remaining Useful Life, RUL)是指在一定的充放电条件下,电池性能或健康状态退化到不能满足设备继续工作或规定值(失效阈值)之前所经历的充放电循环次数。近年来,针对电池剩余使用寿命的估计理论及预测算法研究深受国内外专家学者的高度重视。目前基于电池机理模型的研究已较为成熟,且基于模型方法实现RUL预测成为可能,该方法依托电池的退化机理、负载条件及电极材料属性并结合失效机制对RUL进行预测,以对象模型架构确定为应用前提,精度取决于模型建立的完善准确程度。比如:K. Darcovich等在准确架构电池模型的前提下,提出耦合数值算法预测电动汽车的锂离子电池剩余寿命;G. Ning等运用计算物理学中第一性原理建立充放电仿真模型,模拟验证电池循环工作性能变化;R. E. White等将电池衰减过程分为三个阶段,利用单粒子物理机理性能模型仿真分析其寿命循环衰减过程。以上方法单纯利用经验退化模型来模拟预测电池充放电衰退过程,具有一定的应用局限性。粒子滤波(Particle Filter, PF)算法是目前应用较为广泛的一类基于模型的电池RUL预测方法,该算法主要以贝叶斯理论和蒙特卡洛方法近似得到目标系统的真实状态最小方差估计。然而,由于标准PF算法中重要性采样选用先验概率代替重要性函数,且等效条件假设的原因造成算法的自身缺陷(粒子退化、枯竭及收敛性),从而影响算法的应用和推广。为解决算法自身不足,国内外学者提出了很多改进算法,虽然研究已取得一定进展,但改善方法大多依靠相关算法的相互补充融合,同时受到电池本身性能、负载条件与使用环境的影响,改进算法在锂离子电池RUL预测方面仍存在诸多问题,如预测精度、鲁棒性、时效性等。基于此,桂林电子科技大学的研究人员以电池容量衰退经验模型为核心,建立锂离子电池状态跟踪与容量预测估计模型。首先通过贝叶斯理论对历史样本进行状态跟踪建模,优化训练算法辨识物理模型参数与重采样策略。采用状态跟踪训练优化后最新量测信息,取代序贯重要性采样过程中未考虑观测噪声的量测信息,指导产生新的提议分布更新粒子重要性权值计算的方法,来改善粒子退化现象。同时基于马尔科夫链-蒙特卡洛(MCMC)方法中的M-H(Metropolis-Hastings)抽样算法丰富采样粒子多样性,改良重采样策略来解决由其引起的粒子枯竭问题,并通过仿真揭示出不同跟踪集S和粒子数M等模型参数对预测结果的影响规律,继而构建实时更新提议分布、MCMC方法与粒子滤波算法优化融合的状态跟踪与剩余使用寿命预测模型——基于MCMC的更新改进粒子滤波融合算法模型。研究结果表明,所提出的基于MCUPPF算法的锂离子电池状态跟踪与RUL预测估计模型,具有状态跟踪拟合度好、RUL预测精度高、计算效率性能优良以及较强的稳定鲁棒性、泛化适应性、通用有效性等优点,为今后的锂离子电池状态跟踪与RUL预测研究工作提供了一定的参考和借鉴意义。另外,在现有的研究成果工作基础上,研究人员还指出未来的研究方向:1)增加补充包括温度在内的其他外部环境因素的电池充放电实验,以获取更为贴合真实运行工况下的容量数据,实现完善外部环境多因素影响下的锂离子电池状态跟踪与RUL预测研究工作。2)针对容量“跳水”特性和状态空间模型噪声分布复杂未知问题优化本文提出的融合算法,实现完善各种类型电池、不同训练阶段方案下“完整”生命周期的锂离子电池RUL预测与状态评估工作。 以上研究成果发表在2020年第18期《电工技术学报》,论文标题为“基于改进粒子滤波算法的锂离子电池状态跟踪与剩余使用寿命预测方法”,作者为焦自权、范兴明、张鑫、罗奕、刘阳升。