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
发布时间：2021-06-14 18:47
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,该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。选取电池容量衰退经验物理模型为基础,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。仿真实验结果表明,该文提出的改进算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,并通过设计出不同类型电池容量和算法模型等多种组合方案的仿真,验证了改进算法较强的稳定鲁棒...
【文章来源】：电工技术学报. 2020,35(18)北大核心EICSCD
【文章页数】：15 页
【部分图文】：
PF算法粒子重采样过程示意图
(1）提取电池容量数据集OX，对数据进行预处理。由于人为或设备的噪声干扰，容量集可能会出现少量异常数据，故对其进行筛选剔除；同时为提高算法时效，应进行数据精简（每隔N个点取一点，N在不影响衰退趋势前提下视效果而定）。(2）设定跟踪集TS和参数初值。在实验数据部分已知前提下，应选取较大规模历史样本作为跟踪集以确保预测算法精度和实效性；以参考样本电池非线性最小二乘法拟合系数作为跟踪初值。
结合电路模型且依托其电化学特征衰减机理得出指数函数之和，其可模拟电池阻抗随时间增加而增加的现象，借助容量衰退与电池内部阻抗之间的关系，通过实验数据的统计学理论回归分析，构建含有电池特征参数的容量衰退经验物理模型，模型需保持较强稳定性，以便能够适应并满足电池容量衰退的强非线性变化趋势。进而利用已知历史实验样本数据，基于贝叶斯理论的跟踪训练能力对经验退化模型参数进行实时估计及噪声多特征寻优，其优劣直接影响经验物理模型精准表征电池容量衰退信息的程度，从而构建RUL预测环节中所使用的状态空间模型[21]。同时由于不同类型电池不同阶段的退化趋势各不相同，通过合理选定模型参数初值和跟踪训练集（多特征寻优的噪声分布），根据贝叶斯理论对特定电池和阶段进行模型参数优化辨识，辨识后物理模型可以有效地收敛到电池真实衰退的渐变趋势状态，以此建立基于PF算法的状态跟踪与RUL预测模型。根据以上理论分析，本文针对锂离子电池RUL预测问题研究主要包含三个方面：(1)依托电池负载条件、材料属性及退化机理，结合电池失效机制建立电池容量衰退模型（状态空间模型）；(2)利用贝叶斯理论对电池容量历史样本数据进行跟踪训练，优化拟合算法辨识衰退模型参数（噪声多特征分布）；(3)针对PF算法实现电池RUL预测功能的固有缺陷（粒子退化和枯竭现象），构建基于更新提议分布和改良重采样策略的MCUPPF算法模型实现锂离子电池的RUL预测。基于此，使用统计和机器学习技术方法跟踪电池退化（故障）趋势并估计其隐含机理，建立依托于表征系统递推规律的状态转移方程（电池系统物理模型）和将系统隐含信息转化为可见输出的观测方程（数据特征量测方程）所组成的状态空间模型。结合系统状态空间模型与实际观测输出信息，融入电池表征物理特性，依据上一时刻的状态预测结果以及转移方程给出当前时刻的状态估计，利用当前时刻的实际量测信息（噪声干扰）与估计观测值之间的误差，生成带有权重的修正项来实现状态的更新过程，从而构成一个实时预测系统并得出可信度较高的状态估计，最终实现锂离子电池状态跟踪与RUL预测评估等过程。
【参考文献】：
期刊论文
[1]基于短时搁置端电压压降的快速锂离子电池健康状态预测[J]. 郭永芳,黄凯,李志刚. 电工技术学报. 2019(19)
[2]基于库仑效率的退役锂离子动力电池储能梯次利用筛选[J]. 郑志坤,赵光金,金阳,赵智兴,高金峰. 电工技术学报. 2019(S1)
[3]基于信息反馈粒子群的高精度锂离子电池模型参数辨识[J]. 黄凯,郭永芳,李志刚. 电工技术学报. 2019(S1)
[4]脉冲大倍率放电条件下磷酸铁锂电池荷电状态估计[J]. 张振宇,汪光森,聂世雄,邢鹏翔. 电工技术学报. 2019(08)
[5]基于混合引导策略的高精度萤火虫优化粒子滤波算法[J]. 毕晓君,胡菘益. 上海交通大学学报. 2019(02)
[6]基于贝叶斯层次模型的电能表检定装置在线核查方法[J]. 杜蜀薇,彭楚宁,徐石明,李天阳. 电力系统自动化. 2018(18)
[7]基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法[J]. 陈志敏,吴盘龙,薄煜明,田梦楚,岳聪,顾福飞. 电子学报. 2018(04)
[8]基于可变温度模型的锂电池SOC估计方法[J]. 何耀,曹成荣,刘新天,郑昕昕,曾国建. 电机与控制学报. 2018(01)
[9]基于无迹粒子滤波的车载锂离子电池状态估计[J]. 谢长君,费亚龙,曾春年,房伟. 电工技术学报. 2018(17)
[10]一种摄动粒子滤波故障检测方法[J]. 张琪,张志利,李天梅,郑建飞. 电机与控制学报. 2017(11)
本文编号：3230130
【文章来源】：电工技术学报. 2020,35(18)北大核心EICSCD
【文章页数】：15 页
【部分图文】：
PF算法粒子重采样过程示意图
(1）提取电池容量数据集OX，对数据进行预处理。由于人为或设备的噪声干扰，容量集可能会出现少量异常数据，故对其进行筛选剔除；同时为提高算法时效，应进行数据精简（每隔N个点取一点，N在不影响衰退趋势前提下视效果而定）。(2）设定跟踪集TS和参数初值。在实验数据部分已知前提下，应选取较大规模历史样本作为跟踪集以确保预测算法精度和实效性；以参考样本电池非线性最小二乘法拟合系数作为跟踪初值。
结合电路模型且依托其电化学特征衰减机理得出指数函数之和，其可模拟电池阻抗随时间增加而增加的现象，借助容量衰退与电池内部阻抗之间的关系，通过实验数据的统计学理论回归分析，构建含有电池特征参数的容量衰退经验物理模型，模型需保持较强稳定性，以便能够适应并满足电池容量衰退的强非线性变化趋势。进而利用已知历史实验样本数据，基于贝叶斯理论的跟踪训练能力对经验退化模型参数进行实时估计及噪声多特征寻优，其优劣直接影响经验物理模型精准表征电池容量衰退信息的程度，从而构建RUL预测环节中所使用的状态空间模型[21]。同时由于不同类型电池不同阶段的退化趋势各不相同，通过合理选定模型参数初值和跟踪训练集（多特征寻优的噪声分布），根据贝叶斯理论对特定电池和阶段进行模型参数优化辨识，辨识后物理模型可以有效地收敛到电池真实衰退的渐变趋势状态，以此建立基于PF算法的状态跟踪与RUL预测模型。根据以上理论分析，本文针对锂离子电池RUL预测问题研究主要包含三个方面：(1)依托电池负载条件、材料属性及退化机理，结合电池失效机制建立电池容量衰退模型（状态空间模型）；(2)利用贝叶斯理论对电池容量历史样本数据进行跟踪训练，优化拟合算法辨识衰退模型参数（噪声多特征分布）；(3)针对PF算法实现电池RUL预测功能的固有缺陷（粒子退化和枯竭现象），构建基于更新提议分布和改良重采样策略的MCUPPF算法模型实现锂离子电池的RUL预测。基于此，使用统计和机器学习技术方法跟踪电池退化（故障）趋势并估计其隐含机理，建立依托于表征系统递推规律的状态转移方程（电池系统物理模型）和将系统隐含信息转化为可见输出的观测方程（数据特征量测方程）所组成的状态空间模型。结合系统状态空间模型与实际观测输出信息，融入电池表征物理特性，依据上一时刻的状态预测结果以及转移方程给出当前时刻的状态估计，利用当前时刻的实际量测信息（噪声干扰）与估计观测值之间的误差，生成带有权重的修正项来实现状态的更新过程，从而构成一个实时预测系统并得出可信度较高的状态估计，最终实现锂离子电池状态跟踪与RUL预测评估等过程。
【参考文献】：
期刊论文
[1]基于短时搁置端电压压降的快速锂离子电池健康状态预测[J]. 郭永芳,黄凯,李志刚. 电工技术学报. 2019(19)
[2]基于库仑效率的退役锂离子动力电池储能梯次利用筛选[J]. 郑志坤,赵光金,金阳,赵智兴,高金峰. 电工技术学报. 2019(S1)
[3]基于信息反馈粒子群的高精度锂离子电池模型参数辨识[J]. 黄凯,郭永芳,李志刚. 电工技术学报. 2019(S1)
[4]脉冲大倍率放电条件下磷酸铁锂电池荷电状态估计[J]. 张振宇,汪光森,聂世雄,邢鹏翔. 电工技术学报. 2019(08)
[5]基于混合引导策略的高精度萤火虫优化粒子滤波算法[J]. 毕晓君,胡菘益. 上海交通大学学报. 2019(02)
[6]基于贝叶斯层次模型的电能表检定装置在线核查方法[J]. 杜蜀薇,彭楚宁,徐石明,李天阳. 电力系统自动化. 2018(18)
[7]基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法[J]. 陈志敏,吴盘龙,薄煜明,田梦楚,岳聪,顾福飞. 电子学报. 2018(04)
[8]基于可变温度模型的锂电池SOC估计方法[J]. 何耀,曹成荣,刘新天,郑昕昕,曾国建. 电机与控制学报. 2018(01)
[9]基于无迹粒子滤波的车载锂离子电池状态估计[J]. 谢长君,费亚龙,曾春年,房伟. 电工技术学报. 2018(17)
[10]一种摄动粒子滤波故障检测方法[J]. 张琪,张志利,李天梅,郑建飞. 电机与控制学报. 2017(11)
本文编号：3230130
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3230130.html
