發(fā)布時間：2021-06-14 18:47

　　針對標(biāo)準(zhǔn)粒子濾波算法在鋰離子電池剩余使用壽命預(yù)測方面出現(xiàn)的估計精度不高、算法不穩(wěn)定及計算效率低等問題,該文提出一種改進(jìn)粒子濾波算法的狀態(tài)跟蹤與剩余使用壽命預(yù)測估計方法。選取電池容量衰退經(jīng)驗物理模型為基礎(chǔ),通過貝葉斯理論對歷史樣本進(jìn)行狀態(tài)跟蹤建模,優(yōu)化訓(xùn)練算法辨識物理模型參數(shù)與重采樣策略。采用狀態(tài)跟蹤訓(xùn)練優(yōu)化后最新量測信息取代序貫重要性采樣過程中未考慮觀測噪聲的量測信息,指導(dǎo)產(chǎn)生新的提議分布更新粒子重要性權(quán)值計算的方法來改善粒子退化現(xiàn)象,同時基于馬爾科夫鏈-蒙特卡洛（MCMC）方法中的M-H（Metropolis-Hastings）抽樣算法豐富采樣粒子多樣性,改良重采樣策略來解決由其引起的粒子枯竭問題,并通過仿真揭示出不同跟蹤集S和粒子數(shù)M等模型參數(shù)對預(yù)測結(jié)果的影響規(guī)律,繼而構(gòu)建實時更新提議分布、MCMC方法與粒子濾波算法優(yōu)化融合的狀態(tài)跟蹤與剩余使用壽命預(yù)測模型——基于MCMC的更新改進(jìn)粒子濾波融合算法模型。仿真實驗結(jié)果表明,該文提出的改進(jìn)算法具有狀態(tài)跟蹤擬合度好、預(yù)測精度高及計算效率性能優(yōu)良等特點,并通過設(shè)計出不同類型電池容量和算法模型等多種組合方案的仿真,驗證了改進(jìn)算法較強(qiáng)的穩(wěn)定魯棒... 

【文章來源】：電工技術(shù)學(xué)報. 2020,35(18)北大核心EICSCD

【文章頁數(shù)】：15 頁

【部分圖文】：

PF算法粒子重采樣過程示意圖

(1）提取電池容量數(shù)據(jù)集OX，對數(shù)據(jù)進(jìn)行預(yù)處理。由于人為或設(shè)備的噪聲干擾，容量集可能會出現(xiàn)少量異常數(shù)據(jù)，故對其進(jìn)行篩選剔除；同時為提高算法時效，應(yīng)進(jìn)行數(shù)據(jù)精簡（每隔N個點取一點，N在不影響衰退趨勢前提下視效果而定）。(2）設(shè)定跟蹤集TS和參數(shù)初值。在實驗數(shù)據(jù)部分已知前提下，應(yīng)選取較大規(guī)模歷史樣本作為跟蹤集以確保預(yù)測算法精度和實效性；以參考樣本電池非線性最小二乘法擬合系數(shù)作為跟蹤初值。

結(jié)合電路模型且依托其電化學(xué)特征衰減機(jī)理得出指數(shù)函數(shù)之和，其可模擬電池阻抗隨時間增加而增加的現(xiàn)象，借助容量衰退與電池內(nèi)部阻抗之間的關(guān)系，通過實驗數(shù)據(jù)的統(tǒng)計學(xué)理論回歸分析，構(gòu)建含有電池特征參數(shù)的容量衰退經(jīng)驗物理模型，模型需保持較強(qiáng)穩(wěn)定性，以便能夠適應(yīng)并滿足電池容量衰退的強(qiáng)非線性變化趨勢。進(jìn)而利用已知歷史實驗樣本數(shù)據(jù)，基于貝葉斯理論的跟蹤訓(xùn)練能力對經(jīng)驗退化模型參數(shù)進(jìn)行實時估計及噪聲多特征尋優(yōu)，其優(yōu)劣直接影響經(jīng)驗物理模型精準(zhǔn)表征電池容量衰退信息的程度，從而構(gòu)建RUL預(yù)測環(huán)節(jié)中所使用的狀態(tài)空間模型[21]。同時由于不同類型電池不同階段的退化趨勢各不相同，通過合理選定模型參數(shù)初值和跟蹤訓(xùn)練集（多特征尋優(yōu)的噪聲分布），根據(jù)貝葉斯理論對特定電池和階段進(jìn)行模型參數(shù)優(yōu)化辨識，辨識后物理模型可以有效地收斂到電池真實衰退的漸變趨勢狀態(tài)，以此建立基于PF算法的狀態(tài)跟蹤與RUL預(yù)測模型。根據(jù)以上理論分析，本文針對鋰離子電池RUL預(yù)測問題研究主要包含三個方面：(1)依托電池負(fù)載條件、材料屬性及退化機(jī)理，結(jié)合電池失效機(jī)制建立電池容量衰退模型（狀態(tài)空間模型）；(2)利用貝葉斯理論對電池容量歷史樣本數(shù)據(jù)進(jìn)行跟蹤訓(xùn)練，優(yōu)化擬合算法辨識衰退模型參數(shù)（噪聲多特征分布）；(3)針對PF算法實現(xiàn)電池RUL預(yù)測功能的固有缺陷（粒子退化和枯竭現(xiàn)象），構(gòu)建基于更新提議分布和改良重采樣策略的MCUPPF算法模型實現(xiàn)鋰離子電池的RUL預(yù)測�；诖�，使用統(tǒng)計和機(jī)器學(xué)習(xí)技術(shù)方法跟蹤電池退化（故障）趨勢并估計其隱含機(jī)理，建立依托于表征系統(tǒng)遞推規(guī)律的狀態(tài)轉(zhuǎn)移方程（電池系統(tǒng)物理模型）和將系統(tǒng)隱含信息轉(zhuǎn)化為可見輸出的觀測方程（數(shù)據(jù)特征量測方程）所組成的狀態(tài)空間模型。結(jié)合系統(tǒng)狀態(tài)空間模型與實際觀測輸出信息，融入電池表征物理特性，依據(jù)上一時刻的狀態(tài)預(yù)測結(jié)果以及轉(zhuǎn)移方程給出當(dāng)前時刻的狀態(tài)估計，利用當(dāng)前時刻的實際量測信息（噪聲干擾）與估計觀測值之間的誤差，生成帶有權(quán)重的修正項來實現(xiàn)狀態(tài)的更新過程，從而構(gòu)成一個實時預(yù)測系統(tǒng)并得出可信度較高的狀態(tài)估計，最終實現(xiàn)鋰離子電池狀態(tài)跟蹤與RUL預(yù)測評估等過程。

【參考文獻(xiàn)】：
期刊論文
[1]基于短時擱置端電壓壓降的快速鋰離子電池健康狀態(tài)預(yù)測[J]. 郭永芳,黃凱,李志剛.  電工技術(shù)學(xué)報. 2019(19)
[2]基于庫侖效率的退役鋰離子動力電池儲能梯次利用篩選[J]. 鄭志坤,趙光金,金陽,趙智興,高金峰.  電工技術(shù)學(xué)報. 2019(S1)
[3]基于信息反饋粒子群的高精度鋰離子電池模型參數(shù)辨識[J]. 黃凱,郭永芳,李志剛.  電工技術(shù)學(xué)報. 2019(S1)
[4]脈沖大倍率放電條件下磷酸鐵鋰電池荷電狀態(tài)估計[J]. 張振宇,汪光森,聶世雄,邢鵬翔.  電工技術(shù)學(xué)報. 2019(08)
[5]基于混合引導(dǎo)策略的高精度螢火蟲優(yōu)化粒子濾波算法[J]. 畢曉君,胡菘益.  上海交通大學(xué)學(xué)報. 2019(02)
[6]基于貝葉斯層次模型的電能表檢定裝置在線核查方法[J]. 杜蜀薇,彭楚寧,徐石明,李天陽.  電力系統(tǒng)自動化. 2018(18)
[7]基于自控蝙蝠算法智能優(yōu)化粒子濾波的機(jī)動目標(biāo)跟蹤方法[J]. 陳志敏,吳盤龍,薄煜明,田夢楚,岳聰,顧福飛.  電子學(xué)報. 2018(04)
[8]基于可變溫度模型的鋰電池SOC估計方法[J]. 何耀,曹成榮,劉新天,鄭昕昕,曾國建.  電機(jī)與控制學(xué)報. 2018(01)
[9]基于無跡粒子濾波的車載鋰離子電池狀態(tài)估計[J]. 謝長君,費亞龍,曾春年,房偉.  電工技術(shù)學(xué)報. 2018(17)
[10]一種攝動粒子濾波故障檢測方法[J]. 張琪,張志利,李天梅,鄭建飛.  電機(jī)與控制學(xué)報. 2017(11)



本文編號：3230130