- 頭條鋰離子電池狀態跟蹤與容量預測的改進算法2021-11-18 作者：焦自權 范興明 等 | 來源：《電工技術學報》 | 點擊率：導語針對標準粒子濾波算法在鋰離子電池剩余使用壽命預測方面出現的估計精度不高、算法不穩定及計算效率低等問題，桂林電子科技大學電氣工程及其自動化系的研究人員焦自權、范興明、張鑫、羅奕、劉陽升，在2020年第18期《電工技術學報》上撰文，提出一種改進粒子濾波算法的狀態跟蹤與剩余使用壽命預測估計方法。該方法具有狀態跟蹤擬合度好、預測精度高及計算效率性能優良等特點。
鋰離子電池以輸出功率大、能量密度高、充放電速度快、自放電率低、無記憶效應、綠色環保等優點成為理想的儲能裝置，被廣泛應用在航空航天、汽車、軍事裝備及消費類產品等眾多領域。
然而鋰離子電池在循環使用過程中，由于電極活性材料的不可逆溶解、鈍化膜的形成生長、電解液的分解以及進而引起的電池內部晶體結構變異破壞，都會導致其性能逐漸衰退，最終會間接引起用電系統（設備）的功能下降或故障。因此，快速準確地估計電池健康狀態并實現實時在線預測其荷電容量與剩余使用壽命等參數信息，對提高鋰離子電池和用電系統（設備）的安全性和可靠性具有重要意義。
鋰離子電池的剩余使用壽命（Remaining Useful Life, RUL）是指在一定的充放電條件下，電池性能或健康狀態退化到不能滿足設備繼續工作或規定值（失效閾值）之前所經歷的充放電循環次數。
近年來，針對電池剩余使用壽命的估計理論及預測算法研究深受國內外專家學者的高度重視。目前基于電池機理模型的研究已較為成熟，且基于模型方法實現RUL預測成為可能，該方法依托電池的退化機理、負載條件及電極材料屬性并結合失效機制對RUL進行預測，以對象模型架構確定為應用前提，精度取決于模型建立的完善準確程度。
比如：K. Darcovich等在準確架構電池模型的前提下，提出耦合數值算法預測電動汽車的鋰離子電池剩余壽命；G. Ning等運用計算物理學中第一性原理建立充放電仿真模型，模擬驗證電池循環工作性能變化；R. E. White等將電池衰減過程分為三個階段，利用單粒子物理機理性能模型仿真分析其壽命循環衰減過程。
以上方法單純利用經驗退化模型來模擬預測電池充放電衰退過程，具有一定的應用局限性。粒子濾波（Particle Filter, PF）算法是目前應用較為廣泛的一類基于模型的電池RUL預測方法，該算法主要以貝葉斯理論和蒙特卡洛方法近似得到目標系統的真實狀態最小方差估計。然而，由于標準PF算法中重要性采樣選用先驗概率代替重要性函數，且等效條件假設的原因造成算法的自身缺陷（粒子退化、枯竭及收斂性），從而影響算法的應用和推廣。
為解決算法自身不足，國內外學者提出了很多改進算法，雖然研究已取得一定進展，但改善方法大多依靠相關算法的相互補充融合，同時受到電池本身性能、負載條件與使用環境的影響，改進算法在鋰離子電池RUL預測方面仍存在諸多問題，如預測精度、魯棒性、時效性等。
基于此，桂林電子科技大學的研究人員以電池容量衰退經驗模型為核心，建立鋰離子電池狀態跟蹤與容量預測估計模型。
首先通過貝葉斯理論對歷史樣本進行狀態跟蹤建模，優化訓練算法辨識物理模型參數與重采樣策略。采用狀態跟蹤訓練優化后最新量測信息，取代序貫重要性采樣過程中未考慮觀測噪聲的量測信息，指導產生新的提議分布更新粒子重要性權值計算的方法，來改善粒子退化現象。
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M等模型參數對預測結果的影響規律，繼而構建實時更新提議分布、MCMC方法與粒子濾波算法優化融合的狀態跟蹤與剩余使用壽命預測模型——基于MCMC的更新改進粒子濾波融合算法模型。
研究結果表明，所提出的基于MCUPPF算法的鋰離子電池狀態跟蹤與RUL預測估計模型，具有狀態跟蹤擬合度好、RUL預測精度高、計算效率性能優良以及較強的穩定魯棒性、泛化適應性、通用有效性等優點，為今后的鋰離子電池狀態跟蹤與RUL預測研究工作提供了一定的參考和借鑒意義。
另外，在現有的研究成果工作基礎上，研究人員還指出未來的研究方向：
1）增加補充包括溫度在內的其他外部環境因素的電池充放電實驗，以獲取更為貼合真實運行工況下的容量數據，實現完善外部環境多因素影響下的鋰離子電池狀態跟蹤與RUL預測研究工作。
2）針對容量“跳水”特性和狀態空間模型噪聲分布復雜未知問題優化本文提出的融合算法，實現完善各種類型電池、不同訓練階段方案下“完整”生命周期的鋰離子電池RUL預測與狀態評估工作。
以上研究成果發表在2020年第18期《電工技術學報》，論文標題為“基于改進粒子濾波算法的鋰離子電池狀態跟蹤與剩余使用壽命預測方法”，作者為焦自權、范興明、張鑫、羅奕、劉陽升。
