- 頭條天大學者提出用于電動汽車行駛工況下的電池剩余使用壽命預測方法2022-05-12 作者：肖遷、焦志鵬 等 | 來源：《電工技術學報》 | 點擊率：導語行駛工況下電動汽車鋰離子電池剩余使用壽命（RUL）衰退情況復雜，準確的RUL預測可為電池的定期維護和安全穩定運行提供指導，避免安全隱患。為此，天津大學智能電網教育部重點實驗室、省部共建電工裝備可靠性與智能化國家重點實驗室（河北工業大學） 的研究人員肖遷、焦志鵬、穆云飛、陸文標、賈宏杰，在2021年第24期《電工技術學報》上撰文，提出一種適用于行駛工況下電動汽車電池的RUL預測方法。
現如今的電池市場上，動力電池主要包括鉛酸電池、鎳氫電池和鋰離子電池等。其中，鋰離子電池因其在能量密度、循環壽命、自放電率、充放電性能、工作溫度范圍等性能方面的優良表現，在電動汽車（Electric Vehicle, EV）或者混合電動汽車（Hybrid Electric Vehicle, HEV）等領域得到廣泛應用。
然而，隨著鋰離子電池循環充放電次數的增加，電池內部的電化學反應加劇，除了鋰離子脫嵌發生的氧化還原反應外，還存在許多的副反應，如電解液分解、活性物質溶解、金屬鋰沉積等，這些副反應導致電池容量衰減。在電動汽車實際行駛工況下，電池的工作環境和性能衰退情況復雜，電池剩余使用壽命（Remaining Useful Life, RUL）的準確預測可為電池的定期維護和安全穩定運行提供指導。
電池剩余使用壽命是電池可用容量衰減至標準容量的70%～80%（電池服役結束）前所經歷的充放電循環次數。目前，國內外學者和企業已對電池RUL預測方法展開研究，如基于模型驅動的粒子濾波、卡爾曼濾波、退化機理模型、經驗老化模型；基于數據驅動的支持向量機、支持向量回歸、神經網絡、高斯回歸、蒙特卡洛模擬和極限梯度提升（eXtreme Gradient Boosting, XGBoost）等。基于模型驅動的預測效果取決于電池模型，但電池模型無法完全反映內部復雜的電化學動態特性，在一定程度上影響預測效果。基于數據驅動的預測方法可以擺脫對電池模型的依賴性，提升泛化能力。
文獻研究發現，基于模型驅動的預測方法受限于龐大的計算量和復雜的物理模型，難以滿足復雜工況下RUL預測的需求。基于數據驅動的預測方法能夠擺脫對模型的依賴，有效應對非線性數據，在時間序列預測方面有較好表現。但是，現有預測方法在預測時需遍歷整個訓練集，計算效率較低，內存消耗較大。
在不犧牲速度的前提下，為充分利用數據，輕量型梯度提升機（Light Gradient Boosting Machine, LightGBM）和隨機森林（Random Forest, RF）采用Bagging集成學習方式，能夠提升訓練效率，降低時間復雜度，通過直方圖優化、單邊梯度采樣（Gradient-based One-Side Sampling, GOSS）、互斥稀疏特征綁定（Exclusive Feature Bundling, EFB），以及深度限制的按葉子生長（leaf-wise）方式，可降低樣本和特征維度，減小內存使用率，進一步降低時間復雜度。
因此，為準確預測行駛工況下電池剩余使用壽命，天津大學等單位的研究人員基于LightGBM回歸模型，構建行駛工況下電池RUL預測模型，采用元學習超參數優化方法（Hyper-parameter optimization, Hyperopt）對預測模型進行超參數調優，減輕人工調參負擔。他們利用行駛工況下電池全生命周期容量測試數據，從容量回彈處預測效果、時間復雜度、內存使用率和預測準確度等方面評估預測效果，驗證所建RUL預測模型的有效性。最后，通過LightGBM模型驗證生成對抗網絡（Generative Adversarial Networks, GAN）生成的容量序列的可行性，以期減少實驗周期，節約實驗成本。
行駛工況下電池全生命周期容量測試系統
研究人員得出以下結論：
1）LightGBM模型在容量回彈處具有較好的預測效果，且與XGBoost、GBDT和RF模型相比，LightGBM模型時間復雜度低于11s，內存使用率低于27%，RMSE低于1.01%，其有效性得以驗證。
2）采用DTW對行駛工況和靜置工況下的電池容量序列進行相似性分析，得出同種電池在相同或類似充放電循環過程中容量衰退情況相似。
3）基于GAN生成容量序列，測試結果表明，利用生成容量序列預測的RMSE為1.03%，雖然預測效果不如實際容量序列，但基本滿足預測需求，能夠在一定程度上減輕實驗負擔。
另外，研究人員指出，本課題建立的行駛工況下鋰離子電池剩余使用壽命預測模型僅考慮單體電池的預測，未能對行駛工況下電動汽車中整個電池組剩余使用壽命進行預測，后續將重點關注電池組的剩余使用壽命預測研究。
本文編自2021年第24期《電工技術學報》，論文標題為“基于LightGBM的電動汽車行駛工況下電池剩余使用壽命預測”，作者為肖遷、焦志鵬 等。
