锂离子电池剩余寿命间接预测方法

被引：80

作者：

庞景月

马云彤

刘大同

彭宇

机构：

[1] 哈尔滨工业大学电气工程及自动化学院自动化测试与控制系

来源：

中国科技论文 | 2014年 / 9卷 / 01期

基金：

高等学校博士学科点专项科研基金;

关键词：

测试计量技术及仪器; 锂离子电池; 故障预测和健康管理; 剩余寿命预测; 高斯过程回归; 健康因子;

D O I：

暂无

中图分类号：

TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对锂离子电池在线剩余寿命预测时容量难以直接测量以及预测表达的不确定性等问题,提出一种利用锂离子电池充放电监测参数构建剩余寿命预测健康因子的方法框架,实现了锂电池健康状态的表征,同时利用高斯过程回归(Gaussian process regression,GPR)方法给出剩余寿命预测的不确定性区间,从而构建了锂离子电池在线剩余寿命预测的方法体系。基于NASA锂离子电池数据集和卫星锂离子试验数据的剩余寿命预测验证和评估实验,表明本文提出的方法框架可以很好地支撑电池在线剩余寿命预测的应用,具备较好的电池剩余寿命预测精度和不确定性管理能力。

引用

页码：28 / 36

页数：9

共 10 条

[1]

基于高斯过程回归的上市股价预测模型 [J].

杨振舰 ;

夏克文 .

计算机仿真, 2013, 30 (01) :293-296+304

[2]

基于高斯过程回归的短期风速预测 [J].

孙斌 ;

姚海涛 ;

刘婷 .

中国电机工程学报, 2012, 32 (29) :104-109+5

[3]

基于高斯过程的混沌时间序列单步与多步预测 [J].

李军 ;

张友鹏 .

物理学报, 2011, 60 (07) :150-159

[4]

故障预测与健康管理技术综述 [J].

彭宇 ;

刘大同 ;

彭喜元 .

电子测量与仪器学报, 2010, 24 (01) :1-9

[5]

基于EMD和高斯过程回归组合模型的短期电力负荷预测方法研究 [D].

杨晓晶 .

昆明理工大学,

2010

[6]

化学电源测试原理与技术.[M].杨军;解晶莹;王久林主编;.化学工业出版社.2006,

[7]

An ensemble model for predicting the remaining useful performance of lithium-ion batteries [J].

Xing, Yinjiao ;

Ma, Eden W. M. ;

Tsui, Kwok-Leung ;

Pecht, Michael .

MICROELECTRONICS RELIABILITY, 2013, 53 (06) :811-820

[8]

Remaining useful life prediction of lithium-ion battery with unscented particle filter technique [J].

Miao, Qiang ;

Xie, Lei ;

Cui, Hengjuan ;

Liang, Wei ;

Pecht, Michael .

MICROELECTRONICS RELIABILITY, 2013, 53 (06) :805-810

[9]

A data-model-fusion prognostic framework for dynamic system state forecasting [J].

Liu, J. ;

Wang, W. ;

Ma, F. ;

Yang, Y. B. ;

Yang, C. S. .

ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2012, 25 (04) :814-823

[10]

Prognostics of lithium-ion batteries based on Dempster–Shafer theory and the Bayesian Monte Carlo method.[J].Wei He;Nicholas Williard;Michael Osterman;Michael Pecht.Journal of Power Sources.2011, 23

← 1 →