[发明专利]基于主成分分析的融合HI等效性锂离子电池退化预测方法

说明书

技术领域

本发明涉及一种基于主成分分析的融合HI等效性退化预测方法，属于融合HI等效性退化预测方法技术领域。

背景技术

随着锂离子电池不断进行充放电循环，锂离子电池内部存在电解液氧化、锂离子失活等复杂的不可逆的电化学反应，造成锂离子电池的性能退化，其中一个具体表现为锂离子电池的可用最大容量的不断下降。基于数据驱动方法的锂离子电池容量估计方法可以解决不同工作环境条件下，对锂离子电池容量退化物理模型难以构建的问题。通过容量可以直观表征锂离子电池的性能退化，但由于实际应用中容量难以准确测量，传统的安时积分估计方法精度受电流采样精度和积分初值影响较大，因此需使用可用的外测参数，如温度、电压、电流等构建表征锂离子电池容量退化的HI，间接估计锂离子电池的容量退化，进而表征锂离子电池的性能退化程度。

发明内容

本发明的目的是为了解决上述现有技术存在的问题，即对于便携式电子产品、电动交通工具、大型舰船类、航空飞行器等应用的锂离子电池而言，难以直接测量电池的容量，需使用实际应用过程中的可用参数，如温度、电压、电流等构建多种表征电池容量退化的HI，使用PCA对多种HI进行融合，并通过关联分析方法评估融合HI变化与容量退化之间的关联关系，进而使用融合HI间接估计锂离子电池的容量退化，实现基于在线可测参数的锂离子电池性能退化表征。本发明的目的是通过以下技术方案实现的：

一种基于主成分分析的融合HI等效性锂离子电池退化预测方法，

步骤一、将提取数据所获得的n个HI的多组数据构成一个(m×n)维的原始数据矩阵

步骤二、针对矩阵A进行标准化处理：对矩阵A中的每一个行元素进行标准化处理，从而得到X＝(x_ij)_m×n；

步骤三、针对由步骤二所得的标准化后的样本矩阵X，进一步计算标准化处理后的矩阵的相关系数矩阵如公式(1)所示；

步骤四、采用Jacobi迭代方法，计算获得R的特征值序列λ₁,...,λ_n，及对应的特征向量序列v₁,...,v_n；

步骤五、将由步骤四获得的相应特征值λ₁,...,λ_n按降序排序得λ₁'＞...＞λ_n'，并根据其调整顺序对v₁,...,v_n进行相应调整，从而获得v₁',...,v_n'；

步骤六、采用施密特正交化方法，将v₁',...,v_n'进行单位正交化操作，进而获得与v₁',...,v_n'相对应的单位正交向量α₁,...,α_n；

步骤七、设定固定的提取效率p，计算λ₁',...,λ_n'的累积贡献率B₁,...,B_n，如果对于第t个累计贡献率B_t，B_t≥p，则可只提取t个主成分：α₁,...,α_t；

步骤八、根据提取出的t个主成分所对应的特征向量，计算X在特征向量上的投影值Y，其中Y＝X·α，α＝(α₁,...,α_t)；

融合的HI值为所得的Y的第一主成分，即原始数据经过降维后获得的一组数据；

步骤九、对利用主成分分析方法得到的融合型HI进行评价，判断融合HI是否能代替容量进行锂离子电池退化的分析建模和进一步的寿命预测，选取GRA作为衡量几种因素间关联程度的方法，GRA的具体计算步骤如下：

(a)构建参考数列和比较数列；

(b)将参考数列、比较数列构都同一进行无量纲化处理；

(c)求参考数列与比较数列的灰色关联系数ξ(Xi)；

关联程度表示不同曲线间几何形状的差别程度，其公式如式(2)所示；

其中ρ定义为分辨系数，ρ>0，Δ_oi(k)为参考数列与比较数列的各个点之间的差值，将最小差记为Δ_min，将最大差记为Δ_max；

(d)求关联度r_i；