目的 针对传统粒子滤波(PF)算法应用于锂电池剩余使用寿命(RUL)预测时准确性低的问题,将肯德尔秩次相关系数(KCC)引入传统PF的重采样过程,改善粒子匮乏问题,提出一种基于KCC-PF的锂电池RUL预测方法.方法 首先建立电池容量衰减模型,验证模型的准确性和有效性,并确定模型初始参数,利用KCC-PF算法循环更新模型参数,逐步计算出容量的预测序列,然后根据失效阈值获得锂电池RUL的预测结果及其不确定性表达.利用NASA PCoE的电池老化试验数据,进行基于PF和KCC-PF的锂电池RUL预测试验.结果 预测起点为第60次循环时,基于KCC-PF的锂电池RUL预测相对误差在10％以内.随着预测起点后移,相对误差可降低至3％以内.结论 KCC-PF算法解决了传统PF粒子匮乏的问题,应用于锂电池RUL预测时,具有较高的预测准确性和鲁棒性.

锂离子电池;健康状态;寿命预测;粒子滤波;相关系数

上海交通大学 海洋工程国家重点实验室,上海 200240;中国航天科技集团有限公司 上海空间电源研究所,上海 200245

[1]崔显;陈自强;卢地华;蓝建宇;董梦雪-.基于KCC-PF的锂离子电池剩余使用寿命预测)[J].装备环境工程,2022(04):86-94

KCC,PF,锂离子电池,剩余使用寿命预测,粒子滤波,算法应用,锂电池,RUL,肯德尔,秩次相关,重采样,电池容量,容量衰减,衰减模型,验证模型,定模,更新模型,预测序列,失效阈值,NASA,PCoE,电池老化,老化试验,后移,差可,预测准确性,健康状态

0.285759