论文部分内容阅读
在科技日益增长的今天,锂电池已经深入各个行业,自从三星手机发生电池爆炸事件之后,锂电池的安全问题一直是社会的重点和热点问题。锂电池寿命的预测以及对锂电池性能的提高成为研究重点,所以需要找到最合适的寿命预测的方法来提高锂电池的的安全性,这对使用以锂电池为储能装置的设备具有重要的意义。在锂电池寿命研究问题上,国内外的主流研究方法仍然是基于数据驱动,基于退化物理模型的方法只适用于某些特定的场景。本文主要是用数据驱动的研究方法预测锂电池寿命,主要内容如下:首先,介绍本文研究背景,通过描述锂电池内部结构,介绍锂电池的工作原理,并观察工作过程中参数的变化,寻找锂电池寿命的衰退影响因子,分析锂电池寿命衰减的主要因素,得出电池寿命衰退受内部诸多参数变化影响。于是,将所有的影响因子转化成电池容量衰减的形式。因此,电池容量的衰减直接表示电池寿命衰减。其次,用差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model,简称ARIMA)建模预测锂电池寿命,把已有的电池容量衰退数据作为时间序列预测之后容量衰退值。预测结果显示:ARIMA模型有强线性预测的效果,短期预测能力强,预测误差为4.7%。再次,用多层前馈神经网络(Back Propagation Neural Network,BP神经网络)的方法建立模型预测电池寿命。预测结果显示:BP神经网络可以有效预测锂电池寿命,该模型可以学习锂电池实际容量的历史损耗轨迹,并能以不同数量数据作为训练数据,预测电池寿命,预测误差为7.03%。最后,因为ARIMA属于线性预测的模型类型,所以短期预测比较精确,不适用长期预测;BP神经网络模型的优点是具有强大的非线性拟合能力,所以将两个模型结合预测会得到更精确的结果,处理原始数据并先用ARIMA预测,得到预测结果;将处理后得到的误差数据用BP神经网络预测,得到预测结果。将两种模型预测的结果相加,得到最终预测结果,组合模型预测误差为3.13%,对比三种建模预测方式,组合模型预测精度最高。