浅析锂电池剩余寿命的ELM间接预测方法

周维和

（林徳（中国）叉车有限公司，福建 厦门 361000）

浅析锂电池剩余寿命的ELM间接预测方法

周维和

（林徳（中国）叉车有限公司，福建 厦门 361000）

摘要：锂离子电池在实际的使用过程中经常会出现性能退化现象，电池性能退化必然会影响到仪器设备的正常使用，严重时可能会引起设备故障，因此电池使用过程中通常会使用一定的方法对锂离子电池的剩余使用寿命进行预测，现阶段常用的锂离子电池剩余寿命预测主要有两类方法，但这两种方法都存在着一些问题，因此本文构建一种ELM间接预测的方法，本文将对这种方法进行详细地介绍。

锂离子电池；剩余寿命；等压降放电时间；ELM间接预测法

锂离子电池因其容量高、安全性能好、绿色环保等等优点广泛应用于各行各业中，如电子通信、航空航天，但是，锂离子电池在使用一段时间之后经常会出现退化现象，对于设备仪器十分不利，因此锂电池圣谕使用寿命预测就显得十分重要，现阶段国内外使用比较普遍的预测方法主要有两类，但这些方法或多或少都存在一些问题，导致直接预测困难或者预测结果的准确性难以保证，因此本文探究了一种ELM间接预测的方法，并对它的预测性能进行试验验证，仅对相关研究人员提供参考。

一、常见的锂离子电池剩余寿命预测方法

（一）基于模型的锂离子电池剩余寿命预测方法

常见的基于模型的锂离子电池剩余寿命预测方法有失效物理故障建模法、粒子滤波法等等几种，但是锂离子电池内部的化学结构比较复杂，包括锰酸锂或者钴酸锂、镍钴锰酸锂、有机电解液等等材料，实际的使用过程中容易受到外界环境因素的影响，因此数学或者物理模型的建立比较困难。

（二）基于数据驱动的离子电池剩余寿命预测方法

基于数据驱动的离子电池剩余寿命预测方法即利用锂离子电池的容量、阻抗等相关寿命特征参数，使用高斯过程回归等智能算法模型检测、分析、预测锂离子电池剩余寿命分布等相关使用情况。数据驱动方法比较灵活、使用方便，现阶段应用比较广泛。

图1　锂离子电池剩余寿命的ELM间接预测方法

二、ELM间接预测方法

锂离子寿命特征参数包括直接参数和间接参数两种，直接参数主要指的是锂离子电池的实际容量。ELM理论的精度较高、参数简单，广泛应用于电力负荷预测等等预测研究中，本次研究中锂电池寿命特征参数选为等压降放电时间，使用一阶偏相关系数法对间接参数及直接参数的相关性加以确定，锂离子电池性能模型使用ELM算法进行建立。

图2　等压降放电时间序列

图3　 实际容量序列

（一）ELM间接预测方法理论基础

1.等压降放电时间

等压降放电时间指的是，外界温度不变时，锂离子电池以恒定电流进行放电，从高电位到低电位所用时间。随着使用时间的延长，锂离子电池的性能会出现一定的衰减，相应的电池的等压降放电时间也会随之缩减，因此本次研究选择等压降放电时间作为间接参数。

2.一阶偏相关系数分析法

本次研究中使用简单相关系数分析法探究等压降放电时间与锂离子电池实际容量之间的线性关系。样本的相关系数：

其中：xi、yi表示序列变量，别表示xi、yi的平均值，当r在1.0～0.8之间时，表示两序列变量为非常强相关，当r在0.8～0.6之间时，表示两序列变量为强相关，当r在0.6～0.4之间时，表示两序列变量为中度相关，当r在0.4～0.2之间时，表示两序列变量为弱相关，当r在0.2～0之间时，表示两序列变量为非常弱相关。将其他变量的线性影响进行控制，然后分析两个变量之间的线性相关性即为偏相关分析，当控制变量只有一个时，为一阶偏相关系数分析。

（二）基于ELM的锂电池剩余寿命预测

1. ELM简介

ELM是一种单隐层前馈神经网络，在这种网络输入变量数量为m个，隐含神经元数量为M个，输出层神经元数量为n个，ELM的数学表达式如下所示：

其中：Win表示输入权值，w表示输出权值，g表示激活函数，b表示隐含层偏差值，uk表示m维输入向量，vk表示输出向量，N指的是样本的总数。在实际的训练过程中，输入权值、偏差值随机初始化，然后保持不变，分析之后可以知道，ELM网络训练是一个线性回归过程，求解出w值后，ELM训练结束。

2. 锂离子电池剩余寿命的ELM间接预测方法

锂离子电池剩余寿命的ELM间接预测具体步骤如图1所示，首先以锂离子电池等压降放电时间为输入，以实际容量为输出建立ELM关系模型1，将实验数据划分为两个集合，测试集和训练集，经过训练测试之后得到两变量之间的关系模型，训练过程中直到测试集对训练模型的输出结果满足误差要求之后才能够停止。

其次建立ELM预测模型2，按照一定的方法将测得的时间序列进行构建形成训练输入集及输出集，然后进行ELM训练，训练完成后利用该ELM预测等压放电时间序列的迭代。

最后将上步中预测的等压放电时间作为模型1的输入，模型1中的输出为容量值结果，70%额定容量值为失效阈值对锂离子电池的剩余使用寿命进行评估。

（三）实验验证

本次实验验证中使用的锂离子电池的额定容量为2Ah，选择多个电池分组进行充电、放电及阻抗测试，并将监测数据记录下来，充电过程中恒定电流大小为1.5A，充至电压达到4.2V为止，放电过程中恒定电流大小为2.0A，放电至2.5V为止，多次反复测试测量电池的实际容量。使用ELM模型验证实验数据时，失效阈值大小为1.38Ah。

1. 实验数据预测锂离子电池剩余使用寿命

（1）实际容量序列与时间差序列相关分析

放电阶段tVH=3.8V，tVL=3.5V，测出实际容量序列及等压降放电时间序列，测量结果如图2、图3所示。计算偏关联系数得出rtQ.c=0.7844，也就是实际容量序列及等压降放电时间序列为强相关。

（2）锂离子电池剩余使用寿命预测

按照上文所述间接预测方法，首先建立ELM关系模型1，试验数据一共168组，其中前100组为训练集，后68组为测试集，N取为68。计算之后可以发现剩余寿命预测误差为-2，也就是说该模型预测效果较好。然后取m=10，n=90，建立ELM关系模型2，等压放电时间预测结果，将该结果输入到ELM关系模型1中，得到实际容量预测模型。计算锂离子电池的剩余寿命预测误差及平均相对误差，可以发现，锂离子电池剩余寿命预测值为37，真实值为40，也就是说剩余寿命预测误差为-4，平均相对误差为5.25%，预测效果较好。

结语

锂离子电池的剩余寿命预测时，直接测量电池的容量难度较大，预测的精准度不佳。本文使用等压降放电时间作为电池剩余寿命预测时的间接寿命特征参数，构建起一种基于ELM的间接预测方法，实验证明该种方法预测效果较好，且测量计算比较方便，可以应用于锂离子电池剩余寿命的预测过程中。

[1]姜媛媛，刘柱，罗慧，等.锂电池剩余寿命的ELM间接预测方法[J].电子测量与仪器学报，2016，30（2）：179-185.

TP206

A