基于RVM-PF 融合算法的锂离子电池剩余使用寿命预测

（浙江大有实业有限公司杭州科技发展分公司，杭州 310052）

0 引言

目前，锂离子电池被广泛应用在各种电子产品、储能装置、电动汽车以及航空航天等诸多领域，对新能源并网以及新技术发展起着重要的作用。在实际应用中，锂离子电池受其内部不可逆的物理、化学反应以及复杂的工况条件等因素的影响，其性能逐渐退化，影响电动汽车和储能系统等的运行可靠性；而作为各种电子系统的核心器件，多数情况下，锂离子电池性能退化或损坏是系统发生故障或失效的主要原因之一。因此，快速准确地估计电池RUL（剩余使用寿命）[1-2]对提高锂离子电池和用电系统的安全性和可靠性具有重要意义。

RUL 预测主要是通过电池当前的老化状态来估计其剩余容量达到寿命终点所需要的充放电周期数。锂离子电池RUL 预测方法主要可以分为基于机理模型、数据驱动以及两者相融合的方法。

机理模型主要通过对电池的失效机制进行分析，建立电池寿命退化过程的物理模型，从而对电池RUL 做出预测[3]，常用的机理模型有等效电路模型[4-5]、电化学模型[6]和经验模型[7]。内阻增大、固体电解质界面膜的生长[8]、可循环锂的减少、孔隙率的减小、内部温度的变化[9]等老化因素可以耦合在机理模型中，为电池未来老化预测提供先验信息。但是，等效电路模型中复杂的矩阵运算、电化学模型中的偏微分方程计算以及经验模型的开环特性限制了机理模型在锂离子电池老化预测中更广泛的应用。……