改進初值∏隱馬爾科夫模型預測電池健康度

顏景斌+王飛+夏賽

摘 要：針對電動汽車所使用的鋰離子電池剩余壽命難以檢測的問題，分析影響電池壽命衰退的因素，建立改進初值的隱馬爾科夫模型對鋰離子電池壽命衰退進行預測，并給出了預測方法。以18650鋰離子電池為研究對象，首先通過實驗結果分析得出與電池壽命衰退相關的主要因素，再根據充放電實驗獲得的放電曲線提出了放電平臺臨界點，最后利用大量實驗數據建立改進初值的隱馬爾科夫模型來預測電池衰退表現，通過結合之前的衰退情況，提出了衰退表現系數表示電池容量衰減程度可直接預測電池的剩余使用壽命。理論分析和實驗結果表明該模型能夠對電池的剩余壽命進行預測，預測精度達到2.06%。

關鍵詞：

鋰離子電池；隱馬爾科夫模型；衰退表現；充放電實驗；剩余壽命預測

DOI：10.15938/j.jhust.2017.06.007

中圖分類號： TM206

文獻標志碼： A

文章編號： 1007-2683（2017）06-0033-06

Abstract：Aiming at the problem of difficult to measure the remaining life of lithiumion batteries used in electric cars， combined with factors that affect the battery life of recession， we improve initial value hidden markov model to forecast the lithium ion battery life decline， and the prediction method is given. In this paper we take 18650 lithiumion battery as the research object， first of all through the experimental results are obtained that the main factors which are related to the decline of the battery life， and then according to charge and discharge the discharge voltage curve， the concept of the critical point of the discharge platform was proposed. Finally， the establishment of building improve initial value hidden markov model predicted the downturn with the experimental data， performance analysis of the decline of the attenuation of the battery capacity， the concept of recession performance coefficient used to predict the remaining life of the battery from the experimental data by combining batteries before the recession to predict the battery remaining battery life. Theoretical analysis and experimental results show that the model can predict the remaining life of the battery， and the prediction accuracy is 2.06%.

Keywords：lithium ion battery； hidden markov model； the recession； recession performance； chargedischarge experiments； remaining life prediction

0 引 言

隨著我國汽車大量生產與使用，能源安全和環境污染問題日益嚴重，大力發展電動汽車已成為當前產業發展的必然選擇[1-2]。電池作為電動汽車的唯一能量來源，且在目前市場上鋰離子電池的性能最好，已經被大部分汽車廠商作為電動汽車的研發對象[3-5]。由于電池剩余壽命無法準確測出，而導致駕駛員經過長期駕駛后無法對未來駕駛情況作出判斷，因此對電池的剩余壽命精確估計顯得尤為重要[6-8]。文[9]通過對電池性能的分析并結合貝葉斯結構相關向量機方法來預測電池容量的衰減，這種方法測試時間短，便于在線檢測，但長時間預測會產生很大誤差。文[10]在電池實驗研究的基礎上提出充放電截止電壓對Ramadass模型的影響因數，彌補了原有模型的不足，但當電池處于高倍率放電時，其模型不能準確對剩余容量做出預測。文[11]在隱馬爾科夫模型（Hidden Markov Model，HMM）基礎上對動力電池進行預測，但未考慮環境溫度的變化，難以對實際行車環境的變化做出估計。

為了對鋰離子電池的剩余使用壽命作出預測，先從影響鋰離子電池使用壽命的幾大因素出發，尋找到潛在的電池壽命衰退表現，再根據放電電壓曲線提出的電池放電平臺臨界點的概念，模擬家用電動汽車駕駛環境對電池進行長期的充放電循環實驗，建立改進初值的隱馬爾科夫模型進行預測，進而預測出電池的剩余使用壽命[12-13]。

1 鋰離子電池壽命衰退性能分析

1.1 影響電池使用壽命的因素endprint

受限于目前鋰離子電池技術發展瓶頸，對電池使用壽命的影響因素進行分析，用以研究電池壽命顯得十分重要[14-15]。鋰離子電池使用壽命在不斷地充放電循環過程中，因電池內部不間斷發生的電化學反應而使電池的材料性質發生衰退，而從實際使用環境條件來看，影響電池壽命衰退的因素主要包括環境溫度，充放電倍率及充放電截止電壓[16-17]。

不同的鋰離子電池有不同的最佳使用溫度，溫度過高或過低都會對其使用壽命產生影響。隨著溫度的降低，電池的放電容量都會有所下降[18]。鋰離子電池在使用過程中為滿足不同的駕駛工況從而采用不同的放電倍率，放電倍率越大，電池的容量衰減越快[19]。截止電壓不同對電池使用壽命的影響主要表現在更低的截止電壓會加速電池本身的衰退過程，導致電池容量衰減更快[20]。

對同一類型18650鋰離子電池做充放電循環實驗。選擇統一的恒流恒壓充電方式，分別在不同的環境溫度（0℃；10℃；24℃；40℃），放電倍率（0.5C；1C；5C）和放電截止電壓（2.7V；3.0V；3.3V）下得到的電池容量衰減曲線如圖1，2，3所示。

1.2 衰退表現的識別

在實際生活中，電動汽車可能面對各種不同的環境及路況而使駕駛員對汽車產生不同的使用方式。然而這些方式是無限多的，我們無法對所有使用情況進行研究。但對于這種情況可以發現這樣的規律：某些不同的放電方式（使用方式）產生的放電曲線是十分相近的，也就是說對電池壽命造成的衰退表現是相似的。

選用同一型號，容量均等的鋰離子電池做充放電循環實驗。設置環境溫度：24℃，40℃；放電倍率：0.5C，1C；截止電壓3.0V，2.8V。采用統一的恒流恒壓充放電，其中先恒流0.5C充至恒壓4.2V再充至電流0.01C為止。每節電池各產生一種固定的放電方式，各自循環充放50次，一共獲得400條放電電壓曲線。如圖4所示。

由上圖易知，不同放電方式會產生相似趨勢的放電曲線（衰退表現），由于在該曲線集合處于放電平臺的曲線層次感明顯，采用分層聚類方法對每種放電方式下產生的曲線族處于放電平臺的曲線進行聚類。設置某一曲線族中任一曲線與其臨近曲線族中最遠的曲線電壓差值不得超過40mV。由此，將以上8種放電方式的曲線集合，聚類成5類新的曲線族，進而獲得5種不同的電池衰退表現。表1為5種衰退表現對應的使用方式（放電方式）。

1.3 放電平臺臨界點

鋰離子電池在充放電過程中，其電壓是時刻變動的。在放電過程中，電壓的變化是由下降到平穩再到下降的過程，當電池充電完全后，以一定速率的電流放電時，電壓下降相對緩慢的那段時間為放電平臺，它是電池放電曲線的一個直接表現。

隨著電池不斷地充放電循環，每經過一次放電都會得到相應的放電曲線，由下圖可以看出這些曲線都有著相似的變化趨勢。規定：對于任意一條放電曲線，該曲線上曲率最大的點即為電池放電平臺臨界點。由于每條曲線都會存在一個放電平臺臨界點，相應地會得到它的臨界點電壓。利用Matlab選用高斯擬合算法對曲線進行擬合，得出曲線的多項式解析式，再根據平面曲率公式求得該臨界點對應的電壓值。

通過對圖4放電曲線集合的整理，得出不同放電方式產生的放電平臺臨界點是不同的，引入該定義更能對電池的衰退進一步描述。利用之前曲線聚類獲得的5類衰退表現曲線族，經過計算得出曲線族對應的臨界點電壓，可以劃分出相對應的電壓區間，為后面建立預測模型做好準備。

2 改進初值∏的隱馬爾科夫模型

隱馬爾科夫模型（hidden Markov model，HMM）是由馬爾科夫模型發展起來的分析統計模型， HMM通常是由一個五元組來描述，包括2個狀態集合和3個概率矩陣，即λ=（N，M，A，B，∏），其中模型λ中的∏為初始狀態分布矩陣，是人為設定的初值。本文將∏重新改進，定義其為HMM中的實時初始狀態分布矩陣，用∏（h）表示。改進初值是為了增加其在模型中的權重，以便模型更為具體。下面開始對模型λ進行構建：

1）建立隱狀態量。模型元素N表示隱狀態數量。鋰離子電池在使用中衰退表現不能直接被觀測到，將其確定為隱狀態，本文中有5種衰退表現，故N=5。

2）建立觀測值量。模型λ中另一元素M表示觀測值數量。雖然電池的衰退表現不能別被直接觀測到，但可以通過觀測信息來推斷，這里可觀測的信息為放電平臺臨界點電壓，進而確定電壓值所處的電壓區間，該區間即為HMM中的觀測值量。

3）建立狀態轉移矩陣。矩陣A=[aij]N×M為隱狀態轉移矩陣，即電池衰退表現的轉移矩陣，其中aij表示在t-1時刻模型狀態為Xi，在t時刻狀態轉移到Xj，此時aij=P（Xj丨Xi）。由于電池的衰退表現與其使用方式直接相關，這里結合日常生活中電動汽車的行駛環境來確定這些使用方式出現的概率。從影響電池壽命的3種因素出發，用放電倍率表示汽車的平均速度，認為電動汽車在城市道路（0.5C）的使用遠多高速公路（1C）；在常溫環境（24℃）使用應多于高溫（40℃）時候；用截止電壓表示汽車的續航里程，處于低續航里程（3.0V）的次數較多與高續航里程（2.8V）。

電動汽車在日常使用環境下的概率分布如表2所示。

通過Matlab編程，獲得一個大小為150符合上述概率使用方式1～8的隨機數列。生成的序列如下：1832124……

取該數列前100項，根據每種使用方式對應一種衰退表現來建立狀態轉移矩陣。經過統計我們發現第1種衰退表現一共出現51次，這51次后面分別出現第1種衰退表現24次，第2種衰退表現16次，第3種衰退表現7次，第4種衰退表現2次，第5種衰退表現2次。以此類推所建立的狀態轉移矩陣A如下：

4）建立概率分布矩陣。

B=[bj（i）]M×N表示觀測序列的概率分布矩陣，其中bj（i）表示在狀態Xi的條件下出現觀測序列Yj的概率。在電池的充放電過程中，每種放電方式所獲得的放電曲線都是不同的，會出現相對前移或后退。但在鋰離子電池的整過生命周期內由于電池自身的衰退，放電曲線族整體表現為向前移動。因為電池在使用一段時間后，每條曲線的位置并不能與其自身衰退表現一一對應，曲線可能會移動至相鄰類別中去，所以我們根據電池自身衰退的性質，建立一種相對于衰退表現的臨界點電壓區間分布矩陣B。endprint

根據之前所獲得的400條放電曲線來建立B，首先對該曲線集合的每類曲線族中的曲線進行擬合，計算出每類的臨界點電壓區間，再整理出每個電壓區間所對應的曲線數目，如表4所示。

每種衰退表現所對應的放電平臺臨界點電壓區間的曲線數目概率分布情況，如表5所示。

5）建立實時初始向量矩陣。

∏（h）表示模型λ經過h步轉移后初始隱狀態的概率分布矩陣，其中h=1，2，3，…它是由前一時刻隱狀態概率分布求得的。在本文中為實時初始衰退表現矩陣。∏（h）的具體計算公式會在后面的模型預測中給出。且設定∏（0）=[1 0 0 0 0]即選擇第一種衰退表現作為初始向量。

至此針對本次鋰離子電池充放電實驗所建立的改進HMM已經完成。在實際應用，HMM主要用來完成三類問題：評估，解碼，學習問題。其中解碼問題是給定觀測序列Y={Y1，Y2，…，YM}以及模型λ，我們如何給出隱狀態序列X=（X1，X2，…，XN）的最佳估計，利用Viterbi算法可以找到隱狀態的最優估計。本文即將預測的衰退表現序列就是要完成該模型的解碼問題。

3 改進初值∏的HMM充放電試驗預測

3.1 電池衰退表現的預測

在本實驗中要體現電動汽車在不同的使用方式下電池壽命衰退的變化，需要使不同使用方式之間交叉開。本文按照之前生成的8種放電方式序列對整個電池進行充放電實驗。使用該序列前100次實驗數據來預測后50次實驗數據。

為了對電池的衰退表現進行預測，根據已構建完成的模型以及觀測值序列，利用Viterbi算法來求解。該算法在該模型中描述是：鋰離子電池的放電平臺臨界點電壓是可以觀測的，通過電壓值可以找到其對應的電壓區間，而電池的衰退表現是隱藏的，我們通過之前已建立完成的模型和實驗過程中得到的臨界點電壓序列，就最有可能確定出其對應的衰退表現序列，這個序列就是下面公式的概率最大值，即：

式中：S（t+h）表示t時刻經過h次循環后的衰退表現；h是步長代表循環次數；∏（h）是實時初始向量矩陣；A是狀態轉移矩陣；B是概率分布矩陣。

通過實驗的第101次至150次觀測值，我們解出其對應的衰退表現序列為：252311…

模型的解碼結果如圖6所示。

驗結果表明，改進初值∏的HMM預測方法可以實時跟蹤并預測出每次循環的衰退表現。

3.2 電池剩余壽命的預測

電池剩余壽命分為剩余容量和剩余循環次數。電池充放電一次稱為一次循環，當電池經過若干次循環后，再將其充滿后儲存的容量即為電池的剩余容量；當容量下降到某一規定值之前，能反復充放電的次數即為電池的剩余循環次數。

下面對電池的剩余容量進行預測。設定每一種衰退表現對電池容量的衰減呈線性關系，提出容量衰退系數用來描述電池衰退表現其對使用容量的衰減程度。通過前100次實驗數據，先確定每種衰退表現的衰退系數，然后將預測出來的衰退表現根據其系數大小對電池容量進行累減，直到計算完該序列為止，即可得出剩余容量。衰退系數的確定應從鋰離子電池充放電循環的原始數據中求得。定義公式如下：

4 結 論

本文研究了基于改進初值∏隱馬爾科夫模型鋰離子電池剩余壽命的預測方法，實驗結果表明：

1）分析影響電池壽命的衰退因素可以有效地適用于電動汽車日常的行駛環境。

2）提出了放電平臺臨界點能夠更直觀地表示電池經長期使用而衰退的情況；提出了衰退表現的容量衰減系數可以方便地對剩余容量進行預測且平均精度誤差不到3%。

3）所構建的改進隱馬爾科夫模型的預測是隨著充放電過程實時檢測和匹配的。

參 考 文 獻：

[1] 陳瑞青，白辰.中國新能源汽車發展現狀問題及對策[J].汽車工業研究，2015（1）：10-12.

[2] 李晶，姜久春.純電動汽車充電機模型[J].電機與控制學報，2013，17（4）：64-71.

[3] 趙奕凡，杜常清，顏伏伍.動力電池組能量均衡管理控制策略[J].電機與控制學報，2013（10）：109-114.

[4] 徐順剛，鐘其水，朱仁江.動力電池均衡充電控制策略研究[J].電機與控制學報，2012（2）：62-65.

[5] 劉平，劉和平，郭強，等.電池組直接供電對電動汽車驅動性能的影響[J].電機與控制學報，2011（11）：27-32.

[6] 宋永華，陽岳希，胡澤春.電動汽車電池的現狀問題及發展趨勢[J].電網技術，2011（4）：3-5.

[7] SMITH M.Batteries Versus Biomass as a Transport Solution[J].Nature，2009，457：78.

[8] 黎火林，蘇金然.鋰離子電池循環壽命預計模型的研究[J].電源技術，2008（4）：42-45.

[9] GOEBEL.A Technique for Estimating the State of Health of Lithium Batteries Through a RVM Observr[J].IEEE Trans Power Electron，2010（25）：1013-1022.

[10]NING G，RALPH E W.Ageneralized Cycle Life Model Rechargerable Liion Batteries[J].Electrocrochim Acta，2007，51（18）：2010-2022.

[11]盛魯英.基于隱馬爾科夫模型的電動汽車電池壽命的研究[D].哈爾濱：哈爾濱工業大學，2012：20-30.

[12]黃玲，施菲菲，謝文博，等.網絡系統的馬爾科夫時滯預測控制[J].電機與控制學報，2015（6）：89-94.

[13]于智龍，郭艷玲，王海英.自放電修正的鋰動力電池SCKFSTF的SOC估算策略[J].電機與控制學報，2013（10）：70-84.

[14]胡志坤，劉斌，林勇，等.電池SOC的自適應平方根無極卡爾曼濾波估計算法[J].電機與控制學報，2014（4）：111-116.

[15]李翔，張慧，張江萍，等.鋰離子電池循環壽命影響因素分析[J].電源技術，2015（12）：2272-2274.

[16]鄭天文，劉鋒，肖先勇，等.鋰電池儲能系統充放電的雙閉環自抗擾控制器設計[J].電機與控制學報，2013（11）：20-27.

[17]何朕，王毅，孟范偉，等.馬爾可夫跳變系統的蒙特卡羅仿真[J].電機與控制學報，2008（1）：80-83.

[18]王宏偉，鄧爽，肖海清，等.不同環境溫度下鋰離子動力電池過充過放研究[J].電源技術，2014（3）：431-433.

[19]李艷，胡楊，劉慶國.放電倍率對鋰離子蓄電池循環性能的影響[J].電源技術，2006（6）： 488-489.

[20]和祥運，陳中軍.充電截止電壓對鎳鈷錳動力電池壽命的影響 [J].電池，2015（2）：104-105.

（編輯：溫澤宇）endprint