一种电池功率衰减程度的检测方法与流程

本发明涉及汽车电池领域，尤其是涉及一种电池功率衰减程度的检测方法。

背景技术：

在电动汽车上高压电气部件有许多，如高压电池包，高压分线盒，电机控制器，空调控制器，DC/DC，充电器等，动力电池是最关键的部件之一。动力电池的性能通常随使用程度和使用和存储时间增加而变弱。这种变弱有两种表现形式：电池容量(capacity)变化(变小)，以及充放电功率能力在同样的储电程度和温度下变化(变小)。行业上，对于电池容量，一般损失20％以上即表明电池不再具有足够的容量。

电池功率衰减的表征通常表现在电池电阻的增加。行业上没有一个统一的规定，但是，一般电阻增加与同样温度和充电量情况下的充放电功率成反比。行业上一般通过寿命开始BOL(Begin-of-Life)时的电阻和现在的电阻的比较，来决定功率损耗衰减的程度。

这种决定功率衰减的方法有两个问题：第一，电阻与温度紧密相关，而温度通常只是整个模块的温度，而不是电池表面的温度，具有较高的检测不精确度，同时也会受到噪声的影响。第二，目前的电池寿命检测都是在线进行，很难确定某一个时间点上的电阻估计一定是精确的，因此，用一个点的电阻估计值来确定电池功率衰减程度有很大的局限性。

技术实现要素：

本发明的目的是针对上述问题提供一种电池功率衰减程度的检测方法。

本发明的目的可以通过以下技术方案来实现：

一种电池功率衰减程度的检测方法，用于检测电动汽车中动力电池的衰减程度，所述方法包括下列步骤：

1)判断当前时刻动力电池是否处于有效范围内，若是则检测当前时刻动力电池的电阻值R_j，若否则返回继续判断；

2)根据步骤1)得到的电阻值R_j，计算并存储当前动力电池的电阻因子β_j；

3)判断存储的电阻因子是否达到估计量N，若是则进入步骤4)，若否则返回步骤1)；

4)计算存储的所有电阻因子β_j的最小均方差，得到最小均方电阻因子β；

5)根据得到的最小均方电阻因子β计算衰减程度评估值ε；

6)根据衰减程度评估值ε判断动力电池的衰减程度。

所述检测当前时刻动力电池的电阻值R_j具体为：

11)记录当前时刻动力电池的电压值u_j、电流值i_j和温度τ_j；

12)根据步骤11)得到的电压值u_j、电流值i_j和温度τ_j，利用参数估计方法递归得到当前时刻动力电池的电阻值R_j。

所述参数估计方法包括卡尔曼滤波法和最小二乘法。

所述当前动力电池的电阻因子β_j具体为：

其中，τ_j为当前时刻动力电池的温度，R₀为动力电池寿命开始时的电阻值。

所述最小均方电阻因子β具体为：

所述估计量N的取值范围为100～2000。

所述衰减程度评估值ε具体为：

其中，β₀为动力电池寿命开始时的电阻因子值。

所述步骤6)具体为：

61)判断衰减评估值ε是否大于寿命终止值CAL3，若是则表明动力电池已经结束寿命，若否则进入步骤62)；

62)判断衰减评估值ε是否大于有限功率运行标定值CAL2，若是则表明动力电池处于有限功率运行状态，若否则进入步骤63)；

63)判断衰减评估值ε是否大于衰减报警值CAL1，若是则表明动力电池已发生功率衰减，若否则表明动力电池还未发生功率衰减，返回步骤61)。

所述有效范围包括动力电池处于温度阈值内和动力电池的电阻值R_j对应的时刻在时间阈值内。

所述温度阈值的范围为15～30℃，所述时间阈值的范围为不大于24小时。

与现有技术相比，本发明具有以下有益效果：

(1)与直接比较电阻值来判断电池衰减程度的方法相比，本方法提出以电阻因子β来作为衰减程度的判别标准，由于电阻因子β本身是一个与温度无关的参数，因此本方法可以有效地降低电压电流和温度的测量误差的影响。

(2)通过电阻值和温度的结合对每个电阻因子进行计算，并对计算得到的多个电阻因子进行最小均方差计算，一方面最终得到的最小均方电阻因子是基于多个测量值组进行的计算，大大降低了其对于温度检测的精度的依赖，另一方面选取最小均方差而非平均值来计算电阻因子，进一步提高了电阻因子的精度。

(3)根据最小均方电阻因子和动力电池寿命开始时的电阻因子值相比得到衰减程度评估值，使得对于衰减程度的判断简单直接，便于直观的判断。

(4)为衰减评估值设置了衰减报警值、有限功率运行标定值和寿命终止值三个标准值，对于电池的衰减程度有了一个更加详细的划分，便于使用者根据实际情况来判断是否要进行电池的更换。

(5)在有效范围内才对动力电池进行电阻值检测，即电池的温度稳定在15～30℃之间，时间阈值在不大于24小时内，这样的检测保证了温度对于电池电阻值的影响达到最小，且电池的工作时间不超过一天，使得因电池老化造成的误差尽量减小。

附图说明

图1为本发明的方法流程图；

图2为电池等价电路图；

图3为电池功率衰减因子随时间和使用程度的变化示意图；

图4为电池温度随时间的变换示意图；

图5为电池电阻估计值随温度的变化示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图2所示为电池的等价电路图，一般的电池动力过程遵循Arrehenius方程：即温度越高，电池里的电化学过程越快，相应的电阻也就越低。无论电池使用在那哪个程度上，电池电阻与温度的关系都保留在一个指数关系上：

R＝R₀×e^β/τ (1)

这里，R₀是一个常量，τ是电池温度(单位：Kelvin)，β是一个决定电阻的衰减因子。电池功率的衰减，直接的表现就是这个衰减因子的增加。

已有的技术方法，都是基于图2或类似的模型，根据电池的端口电压，通过电流，及模块温度，进行模型参数估计。现有的方法，如Kalman滤波器，最小二乘法等，都可以用来决定电阻R的值。

从公式(1)的表述中，可以看到电池电阻的变化是由电阻因子β来决定的。β本身是与温度无关的一个参数。因此，如果能够精确可靠地在线学习β，那么由此可以得到电池电阻的变化，进而决定电池功率衰减的程度，可以比已有的方法极大的提高精度和可靠性。

电阻因子β并不是明显地从电池相关参数的测量就可以得到的。尽管如此，从电池电流，电压，和温度的测量，以及预先确定的电池模型，我们可以相应的在线学习到电池模型的参数。这些参数可能不是太精确，也可能由于电池输入参数(电流)对电池的激励程度，在某个时刻的学习值不一定很可靠。但是，如果可以得到一系列关于电阻的学习值，那么，在长时间的电池运行中，可以成批次的学习到电阻的系列值。

不失一般性，假定公式(1)中的R₀在BOL是已知的。在电池每次的使用过程中(比如说，每一次车辆的Keyon/Keyoff旅程)，可以通过Kalman滤波器或者其它参数学习方法来得到一系列的Ohmic电阻参数：

在公式(2)中，R_j是通过Kalman滤波器或者其它参数学习方法得到的电阻，R₀是已知的定常值，τ_j是电池在学习R_j时的温度值，而因子β则是我们像得到的，反映电池电阻真实变化的一个与温度无关的值：如果把公式(2)反向计算一下，对某个时间段(比如说，某个keyon/keyoff旅程)有：

最终的因子β可以通过最小均方差来得出:

如上所得到的因子β反映了电池电阻在目前的Keyon/Keyoff旅程时间的值，但是这个方法与具体的检测温度无关。每个具体的温度检测对某个时刻的电阻估计会有影响，但是基于多个测量值组的关于因子β的估算对温度检测的精度的依赖性将会极大的减低。

一旦在目前Keyon/Keyoff旅程中关于电阻的估计达到一定的数量，相应的因子β可以用公式(4)计算出来。在这个基础上，公式(4)对因子β的计算可以和BOL电池的因子β₀相比较。这样的比较值对于电池功率衰减的诊断值可以在电池投入使用之前标定好。依据这一个或多个标定值，电池管理系统可以精确地提供电池功率衰减的程度，以及提供关于电池是不是不可以继续使用的决定。

根据上述方法，如图1所示，本实施例提供了一种电池功率衰减程度的检测方法，具体步骤如下：

1)判断当前时刻动力电池是否处于有效范围内(即动力电池处于温度阈值内和动力电池的电阻值R_j对应的时刻在时间阈值内，本实施例中，动力电池处于15～30℃之间，且动力电池电阻值的所处时刻不超过24小时)，若是则检测当前时刻动力电池的电阻值R_j，若否则返回继续判断，其中，检测当前时刻动力电池的电阻值的具体过程为：

11)记录当前时刻动力电池的电压值u_j、电流值i_j和温度τ_j；

12)根据步骤1)得到的电压值u_j、电流值i_j和温度τ_j，利用参数估计方法递归得到当前时刻动力电池的电阻值R_j；

2)根据步骤1)得到的电阻值R_j，计算并存储当前动力电池的电阻因子β_j，具体为：

其中，τ_j为当前时刻动力电池的温度，R₀为动力电池寿命开始时的电阻值；

3)判断存储的电阻因子是否达到估计量N(100～2000)，若是则进入步骤4)，若否则返回步骤1)；

4)计算存储的所有电阻因子β_j的最小均方差，得到最小均方电阻因子β：

其中，N为存储的动力电池的电阻因子β_j的总数；

5)根据得到的最小均方电阻因子β计算衰减程度评估值ε，具体为：

其中，β₀为动力电池受命开始时的电阻因子值；

6)根据衰减程度评估值ε判断动力电池的衰减程度：

61)判断衰减评估值ε是否大于寿命终止值CAL3，若是则表明动力电池已经结束寿命，若否则进入步骤52)；

62)判断衰减评估值ε是否大于有限功率运行标定值CAL2，若是则表明动力电池处于有限功率运行状态，若否则进入步骤53)；

63)判断衰减评估值ε是否大于衰减报警值CAL1，若是则表明动力电池已发生功率衰减，若否则表明动力电池还未发生功率衰减，返回步骤51)。

根据上述方法进行检测，得到一组样板数据，如图3～5所示，从图中可以看出，用一个点或多个点的平均都难以改变直接使用电阻值的弱点，考虑因子β可以极其有效地解决温度电压电流测量的精度和Ohmic电阻估计的影响。