一种应用于电池管理系统的锂离子电池健康状态估计方法与流程

本发明属于锂离子电池健康状态估计领域。
背景技术：
：随着锂离子电池不断进行充放电循环，锂离子电池内部存在固态电解质膜增厚、锂枝晶析出等复杂且不可逆的电化学反应，造成锂离子电池的性能退化。基于容量、内阻等参数的锂离子电池健康状态估计方法具有较高的估计精度，但在实际应用中，此两类参数难以在线测量。基于可监测参数的健康状态估计方法，则对退化特征的提取条件(如提取特征时电池的电压、荷电状态等)有较高要求；同时，还会给电池管理系统带来额外的计算需求。技术实现要素：本发明是为了解决现有的电池健康状态估计方法均存在困难的问题，现提供一种应用于电池管理系统的锂离子电池健康状态估计方法。一种应用于电池管理系统的锂离子电池健康状态估计方法，包括以下步骤：步骤一、对训练用锂离子电池进行循环充放电测试，获得训练数据集；步骤二、根据训练数据集中的ocv训练数据获取电池开路电压uoc与荷电状态soc之间的对应关系；步骤三、建立一阶等效电路模型、并根据该模型获得训练用锂离子电池参数和其中，τc＝rpcp、cp为电池极化电容、rp为电池极化内阻、r0为电池欧姆内阻、t为采样点之间的时间间隔；步骤四、通过循环充放电测试中的恒流放电过程，获得第n个充放电周期的电池容量信息capacity(n)，并利用以下公式获得训练用锂离子电池第n个充放电周期的健康状态soh(n)：其中，capacityraw为电池额定容量；步骤五、提取训练数据集中的hppc训练数据，基于hppc训练数据利用递归最小二乘法分别对训练用锂离子电池参数d0和d1进行参数辨识，获得辨识结果d0(n)和d1(n)；步骤六、分别提取d0(n)和d1(n)的辨识结果序列x1＝{d0(1),d0(2),...,d0(n),...}和x2＝{d1(1),d1(2),...,d1(n),...}，提取soh(n)的序列x3＝{soh(1),soh(2),...,soh(n),...}；步骤七、将x1和x2分别与x3进行pearson相关性分析，分别获得两组相关系数和步骤八、判断和是否同时大于0.8，是则采用x1和x2表征电池健康状态、并执行步骤九，否则更换n的取值、并返回步骤四；步骤九、将hi作为输入数据，将x3作为输出数据，构造rvm模型：其中，hii为hi中第i列数据，σ为核函数宽度、ωi为权重参数、ω0为偏置因子；步骤十、对rvm模型权重向量ω＝(ω0,ω1,ω2)t进行训练，获得训练后的rvm模型；步骤十一、对待估计锂离子电池进行循环充放电测试获得电池hppc训练数据，基于该电池hppc训练数据利用递归最小二乘法分别对待估计锂离子电池参数进行辨识，获得辨识结果和将和的辨识结果序列作为输入数据代入训练后的rvm模型中，获得rvm模型的输出结果、并作为待估计锂离子电池的健康状态。上述步骤三中一阶等效电路模型如下：其中，ut为电池端电压、uoc为电池开路电压、up为电池rc并联电压、cp为电池极化电容、i为流过电池的电流；上述步骤三中获得训练用锂离子电池参数d0、d1和c1的过程如下：步骤三一、根据步骤二获得的电池开路电压uoc与荷电状态soc之间的对应关系、获取电池极化电压ud，步骤三二、根据公式3推导获得：步骤三三、对上述公式4进行离散化，获得：根据公式5分别获得训练用锂离子电池参数和上述公式5中，k为采样点的序号。上述步骤三一中电池开路电压uoc与荷电状态soc之间的对应关系如下表：荷电状态soc电池开路电压uoc0uoc(soc＝0)0.1uoc(soc＝0.1)0.2uoc(soc＝0.2)……1uoc(soc＝1)然后根据ud＝uoc-ut获获取电池极化电压ud，其中ut为电池端电压，ut能够通过外部测量获取。上述步骤七中通过下式分别获得两组相关系数：其中n表示序列最大长度，x＝x1,x2，y＝x3。针对电池容量与电池内阻数据无法直接测量的问题，本发明提出基于等效电路模型的锂离子电池退化特征提取及分析方法，能够提供新的退化特征供研究人员评价电池性能退化。该方法通过建立锂离子电池模型获取电池内部传递函数，基于对电池hppc测试辨识传递函数内部参数从而获取电池性能退化特征，通过皮尔逊相关系数分析了模型参数与电池容量之间的相关性大于0.8，验证了所提方法提取的模型参数能够直接应用于电池性能退化表征上。最后通过rvm模型对电池参数与电池soh进行映射，得到了soh估计模型，取得了良好的估计效果。附图说明图1为采用nasapcoe随机工况进行试验，训练电池的参数变化曲线图，其中(1)表示电池参数d0(2)表示电池参数d1；图2电池soh估计结果曲线图；图3为一阶等效模型电路图；图4为本发明所述的一种应用于电池管理系统的锂离子电池健康状态估计方法的流程图。具体实施方式状态转移方程是现有锂离子电池荷电状态估计中使用较多的模型之一，也是电池管理系统估计电池荷电状态时广泛使用的模型之一。因此，需考虑使用锂离子电池的状态转移方程参数，建立电池健康状态估计方法，本发明通过以下实施方式具体说明：具体实施方式一：参照图1至4具体说明本实施方式，本实施方式所述的一种应用于电池管理系统的锂离子电池健康状态估计方法，本实施方式中实验数据集为nasapcoe数据集，将rw9编号电池作为测试电池，rw10编号电池作为训练电池。步骤一、对训练用锂离子电池进行循环充放电测试，获得训练数据集；所述循环充放电测试的步骤如下表：测试步骤测试名称测试内容1恒流充电以1c电流进行充电，直至充电截止电压停止2恒压充电以充电截止电压恒压充电，直至电池小于0.05c3恒流放电以1c电流进行充电，直至放电截止电压停止4恒流充电以1c电流进行充电，直至充电截止电压停止5恒压充电以充电截止电压恒压充电，直至电池小于0.05c6hppc以标准的电池hppc测试工步对电池进行测试。步骤二、根据训练数据集中的ocv(开路电压)训练数据获取电池开路电压uoc与荷电状态soc之间的对应关系，其中ocv训练数据中电池电压测试数据为{v(1),v(2),...,v(t),...}，电流测试数据为{i(1),i(2),...,i(t),...}，采样点之间间隔为ts，；在采样t时刻，荷电状态soc(t)表示如下：其中crate为电池额定容量；具体的，电池开路电压uoc与荷电状态soc之间的对应关系如下表：荷电状态soc电池开路电压uoc03.2v0.13.675v0.23.737v……14.196v。步骤三、根据ud＝uoc-ut获获取电池极化电压ud，其中ut为电池端电压，ut能够通过外部测量获取；建立一阶等效电路模型如下：根据公式3推导获得：对上述公式4进行离散化，获得：根据公式5分别获得训练用锂离子电池参数和上述公式中，ut为电池端电压、uoc为电池开路电压、up为电池rc并联电压、cp为电池极化电容、i为流过电池的电流、k为采样点的序号、τc＝rpcp、cp为电池极化电容、rp为电池极化内阻、r0为电池欧姆内阻、t为采样点之间的时间间隔。步骤四、通过循环充放电测试中的恒流放电过程，获得第n个充放电周期的电池容量信息capacity(n)，并利用以下公式获得训练用锂离子电池第n个充放电周期的健康状态soh(n)：其中，capacityraw为电池额定容量。步骤五、提取训练数据集中的hppc训练数据，基于hppc训练数据利用递归最小二乘法分别对训练用锂离子电池参数d0和d1进行参数辨识，获得辨识结果d0(n)和d1(n)。步骤六、分别提取d0(n)和d1(n)的辨识结果序列x1＝{d0(1),d0(2),...,d0(n),...}和x2＝{d1(1),d1(2),...,d1(n),...}，提取soh(n)的序列x3＝{soh(1),soh(2),...,soh(n),...}。步骤七、将x1和x2分别与x3进行pearson相关性分析，分别获得两组相关系数和具体公式如下：其中n表示序列最大长度，x＝x1,x2，y＝x3。步骤八、判断和是否同时大于0.8，是则采用x1和x2表征电池健康状态、并执行步骤九，否则更换n的取值、并返回步骤四。步骤九、将hi作为输入数据，将x3作为输出数据，构造rvm模型：其中，hii为hi中第i列数据，σ为核函数宽度、ωi为权重参数、ω0为偏置因子。步骤十、对rvm模型权重向量ω＝(ω0,ω1,ω2)t进行训练，获得训练后的rvm模型。步骤十一、对待估计锂离子电池进行循环充放电测试获得电池hppc训练数据，基于该电池hppc训练数据利用递归最小二乘法分别对待估计锂离子电池参数进行辨识，获得辨识结果和将和的辨识结果序列作为输入数据代入训练后的rvm模型中，获得rvm模型的输出结果、并作为待估计锂离子电池的健康状态。本实施方式采用在锂离子电池荷电状态估计领域常用的锂离子电池状态转移方程参数作为表征电池退化的特征参数，采用pearson(皮尔逊)相关系数定量评估模型各个参数的退化表征能力，进而使用退化表征能力较强的模型参数估计锂离子电池的健康状态，采用相关向量机算法(relevancevectormachine，rvm)建立锂离子电池健康状态(stateofhealth，soh)估计模型，在不引入过多额外计算量的前提下，在电池管理系统中实现锂离子电池的健康状态估计。当前第1页12