一种基于两点阻抗老化特征的锂电池在线老化诊断方法

1.本发明属于锂电池研发与应用的领域的一种锂电池在线老化诊断方法，具体涉及了一种基于两点阻抗老化特征的锂电池在线老化诊断方法。


背景技术：

2.由于具有能量密度高、成本低、功率需求响应快、循环寿命长等众多优势，锂电池被大规模的商业化应用于各个领域。老化诊断技术对于锂电池的安全可靠运行具有重要作用。然而，由于锂电池具有复杂的老化机理，且老化路径受设计、生产和应用过程中的诸多因素影响，使得在复杂动态运行条件下实现简单、快速和精确的锂电池老化诊断成为了一项挑战。此外，对于由数千个单体锂电池组成的大型电池组，由于制造和运行条件的差异，每个单体电池之间会不可避免的存在着内在和外在差异，因此不能将整个电池组视为一个电池，而需要对其中的每个单体电池分别进行老化诊断，这将带来巨大的数据存储负担、计算负担和成本负担。解决以上问题的有效方案包括老化诊断算法的改进和老化诊断特征的改进。然而，当前大量相关研究都集中在开发更好的算法上，而很少关注开发更好的特征。目前大部分实际应用中都采用总容量参数来表示锂电池的老化状态，当锂电池的老化诊断特征足够好时，使用简单的回归模型便能够实现准确的锂电池总容量诊断。因此，设计和开发更好的锂电池老化诊断特征具有着重要意义。
3.电化学阻抗谱是一种可以有效检测锂电池内部状况的手段，广泛运用于电池检测与研发领域。但电化学阻抗谱测量时间较长，难以在线实施以反映锂电池实时老化状态，具有一定的局限性。因此，采取相关措施将电化学阻抗谱技术运用于锂电池老化状态在线监测，对于提升锂电池的可靠性、安全性和耐久性具有重大意义。


技术实现要素：

4.为了解决现有技术的不足，本发明提出了一种基于两点阻抗老化特征的锂电池在线老化诊断方法。
5.本发明采用的方案是：
6.本发明包括以下步骤：
7.1)测量全新锂电池每次充放电循环中特定充电荷电状态下的电化学阻抗谱和锂电池总容量；
8.2)计算当前锂电池在各次充放电循环中所有电化学阻抗谱频率组合对应的两点阻抗老化特征；
9.3)重复步骤1)
‑
2)对各个锂电池均进行处理，获得各个锂电池在各次充放电循环中所有电化学阻抗谱频率组合对应的两点阻抗老化特征和锂电池总容量；
10.4)根据各个锂电池的所有电化学阻抗谱频率组合对应的两点阻抗老化特征，选取最佳电化学阻抗谱频率组合，将最佳电化学阻抗谱频率组合对应的两点阻抗老化特征作为最佳两点阻抗老化特征，选取所有锂电池在各次充放电循环中的最佳两点阻抗老化特征和
对应锂电池总容量构成训练集；
11.5)基于训练集对锂电池老化诊断回归模型进行训练，获得训练后的锂电池老化诊断回归模型；
12.6)在线诊断时，仅采集待诊断锂电池在当前次充放电循环中相同充电荷电状态下测量得到的最佳电化学阻抗谱频率组合对应的阻抗值，计算出待诊断锂电池的最佳两点阻抗老化特征，将待诊断锂电池的最佳两点阻抗老化特征输入到训练好的锂电池老化诊断回归模型中进行诊断，输出获得当前待诊断锂电池的锂电池总容量，根据锂电池总容量判断当前待诊断锂电池的老化状态。
13.所述步骤2)具体为：
14.在预设频率范围中，当前锂电池在每次充放电循环中的电化学阻抗谱中两个不同电化学阻抗谱频率作为一个电化学阻抗谱频率组合，计算一个电化学阻抗谱频率组合中较高的电化学阻抗谱频率的阻抗虚部与较低的电化学阻抗谱频率的阻抗虚部的差值并将该差值作为一个两点阻抗老化特征，遍历所有电化学阻抗谱频率组合，获得当前锂电池在当前次充放电循环中的所有两点阻抗老化特征。
15.所述步骤4)具体为：
16.根据所有锂电池的所有两点阻抗老化特征，计算所有锂电池的所有充放电循环中相同电化学阻抗谱频率组合的两点阻抗老化特征与对应锂电池的总容量之间的相关系数，遍历计算获得所有电化学阻抗谱频率组合对应的相关系数，由所有电化学阻抗谱频率组合对应的相关系数构成相关系数矩阵，将相关系数矩阵中绝对值最大的相关系数对应的电化学阻抗谱频率组合作为最佳电化学阻抗谱频率组合，然后将最佳电化学阻抗谱频率组合对应的两点阻抗老化特征作为最佳两点阻抗老化特征，最后将所有锂电池在所有充放电循环中的最佳两点阻抗老化特征和对应充放电循环中的锂电池总容量构成训练集。
17.所述相关系数为皮尔森相关系数，具体通过以下公式进行计算：
[0018][0019]
其中，ρ
x，y
表示所有锂电池的所有充放电循环中相同电化学阻抗谱频率组合对应两点阻抗老化特征与对应充放电循环中锂电池总容量之间的相关系数，x表示所有锂电池的所有充放电循环中相同电化学阻抗谱频率组合对应的两点阻抗老化特征的集合，y表示所有锂电池在各自所有充放电循环中的锂电池总容量的集合，e()表示取期望操作。
[0020]
所述步骤6)中相同充电荷电状态与步骤1)中的特定充电荷电状态相同。
[0021]
所述锂电池老化诊断回归模型根据最佳两点阻抗老化特征与锂电池的寿命的分布关系选择线性回归模型和非线性回归模型。
[0022]
本发明的有益效果是：
[0023]
本发明解决了实际应用中锂电池在线老化诊断困难的问题。将基于电化学阻抗谱的两点阻抗老化特征应用到锂电池的在线老化诊断上，仅通过测量锂电池在每次充放电循环中一个特定充电荷电状态下两个电化学阻抗谱频率对应的阻抗虚部值便可计算出两点阻抗老化特征，进而精确诊断锂电池老化状态，降低了数据存储负担、计算负担和成本负担，更适合实际应用场景中锂电池的在线老化诊断，有助于锂电池更加安全可靠的运行。
附图说明
[0024]
图1是本发明的整体流程图。
[0025]
图2是本发明实施例中锂电池各次充放电循环中特定充电荷电状态下测量得到的电化学阻抗谱以及选取的最佳电化学阻抗谱频率组合对应的阻抗点示意图。
[0026]
图3是本发明实施例中所有锂电池的所有充放电循环中最佳两点阻抗老化特征与对应锂电池总容量在坐标轴上的分布关系图。
[0027]
图4是本发明实施例中锂电池老化诊断回归模型的训练和测试结果图。
具体实施方式
[0028]
下面结合附图和具体实施例对本发明进行详细说明。
[0029]
如图1所示，本发明包括以下步骤：
[0030]
1)测量全新锂电池每次充放电循环中特定充电荷电状态下的电化学阻抗谱和锂电池总容量；特定充电荷电状态具体为0％
‑
100％荷电状态中的某一个值。具体实施时为100％的荷电状态。充放电循环的总次数为锂电池总容量衰减到初始锂电池总容量的75％时的总循环次数。
[0031]
2)计算当前锂电池在各次充放电循环中所有电化学阻抗谱频率组合对应的两点阻抗老化特征；
[0032]
步骤2)具体为：
[0033]
在预设频率范围中，当前锂电池在每次充放电循环中的电化学阻抗谱中两个不同电化学阻抗谱频率作为一个电化学阻抗谱频率组合，计算一个电化学阻抗谱频率组合中较高的电化学阻抗谱频率的阻抗虚部与较低的电化学阻抗谱频率的阻抗虚部的差值并将该差值作为一个两点阻抗老化特征，遍历所有电化学阻抗谱频率组合，获得当前锂电池在当前次充放电循环中的所有两点阻抗老化特征。具体实施中，预设电化学阻抗谱频率范围优选为0.01999hz
‑
20004.45300hz，测量的电化学阻抗谱频率共有60个，如表1所示。在测量设备允许的范围内测量的电化学阻抗谱频率的精度越高越好，测量电化学阻抗谱频率的精度越高，电化学阻抗谱频率组合就越多，对应的两点阻抗老化特征也越多。
[0034]
表1电化学阻抗谱测量的所有电化学阻抗谱频率(hz)
[0035][0036]
3)重复步骤1)
‑
2)对各个锂电池均进行处理，获得各个锂电池在各次充放电循环中所有电化学阻抗谱频率组合对应的两点阻抗老化特征和总容量；
[0037]
4)根据各个锂电池的所有电化学阻抗谱频率组合对应的两点阻抗老化特征，选取最佳电化学阻抗谱频率组合，将最佳电化学阻抗谱频率组合对应的两点阻抗老化特征作为最佳两点阻抗老化特征，选取所有锂电池在各次充放电循环中的最佳两点阻抗老化特征和
对应锂电池总容量构成训练集；
[0038]
步骤4)具体为：
[0039]
根据所有锂电池的所有两点阻抗老化特征，计算所有锂电池的所有充放电循环中相同电化学阻抗谱频率组合的两点阻抗老化特征与对应锂电池的总容量之间的相关系数，遍历计算获得所有电化学阻抗谱频率组合对应的相关系数，由所有电化学阻抗谱频率组合对应的相关系数构成相关系数矩阵，相关系数矩阵作为不同电化学阻抗谱频率组合对应的两点阻抗老化特征与锂电池总容量之间相关性的紧凑表示，如表2所示。
[0040]
表2相关系数矩阵局部示意表
[0041][0042]
将相关系数矩阵中绝对值最大的相关系数对应的电化学阻抗谱频率组合作为最佳电化学阻抗谱频率组合，然后将最佳电化学阻抗谱频率组合对应的两点阻抗老化特征作为最佳两点阻抗老化特征，如图2所示。最后将所有锂电池在所有充放电循环中的最佳两点阻抗老化特征和对应充放电循环中的锂电池总容量构成训练集。如图3所示，其中，最佳两点阻抗老化特征具体为所有锂电池在最佳电化学阻抗谱频率组合下的两点阻抗老化特征，每个充放电循环中锂电池在最佳电化学阻抗谱频率组合下的两点阻抗老化特征的标签为当前充放电循环中锂电池的总容量。如表2所示，相关系数矩阵中相关系数的行号和列号分别表示两点阻抗老化特征对应的电化学阻抗谱频率组合中的两个电化学阻抗谱频率，相关系数矩阵的行和列均表示预设电化学阻抗谱频率范围。
[0043]
所述相关系数为皮尔森相关系数，具体通过以下公式进行计算：
[0044][0045]
其中，ρ
x，y
表示所有锂电池的所有充放电循环中相同电化学阻抗谱频率组合对应两点阻抗老化特征与对应充放电循环中锂电池总容量之间的相关系数，x表示所有锂电池的所有充放电循环中相同电化学阻抗谱频率组合对应的两点阻抗老化特征的集合，y表示所有锂电池在各自所有充放电循环中的锂电池总容量的集合，e()表示取期望操作。
[0046]
5)基于训练集对锂电池老化诊断回归模型进行训练，获得训练后的锂电池老化诊断回归模型；实施例中选用的是自适应神经模糊系统模型。锂电池老化诊断回归模型根据最佳两点阻抗老化特征与锂电池的寿命的分布关系选择线性回归模型和非线性回归模型。
[0047]
6)在线诊断时，仅采集待诊断锂电池在当前次充放电循环中相同充电荷电状态下
测量得到的最佳电化学阻抗谱频率组合对应的阻抗值，计算出待诊断锂电池的最佳两点阻抗老化特征，将待诊断锂电池的最佳两点阻抗老化特征输入到训练好的锂电池老化诊断回归模型中进行诊断，输出获得当前待诊断锂电池的锂电池总容量，根据锂电池总容量判断当前待诊断锂电池的老化状态，如图4所示。
[0048]
步骤6)中相同充电荷电状态与步骤1)中的特定充电荷电状态相同。