一种电池充电电流选择方法与流程

本发明涉及一种电池充电电流选择方法。

背景技术：

动力电池是电动汽车的核心部件，其特性决定着电动汽车的性能，而电动汽车的电能补给时间远大于传统燃油车的燃料补给时间，成为限制电动汽车发展的关键因素之一，研究快速、安全的优化充电技术具有重要的理论意义和应用价值。锂离子动力电池作为一种时变非线性系统，受操作温度的影响明显，在不同的应用工况和老化状态下表现出不同的外在特性。因此为实现多变应用条件下的动力电池优化充电，全面地掌握动力电池的内部状态，合理的设计充电策略是十分必要的。

国内目前对于充电方法的专利主要还是集中在对电池充电电流的限制上，其中专利“201710028006.3”公开了一种智能型充电方法。该方法以一充电电流对一电池充电。判断电池的一测量电压是否高于一预定电压值。若测量电压高于预定电压值，则增加充电电流。专利“201810144176.2”公开了一种智能充电方法，原理是充电时根据用户充电快慢的需求，充电控制器调整充电电流值。可以看出，由于电池充电过程中的极化电压与电化学反应速率呈正相关关系，电池快速充电，就必须保持较高的极化电压，会导致电池的加速老化，过快的电化学反应速度和强烈的副反应会导致电池内部产生大量的热，继而使得副反应程度更加剧烈，最终导致电池的热失控，因此为保障动力电池使用的安全，必须对动力电池充电进行优化，到达充电速度与充电安全的平衡。

技术实现要素：

本发明为实现动力电池充电过程监测，达到快速、安全、高效地充电的目的，提出一种电池充电电流选择方法。本发明是一种依据动力电池系统性能测试实验数据的离线充电倍率寻优方法，采用动力电池充电效率综合评估的充电电流选择方法进行电池优化充电。

所述的动力电池充电效率包括充电倍率效率ηr、充电荷电效率ηc、充电能量效率ηe和充电时间效率ηt。充电倍率效率ηr、充电荷电效率ηc、充电能量效率ηe和充电时间效率ηt在说明动力电池充电效果方面具备一定的耦合特性，而单独应用单一的充电效率指标对充电倍率的应用效果又不能进行全面评价，因此如何基于动力电池的充电倍率效率ηr、充电荷电效率ηc、充电能量效率ηe和充电时间效率ηt多个充电效率参数，对动力电池cccv充电的恒流充电倍率进行优化选择是研究的难点。

本发明引入主成分分析法进行基于动力电池充电效率参数的cccv恒流充电倍率的选择。

具体步骤如下：

(1)构建充电电流与充电效率数据库

通过动力电池系统性能测试试验，获取动力电池充电效率与充电电流关系数据，建立动力电池充电效率与充电电流关系数据库。分别包括充电倍率效率ηr、充电荷电效率ηc、充电能量效率ηe、充电时间效率ηt与充电电流间的关系。

其中，动力电池系统性能测试实验是应用城市道路行驶工况(urbandynamometerdrivingschedule,udds)对动力电池各单体进行的试验。充电倍率效率为电池充入的电量与电池可用容量的比值；充电荷电效率是电池电量从100％放电到0％与电池电量从0％充电到100％所需电量的比值；充电能量效率是电池电量从100％放电到0％与电池电量从0％充电到100％所需能量的比值；充电时间效率是电池电量从0％充电到100％所需时间的倒数。

(2)构建充电电流序列

动力电池充电效率与充电电流关系数据库中电流区间为[i1,in]，设定n是电流区间[i1,in]的电流插值数目，构建充电电流的择优序列ii(i＝1,2,…,n)，

(3)构建充电电流序列对应的充电效率数据库

应用充电电流序列对动力电池充电效率数据库进行插值运算，获取n个充电电流所对应的主成分分析法指标参量向量x，指标参量向量x的表达式为：

x＝(ηrηcηeηt)^t(2)

其中，ηr为电倍率效率、ηc为充电荷电效率、ηe为充电能量效率、ηt为充电时间效率。

(4)最优充电电流的选取

对步骤(2)获取的充电电流序列对应的动力电池充电效率数据库，应用主成分分析法选取最大综合主成分值对应的充电电流为候选最优充电电流iw。

(5)多状态条件约束的优化充电决策

soc为动力电池荷电状态，是防止动力电池过充/过放的指示参量，因此在动力电池的优化充电中必须对soc状态进行约束：

socmin≤soc≤socmax(3)

其中，socmin为动力电池允许的soc的最小值，socmax为动力电池允许的soc最大值，设置socmin＝0、socmax＝1。

cu为动力电池可用容量，与动力电池的老化状态具有直接映射关系，通常情况下动力电池的可用容量低于额定容量的80％时即认为动力电池已经不能继续使用，因此在动力电池的优化充电中对cu的约束如下：

cu≥0.8cn(4)

其中，cn为动力电池的标称容量。

动力电池的sop作为峰值充电电流的描述，提供了动力电池充电电流的上限值，是防止动力电池充电过程中在单位采样时间δt内出现过大充电电流造成动力电池损坏的重要约束，因此对于动力电池的充电电流iop应满足：

其中，为动力电池采样时间δt内的峰值充电电流。

因此最终的充电电流选择约束表达式为：

其中iw为候选最优充电电流。

附图说明

图1是电流快速选择流程图；

图2动力电池充电效率与充电电流关系数据库；

图3动力电池充电效率插值结果；

图4动力电池充电效率插值结果标准化；

图5综合主成分得分值统计图；

图6优化充电曲线。

具体实施方式

以下结合附图对具体实施方式进一步说明本发明。

本发明引入主成分分析法进行基于动力电池充电效率参数的cccv恒流充电倍率的选择。

具体步骤如下：

(1)构建充电电流与充电效率数据库

通过动力电池系统性能测试试验，获取动力电池充电效率与充电电流关系数据，建立动力电池充电效率与充电电流关系数据库。分别包括充电倍率效率ηr、充电荷电效率ηc、充电能量效率ηe、充电时间效率ηt与充电电流间的关系。

其中，动力电池系统性能测试实验是应用城市道路行驶工况(urbandynamometerdrivingschedule,udds)对动力电池各单体进行的试验。充电倍率效率为电池充入的电量与电池可用容量的比值；充电荷电效率是电池电量从100％放电到0％与电池电量从0％充电到100％所需电量的比值；充电能量效率是电池电量从100％放电到0％与电池电量从0％充电到100％所需能量的比值；充电时间效率是电池电量从0％充电到100％所需时间的倒数。

(2)构建充电电流序列

动力电池充电效率与充电电流关系数据库中电流区间为[i1,in]，设定n是电流区间[i1,in]的电流插值数目，构建充电电流的择优序列ii(i＝1,2,…,n)，

(3)构建充电电流序列对应的充电效率数据库

应用充电电流序列对动力电池充电效率数据库进行插值运算，获取n个充电电流所对应的主成分分析法指标参量向量x，指标参量向量x的表达式为：

x＝(ηrηcηeηt)^t(2)

其中ηr为电倍率效率、ηc为充电荷电效率、ηe为充电能量效率、ηt为充电时间效率。

(4)选取最优充电电流

对步骤(2)获取的充电电流序列对应的动力电池充电效率数据库应用主成分分析法，选取最大综合主成分值对应的充电电流为候选最优充电电流iw。

(5)多状态条件约束的优化充电决策

soc为动力电池荷电状态，是防止动力电池过充/过放的指示参量，因此在动力电池的优化充电中必须对soc状态进行约束：

socmin≤soc≤socmax(3)

其中，socmin为动力电池允许的soc的最小值，socmax为动力电池允许的soc最大值，设置socmin＝0、socmax＝1。

cu为动力电池可用容量，与动力电池的老化状态具有直接映射关系，通常情况下动力电池的可用容量低于额定容量的80％时即认为动力电池已经不能继续使用，因此在动力电池的优化充电中对cu的约束如下：

cu≥0.8cn(4)

其中，cn为动力电池的标称容量。

动力电池的sop作为峰值充电电流的描述，提供了动力电池充电电流的上限值，是防止动力电池充电过程中在单位采样时间δt内出现过大充电电流造成动力电池损坏的重要约束，因此对于动力电池的充电电流iop应满足：

其中，为动力电池采样时间δt内的峰值充电电流。

因此最终的充电电流选择约束表达式为：

其中iw为候选最优充电电流。

本发明方法应用实施例如下：

本发明电池快速充电电流选择方法是实质上是一种依据动力电池系统性能测试试验数据的离线充电倍率寻优方法。图2所示为动力电池充电效率与充电电流关系数据库，对应的电流区间[10a，50a]的插值数目n越大，参与寻优的动力电池充电倍率就越多，以1a作为插值间隔，对[10a，50a]区间进行插值运算，获取41组动力电池的充电效率数据，并对其应用主成分分析方法实现优化充电倍率的选择。

图3为对图2所示的动力电池充电效率与充电电流关系数据库进行插值运算的结果，插值电流序列为：

构成n个主成分分析法的指标参量向量矩阵：

x＝(x1,x2,…,xn)(8)

第n个指标参量向量xn可以表示为：

xn＝(ηr,nηc,nηe,nηt,n)^t(9)

其中为第n个电流对应的充电倍率效率ηr,n，第n个电流对应的充电荷电效率ηc,n，第n个电流对应的充电能量效率ηe,n，第n个电流对应的充电时间效率ηt,n

对(8)进行标准化运算，得到指标向量参量的标准化矩阵

其中第n个指标参量向量xn的标准化向量。

其结果如图4所示。

应用主成分分析法得到相关系数矩阵的特征根向量λi(i＝1,2,3,4)和单位特征向量aj(j＝1,2,3,4)为：

λ＝(λ1,λ2,λ3,λ4)^t＝(2.792,1.120,0.0065,0.0025)^t(11)

计算综合主成分得分值，如图5所示。

基于测试实验数据应用动力电池的多状态联合估计算法对动力电池状态进行联合估计，优化充电结果如图6所示，由图中的局部放大图可以看到，在动力电池的充电末端，由于动力电池瞬时峰值充电电流估计值的约束，充电过程将提前结束，这说明了进行动力电池充电多状态条件约束的必要性。

基于动力电池充电效率综合评估的充电电流选择算法是基于丰富的动力电池实验先验知识，通过主成分分析的方法，进行传统动力电池cccv充电方式恒流倍率的优化选择，该方法并不能同时保障动力电池的四项充电效率指标同时最优，而是基于综合主成分得分值综合评价的得到的综合最优结果。随着充电电流插值计算数的增加，该算法可以实现更加精确的优化充电电流的选取，但这是以提高运算复杂度作为代价的。同时，该算法所依据的充电效率指标参数随着动力电池的老化将产生变化，但该算法作为对现有的动力电池cccv充电方法的改进，综合考虑了动力电池的充电倍率效率、充电荷电效率、充电能量效率和充电时间效率，兼顾了动力电池充电的高效性和快捷性，具有一定的现实意义。