本发明涉及一种电池技术领域，尤其是涉及一种锂离子电池性能在线诊断方法。
背景技术：
随着电力储能的大力发展，大容量储能电池作为主要储能元件倍受重视。但是单体电池受到其电压、容量、功率、能量等性能和参数的限制，不能单独使用，进行串并联成组才能满足储能系统要求。电池的成组对电池的一致性要求很高，即使单体电池经过可靠筛选后成组，电池组中单体电池的一致性也会随着储能系统运行逐渐变差，降低系统的可靠性。因此，建立准确的电池综合性能评价模型是十分必要的，这将有利于电池的诊断和维护，提高电池组的可靠性。
目前，对电池状态的诊断一般有离线的放电实验法、在线的soc和soh等估算法等。离线的放电实验法只能在储能电池与母线断开的离线状态下才能进行，会影响储能系统的正常运行，缺乏实时性和实用性。在线的soc和soh等电池状态估算法仅突出了电池某方面的特性，具有片面性，不能综合评价电池。
技术实现要素：
本发明主要是解决现有技术中电池评价方法缺乏实时性、实用性，分析存在片面性的问题，提供了一种基于灰色关联理论、性能分析可靠的锂离子电池性能在线诊断方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的：一种锂离子电池性能在线诊断方法，包括以下步骤：
s1.确定影响电池性能的各指标的权重；
s2.根据电池各指标的检测值获取原始矩阵和参考矩阵，对原始矩阵和参考矩阵进行标准化处理；
s3.根据标准化后的原始矩阵和参考矩阵采用灰色关联分析计算电池各指标的关联系数；
s4.采用灰色关联模型计算出各电池的关联度；
s5.根据关联度诊断各电池的性能。
本发明对电池多种指标，采用灰色关联理论对电池性能进行诊断，克服了单一指标作为评判标准的片面性，为电池的性能诊断和维护提供可靠的理论依据。
作为一种优选方案，步骤s1中权重确定过程包括：
s11.根据电池充放电性能和参数，确定影响电池性能的指标；
根据对电池充放电性能和相关参数的评估，确定诊断电池性能的7个重要指标，分别是充电欧姆内阻、放电欧姆内阻、能量效率、充电平均功率、放电平均功率、实际容量和极化电压。这7个指标构成电池性能评价的指标体系。
具体参数值的获得如下:
(1)rcharge:充电欧姆内阻。取电池电量充满时刻前后2s电压的差值(δuc)和电流值(ic)，来计算电池充电欧姆内阻，即rcharge＝|δuc|/ic；
(2)rdischarge:放电欧姆内阻。取电池电量放空时刻前后2s电压的差值(δud)和电流值(id)，来计算电池放电欧姆内阻，即rdischarge＝|δud|/id；
(3)ηe:能量效率。以正常工况下，电池放电能量与充电能量的比值作为能量效率；
(4)pca:充电平均功率。取电池充电过程中平均输入功率作为电池充电平均功率；
(5)pda:放电平均功率。取电池放电过程中平均输出功率作为电池放电平均功率；
(6)creal:实际容量。实际容量用电池放电前后soc变化(δsocd)和放电电量(qd)来计算，即creal＝qd/δsocd；
(7)upol:极化电压。由本次放电结束时刻的电池电压与下一次充电开始后10min时刻的电压差值来计算。
s12.根据电池和指标建立矩阵a′＝[a′ij]m×n，设电池模块由m节单体电池串联组成，单体电池有n个指标的数值，其中a′ij表示第i节电池的第j个指标的数值，对指标数值进行标准化处理，即
得到标准化处理后矩阵a＝[aij]m×n；
s13.获得指标数值的熵为
其中fj为第j个指标的熵，c＝-(lnm)-1，i＝1,2,…m；
s14.当bij＝0时，令bij·lnbij＝0，获得指标数值的熵权为
其中ωj为第j个指标的熵权，
最后得到这些指标的权重为w＝(ωj)。
作为一种优选方案，步骤s2中标准化的过程包括：
s21.选取所有电池中的最优指标组成参考矩阵
s22.采用向量归一化法对参考矩阵
获得标准化参考矩阵x0，标准化原始矩阵x。
作为一种优选方案，步骤s3中关联系数的计算过程包括：
s31.建立参考序列，记为x0，则
x0(k)＝[x0(1),x0(2),…,x0(n)],k＝1,2,…,n
建立比较序列，记为xi，则
xi(k)＝[xi(1),xi(2),…,xi(n)],；＝1,2,…,m；
s32.得到参考序列与比较序列的绝对差值，差值包括最大值和最小值，则表示为：
δmax＝maximaxk|x0(k)-xi(k)|
δmin＝minimink|x0(k)-xi(k)|；
s33.根据灰色关联分析求得第i个评价对象的第k个评价指标与参考值的关联系数为：
其中ρ为分辨系数。ρ根据实际情况取值，取值范围为0.1～0.8。
作为一种优选方案，步骤s4中电池的关联度计算过程为：
s41.根据关联系数公式得到评判矩阵e，
s42.根据灰色关联模型r＝e×w，计算得到各电池的关联度矩阵r＝(ri)，
因此，本发明的优点是：对电池多种指标，采用灰色关联理论对电池性能进行诊断，克服了单一指标作为评判标准的片面性，为电池的性能诊断和维护提供可靠的理论依据。
附图说明
附图1是本发明的一种流程结构示意图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
本实施例一种锂离子电池性能在线诊断方法，如图1所示，包括以下步骤：
s1.确定影响电池性能的各指标的权重；过程包括：
s11.根据电池充放电性能和参数，确定影响电池性能的指标；
根据对电池充放电性能和相关参数的评估，确定诊断电池性能的7个重要指标，分别是充电欧姆内阻、放电欧姆内阻、能量效率、充电平均功率、放电平均功率、实际容量和极化电压。这7个指标构成电池性能评价的指标体系。
具体参数值的获得如下:
(1)rcharge:充电欧姆内阻。取电池电量充满时刻前后2s电压的差值(δuc)和电流值(ic)，来计算电池充电欧姆内阻，即rcharge＝|δuc|/ic；
(2)rdischarge:放电欧姆内阻。取电池电量放空时刻前后2s电压的差值(δud)和电流值(id)，来计算电池放电欧姆内阻，即rdischarge＝|δud|/id；
(3)ηe:能量效率。以正常工况下，电池放电能量与充电能量的比值作为能量效率；
(4)pca:充电平均功率。取电池充电过程中平均输入功率作为电池充电平均功率；
(5)pda:放电平均功率。取电池放电过程中平均输出功率作为电池放电平均功率；
(6)creal:实际容量。实际容量用电池放电前后soc变化(δsocd)和放电电量(qd)来计算，即creal＝qd/δsocd；
(7)upol:极化电压。由本次放电结束时刻的电池电压与下一次充电开始后10min时刻的电压差值来计算。
s12.根据电池和指标建立矩阵a′＝[a′ij]m×n，设电池模块由m节单体电池串联组成，单体电池有n个指标的数值，其中a′ij表示第i节电池的第j个指标的数值，对指标数值进行标准化处理，即
得到标准化处理后矩阵a＝[aij]m×n；
s13.获得指标数值的熵为
其中fj为第j个指标的熵，c＝-(lnm)-1，i＝1,2,…m；
s14.当bij＝0时，令bij·lnbij＝0，获得指标数值的熵权为
其中ωj为第j个指标的熵权，
最后得到这些指标的权重为w＝(ωj)。
s2.根据电池各指标的检测值获取原始矩阵和参考矩阵，对原始矩阵和参考矩阵进行标准化处理；过程包括：
s21.选取所有电池中的最优指标组成参考矩阵
s22.采用向量归一化法对参考矩阵
获得标准化参考矩阵x0，标准化原始矩阵x。
本实施例为清楚表示方法过程，以24节100ah的磷酸铁锂电池为例，电池记为1#、2#、3#、…、24#，电池评价指标实测值和理想值如下表所示：
参考矩阵选取所有电池中的最优指标，在影响单体电池的7个指标里，充、放电欧姆内阻以及极化电压的值越小越好，理想值取24个电池中的最小值；而其余影响指标相反，理想值取24个电池中的最大值。取理想值组成参考矩阵
将上表数据部分除去理想值一行，所得数据组成原始矩阵x*，
由于在实际的灰色关联评价建模过程中，各评价指标的量纲往往都不相同，需要对参考矩阵进行无量纲处理，经过向量归一化法处理后，得到标准化参考矩阵x0，
x0＝[1111111]；
同理对原始矩阵进行无量纲处理，经过向量归一化法处理后，得到标准化原始矩阵x，
s3.根据标准化后的原始矩阵和参考矩阵采用灰色关联分析计算电池各指标的关联系数；计算过程包括：
s31.建立参考序列，记为x0，则
x0(k)＝[x0(1),x0(2),…,x0(n)],k＝1,2,…,n
建立比较序列，记为xi，则
xi(k)＝[xi(1),xi(2),…,xi(n)],；＝1,2,…,m；
s32.得到参考序列与比较序列的绝对差值，差值包括最大值和最小值，则表示为：
δmax＝maximaxk|x0(k)-xi(k)|
δmin＝minimink|x0(k)-xi(k)|；
s33.根据灰色关联分析求得第i个评价对象的第k个评价指标与参考值的关联系数为：
其中ρ为分辨系数，根据实际情况取值范围为0.1～0.8，本实施例中ρ取0.5。
s4.采用灰色关联模型计算出各电池的关联度；计算过程为：
s41.根据关联系数公式得到评判矩阵e，
s42.根据灰色关联模型r＝e×w，计算得到各电池的关联度矩阵r＝(ri)，
继续以上表数据为例，根据管理系数和步骤s41得到评判矩阵，
另外在步骤s1中，以上表中除理想值以外的数据建立矩阵a′，经过熵权法计算后得到七个指标的权重为：
w＝(0.5261,0.3594,0.0016,0.0002,0.0002,0.1007,0.0116)，
根据灰色关联模型r＝e×w，计算得到各电池的关联度矩阵：
得到的电池对应关联度以表格显示如下：
s5.根据关联度诊断各电池的性能。
由以上数据可得到单体电池关联度进行排序为：
r23>r24>r22>r21>r1>r12>r2>r6>r9>r3>r7>r8>r18>r14>r4>r5>r20>r13>r15>r16>
r10>r11>r17>r19。
关联度越大，说明与理想值越接近，也表明这个电池的综合性能越好。可见23号电池性能最好，19号电池性能最差。而实际上也是如此，21号、22号、23号、24号电池实际容量可达到140ah，性能优于其他电池。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。