一种基于模糊概率综合评判的电池健康状态评估方法与流程

本申请所描述的电池健康状况评估方法，属于磷酸铁锂电池评估领域。尤其是涉及一种基于模糊概率综合评判的电池健康状态评估方法。

背景技术

磷酸铁锂电池具有良好的安全性、环保性及较长的循环寿命等特点。在标准充放电情况下，磷酸铁锂电池的循环寿命高达两千次，是其他常用锂离子电芯寿命的3倍以上。从环保性角度，磷酸铁锂电池内部不含任何贵重金属或者其他对环境有害的金属。另外，磷酸铁锂电池无记忆效应，可随用随充，无须放电再充。但从生产的角度，电池在生产时原料投入量的差异、制造工艺先进程度和检测设备精度都可能影响出厂电池成品性能。从使用条件角度，电池充放电时，有些电池已达到截止电压而有些电池并没有到达截止电压，这就使得前者经常处于过充或过放状态，从而导致材料内部化学结构被破坏，加剧电池性能老化。另外，电池性能受温度影响较大，在使用或储存时不同位置由于散热环境不同导致温度差异，也会对电池健康状态有所影响。因此，针对这种情况，出现了电池健康评估技术，即在电池成组之前，通过技术手段从众多电池中筛选出健康的单体电池，排除未能达标不合格的电池单体，降低“木桶效应”的不良影响，通过健康评估技术筛选电池后进行配组，提高电池组的整体性能并延长使用寿命。

然而，目前传统的健康评估技术大多是单一的对单体电池的容量、电压、内阻等静态参数进行测试，这种方法虽然耗时短，效率高，能够快速的完成健康评估，但这些静态参数会随着电池的使用时间的增加发生变化，同时对电池健康状态的影响因素分析不全面，这些都会影响电池健康评估情况的准确性，使得单体电池健康状态无法保证，导致电池包寿命显著衰减。因此，提出一种能够准确评价单体电池健康状态的评估方法，是本领域技术人员亟需解决的问题。

技术实现要素：

本发明的实施例一种基于模糊概率综合评判的电池健康状态评估方法，其具有对大数量的电池样本健康评估效率高、实施方便、准确性好。

本发明的一种基于模糊概率综合评判的电池健康状态评估方法，包括以下步骤：

步骤1、获取电池单体样本的充放电过程中的soc值与对应的电压值作为评估对象；

步骤2、构建因素集u＝{u1,u2,…,un}，ul(l＝1,2,…,n)代表第l个单体电压指标，设定评语集v＝{v1,v2,v3}＝{健康，合格，不合格}，其中vi(i＝1,2,3)代表电池的健康状态，进行单因素评价，并建立每个单项指标对评语集的隶属函数a(x)；

步骤3、将所有样本指标进行分段，计算各单项指标在每段区域内的部分对于各评价等级的平均隶属度μ(xj)，以及落在每个区间内点位的概率pj；

步骤4、根据步骤3所得个单项指标的平均隶属度μ(xj)和平均概率pi计算各单项指标在各评价等级的概率p(a(vi))；

步骤5、确定各单项指标的权重

步骤6、根据单项指指标的权重和步骤4所得的评价等级的概率p(a(vi))，得到电池单体属于各评价集的概率pi，最大的概率值对应的评价及就是评估结果，该结果所确定的各单体健康状态极为单体电池的健康状态；

步骤7、通过模糊综合评判，按照最大隶属度原则确定电池包的健康状态。

进一步的，步骤2所述每个单项指标对评语集的隶属函数a(x)的构建方法如下：：

式中，a1、a2和a3分别为电池单体soc为特定时刻电池充电放电过程中的电压值。

进一步的，步骤3所述计算各单项指标在每段区域内的部分对于各评价等级的平均隶属度的方法如下：

式中，μ(c＜x≤d)为单项指标在c，d区间段内对于各评价等级的平均隶属度，c为区间段上限，d为区间段上限，a(x)为每个单项指标对评语集的隶属函数。

进一步的，所述落在每个区间内点位的概率pj的方法如下：

式中，nj为落在各区间内的点位数，n为样本数。

进一步的，步骤4所述得到各单项指标在各评价等级的概率p(a(vi))的方法如下：

式中，a为fuzzy事件，μ(xj)为单项指标在第j段区间内对于各评价等级的平均隶属度。

进一步的，步骤5所述确定各单项指标的权重的方法如下：

分别计算每个指标的平均值和标准差δl，公式如下：

计算各指标的变异系数vl,公式如下：

其中vl是第l项指标的变异系数，也称为标准差系数；σl是第l项指标的标准差；是第l项指标的平均数；

计算各指标的权重公式如下：

进一步的，步骤6所述得到电池单体属于各评价集的概率pi的方法如下：

进一步的，对电池包进行综合评判方法如下：

1)对单体电池样本进行m次充电实验，测试各电池充满程度；

2)根据各电池单体的充满程度计算电池单体健康状态的隶属度；

3)根据电池单体健康状态的隶属度，得到各指标的模糊关系，由此建立模糊评判矩阵；

4)计算综合评判结果，公式如下：

b＝aοr；

其中b为综合评判结果，a为权重集，r为模糊评判矩阵，根据最大隶属原则可得电池包处于健康状态。

本发明在电池充电放电过程中进行间隔采样，选取电池充放电过程中的soc值与电压的关系，将电池不同soc下的电压值进行归一化处理作为各单体电压健康状态的评判对象，计算出构成评价指标系数的指标权重，根据最大概率原则确定出各单体电压健康状态，从而得到单体电池的健康状态，再进行单体电池的充电实验，通过模糊综合评判，按照最大隶属度原则确定磷酸锂电池包的健康状态。思路清晰实施容易，对大数量的电池样本健康评估效率高，准确性好；实验结果表明采用该评估方法得到的电池包寿命衰减率降低，安全性好。因此，根据评判结果可以看出此方法不仅可以用于对新出厂的磷酸铁锂电池包健康状态的评判，还可以用于对已使用的电池包健康状态进行评价。同时，还可以利用此方法对电池包内的单体电池进行实时监测，及时更换掉不健康的单体电池，以保证电池包的高安全性、高一致性、高可靠性。

本发明选用了电池充放电实验数据做评价对象，一方面完善了电池健康状态评估条件，另一方面提高了评价结果的精度；运用模糊统计法，将模糊概念明确化，能够清楚地表示隶属程度的客观规律，从而提高所选指标权重的准确性和客观性，进而提高健康评估的精准度。在电池包组合前先通过模糊概率方法对各单体电池的健康状态进行评价，后进行配组，并运用模糊综合评判的方法对成组的电池包进行健康评估这样能够大大的提高电池包的初始化性能。

附图说明

图1示出了本发明实施例的整体流程示意图；

图2示出了本发明实施例的各单体电压值变化的曲线；

图3示出了经健康诊断并处理电池与未经健康诊断电池的健康曲线。

具体实施方式

图1示出了根据本发明的一个实施例整体流程示意图，如图1所示，本实施例的基于模糊概率综合评判的电池健康状态评估方法，具体包括如下步骤：

步骤1、对8个电池单体进行充放电试验得到评估数据，该评估数据可通过电池单独充放电试验获得，也可以直接使用电池厂家出厂实验数据，还可以使用电池包运行过程中监测所得数据；将电池不同soc下的电压值进行归一化处理后作为各单体电压健康状况的评判对象；本实施例的8个电池单体不同soc下的电压值如表1所示；

表1单体电压值

步骤2、构建因素集u＝{u1,u2,…,u8}＝{单体电压1，单体电压2，单体电压3，单体电压4，单体电压5，单体电压6，单体电压7，单体电压8}，ul(l＝1,2,…,8)代表第l个单体电压指标，设定评语集v＝{v1,v2,v3}＝{健康，合格，不合格}，其中vi(i＝1,2,3)代表电池的健康状态，进行单因素评价，并建立每个单项指标对评语集的隶属函数a(x)；

根据表1数据，u1为例，计算各单体电压的隶属度函数，函数如下：

a1、a2和a3分别为电池单体soc为30％、70％和100％时刻电池充放电过程中的电压值，本实施例中，设定了健康状态评价标准：在充电过程中电量(≤30)则电池是不合格产品，当电量(＞30,≤70)属于合格产品，当电量(≥70)电池是健康的。由此得到各单体电压的分布情况，如图2所示。

步骤3、根据已有的隶属函数确定方法，通过对表1数据的分析发现其满足f分布，因此选用半梯形、三角形分布对各单体电压值进行分段到各单项指标在每段区域内的部分对于各评价等级的平均隶属度μ(x)，以及落在每个区间内点位的概率pj；

计算各单项指标在每段区域内的部分对于各评价等级的平均隶属度的方法如下：

式中，μ(c＜x≤d)为单项指标在c，d区间段内对于各评价等级的平均隶属度，c为区间段上限，d为区间段上限，a(x)为每个单项指标对评语集的隶属函数。

以u1为例，特征因子对评价等级{健康，合格，不合格}的隶属度可分区间表示为：

所述落在每个区间内点位的概率pj的方法如下：

式中，nj为落在各区间内的点位数，n为样本数。

所示各电池单体的分段区间、区间内的点位数、每个区间内点位数的概率以及对应个评价等级的隶属度如表2所示；

表2各评价等级隶属度

步骤4、根据步骤3所得各单项指标的平均隶属度μ(x)和平均概率pi计算各单项指标在各评价等级的概率p(a(vi))，方法如下：

式中，a为fuzzy事件，μ(xj)为单项指标在第j段区间内对于各评价等级的平均隶属度。

上式计算出各特征因子指标属于评价等级{健康，合格，不合格}归一化的fuzzy概率即单体电压属于各评价等级的概率分布情况，如表3所示：

表3单体电压属于各评价等级的概率

步骤5、确定各单项指标的权重方法如下：

基于评价指标体系中各指标的量纲不统一，不能直接将差别程度进行比较。为了避免各项评价指标因量纲不同造成的影响，选用各项指标的变异系数来比较各项指标取值的差异程度。

分别计算每个指标的平均值和每个指标的标准差δl，公式如下：

所得结果如表4所示：

表4平均值及标准差

计算各指标的变异系数vl,公式如下：

其中vl是第l项指标的变异系数，也称为标准差系数；σl是第l项指标的标准差；是第l项指标的平均数；

计算各指标的权重公式如下：

所得数据如表5所示：

表5变异系数及权重

步骤6、根据单项指指标的权重和步骤4所得的评价等级的概率p(a(vi))，得到电池单体属于各评价集的概率pi，方法如下：

由上式可以求得单体电压处于各评价集的概率，由此确定各单体电压的健康状态，即为单体电池的健康状态。

计算单体电压的健康状况即为单体电池的健康状态，如下式：

v1:p＝0.1083×0.26725+0.1164×0.32294+0.1598×0.19583+0.1085×0.14585+0.1633×0.3125+0.1633×0.3125+0.0975×0.3125+0.0828×0.3125＝0.2721；

v2:p＝0.1083×0.59069+0.1164×0.55206+0.1598×0.61668+0.1085×0.69165+0.1633×0.53125+0.1633×0.44641+0.0975×0.375+0.0828×0.46024＝0.5361；

v3:p＝0.1083×0.14206+0.1164×0.125+0.1598×0.1875+0.1085×0.1625+0.1633×0.15625+0.1633×0.24109+0.0975×0.3125+0.0828×0.22726＝0.1917

根据最大概率原则：

max(p)＝{p(v1),p(v2),p(v3)}＝{0.2721,0.5361,0.1917}＝0.5361

该结果对应评价等级二，即合格。

取max(p)＝0.5361可知此磷酸铁锂电池包评价集为v2，磷酸铁锂电池各单体电池均处于合格状态。

步骤7、通过模糊综合评判，按照最大隶属度原则确定电池包的健康状态。

对电池包进行综合评判方法如下：

1)对单体电池样本进行50次充电实验，测试各电池充满程度，其中20-30次充满即为健康状态，10-20次充满即为合格状态，低于10次的即为不合格状态。得到电池充电状态，如表6所示：

表6电池充电状态

2)由表5中数据可以得到各单体电池的隶属度，如下式：

3)由此得到模糊关系rf，具体结果如下：

从而得到单体电池相应的模糊评判矩阵：

4)由表5可知权重集为：

a＝(0.10830.11640.15980.10850.16330.16330.09750.0828)

计算综合评判结果，公式如下：

b＝aοr

其中b为综合评判结果，a为权重集，r为模糊评判矩阵，根据最大隶属原则可得电池包处于健康状态；按照最大隶属度原则，因为各评价等级都有相应的一个隶属度函数值与之相对应，所以按照最大隶属度原则取最大的值所对应的评价等级为评估结果，该结果即可确定电池包的健康状态，由此可以看出该电池包属于健康状态，故该电池包是健康的。

如图3所示，对四组电池进行循环充放电实验，其中1、2组电池是定期进行健康检查并修复的电池，3、4组是未经过健康检查的电池，可以看出1、2组电池在循环次数达到500次时，其健康程度依然保持在90％以上，而3、4组电池随着循环次数增加，健康程度快速下降，实验表明，本发明所选用的模糊概率综合评判方法对电池健康情况评价准确性很高，与不进行定期健康检查的电池进行对比发现其使用寿命有了明显的提高，因此说明可以利用此方法对电池包内的单体电池进行实时监测，以便及时更换掉性能不佳的单体电池，以保证电池包的高安全性、高一致性、高可靠性。

本发明的实施例的上述描述是为了示例和说明的目的而给出的。它们并不是穷举性，也不意于将本发明限制于这些精确描述的内容，在上述教导的指引下，还可以有许多改动和变化。这些实施例被选中和描述仅是为了最好解释本发明的原理以及它们的实际应用，从而使得本领域技术人员能够更好地在各种实施例中并且使用适合于预期的特定使用的各种改动来应用本发明。因此，应当理解的是，本发明意欲覆盖在下面权利要求范围内的所有改动和等同。