磷酸铁锂电池系统容量不均衡度的大数据提取计算方法与流程

本发明涉及的是新能源客车电池系统领域，更具体地说是一种磷酸铁锂电池系统容量不均衡度的大数据提取计算方法。

背景技术：

新能源汽车的动力电池系统由若干个电芯通过串并联组成，该系统的性能受电芯一致性影响。新能源汽车动力电池系统经历长时间使用后，电池单体之间因温度、自放电率、容量衰减速率、库仑效率等不同会导致电池单体之间的soc出现不一致现象，即容量不均衡。该种不均衡现象会使电池系统可用容量减少，利用效率降低，使车辆行驶里程减少，且是造成系统显示soc在正常范围内却发生电芯欠压报警的主要原因。

目前的电池管理系统中，通常采用各单体中的最高/最低单体之间压差来判断容量不均衡。然而对于磷酸铁锂电池体系而言，因其电压平台较平，动态压差主要由单体之间极化差异引起，静态压差主要由电池制造不一致差异导致，加上电压值采样误差的存在，单体压差法无法准确反馈容量差异。即使bms带有均衡功能，也常因均衡电流小、均衡作用时间短、均衡策略不够优化，无法保证电池系统处于均衡状态，且经常在电池系统已经出现容量不均衡后，压差并未达到报警值，致使容量不均衡长期存在，限制了电池系统容量的高效利用，减短了车辆行驶里程。

因而，将压差应用于磷酸铁锂体系作为判断容量不均衡的方法存在缺陷，而现有电池管理系统又无法有效的抑制电池系统不均衡状态的恶化，所以，搭载磷酸铁锂电池的新能源车辆需要一种更精准的利用大数据提取容量不均衡程度数据特征的方法，为电池系统保养维护提供量化参考指标，使其能够及时的恢复均衡状态，提升电池系统整个生命周期的使用能效，延长车辆行驶里程。

另一方面，因为上述原因，大量新能源汽车在电池系统报废的时候仍然有相当一部分电芯的电量仍旧拥有可观的可使用电量，直接按照电量衰减最大的电芯参数进行判断电池系统可用性，报废整个电池系统的电芯的做法存在巨大的资源浪费。

本申请人在研究中发现，单个磷酸铁锂电池系统模块由许多电芯单体构成系统的能源存储主体，这些单体在充放电工况下存在工作电压不一致的情况，而在一个完整的充电过程中，因为单体间存在电压不一致，这样电压高的单体会先被充满电，从而触发电池管理系统的充电截止动作，这时电压低的单体因为充电截止而没有充满电，见说明书附图1，可以看到低电压单体和高电压单体的充电曲线，该低电压单体1的充电曲线不完整，没有最后一段电压显著升高而充电电量小幅增加的这一段。

本申请人在于2019年4月26号申请的中国专利一种磷酸铁锂电池系统容量不均衡程度的估算方法（申请号为：201910345220.0）该方案中公开了因充电曲线的电压平台较平，很难直接提取充电压差特征，但是如果对上述曲线进行滤波光滑处理后的曲线求导数，得出的特征波峰可以较为准确的表征单体的充电压差。如说明书附图2，该磷酸铁锂电池在充电过程中，对电压-电量曲线求导会出现两个明显的特征波峰，经过大量实验证明：后一个波峰的峰值点，可以作为表征单体充电电压的特征点。这样，通过容量微分曲线变化，可以实现电池特性信息的提取，再通过一系列数据处理，可以实现不同电芯之间soc差值的估算。

在计算出每个单体后一个电压-电量求导曲线波峰的电压后，将完成100%充电的标准单体的波峰电压和没有完成充电的欠压单体的波峰电压进行相减，可以得出需要参照回调的电压∆v，即将∆v映射到标准单体的电压-电量曲线中，可以预测出欠压单体实际少充了多少电量。如说明书附图3所示，∆v通过电压-电量曲线被映射为∆q，从而计算出低压单体没有被充满的电量占100%电量的比例。

但是，上述公开的技术方案在投入使用中发现，仍然存在不足和缺点，即，上述方案在使用过程中，其对得到的电压-电量曲线是直接进行滤波光滑拟合线性处理得到求导曲线，而在光滑拟合处理中不仅因为该曲线在求导过程中要进一步地消除干扰信号，需要使用多次地迭代的卷积计算，对于计算量巨大的大数据运算十分地不经济，而且因为没办法人为地干预批处理运算，容易造成最后的求导计算失败，使该求导曲线无法呈现出提取磷酸铁锂电池的m形特征的电压-∆电量/∆电压曲线。另一方面，在滤波光滑拟合处理过程中，因为得到的原始曲线是充满信息毛刺的，在进行线性处理过程中会出现没有过滤掉的信息毛刺部分，而该信息毛刺部分在曲线平滑连接时会出现不可预测的乱线，影响磷酸铁锂电池的m形特征的识别。

技术实现要素：

本发明公开的是一种磷酸铁锂电池系统容量不均衡度的大数据提取计算方法，其主要目的在于克服现有技术存在的上述不足和缺点。

本发明专利主要需要解决的问题就是如何通过对系统采集的电池数据，用大数据筛选和针对磷酸铁锂电池的参数特征更加准确、稳定地提取的算法策略，识别、计算出高低电池单体的电量差异，进而能够对所有能够回传电池参数的磷酸铁锂电池系统进行售后电量均衡保养规划；另一方面通过使用大数据分析所有可联网回传单体电量、电压参数的磷酸铁锂电池系统，进行电池单体真实剩余电量的计算，甄别出仍然可以使用的电池单体，进行合理的再利用，提高其经济价值和社会价值。

本发明采用的技术方案如下：

磷酸铁锂电池系统容量不均衡度的大数据提取计算方法，所述计算方法包括以下具体步骤：

步骤一：设置从采集数据库中筛选出用于计算分析的电池数据的筛选条件；

步骤二：采集筛选出的电池数据中电池系统的最高单体电压vmax和最低单体电压vmin在充电过程中各个时刻的电压和电量值；

步骤三：将步骤二采集到的各个电压和电量值数据进行重新规整排列处理，得到电压-电量曲线；

步骤四：对重新规整排序处理得到的电压-电量曲线按折线拟合方式进行处理，得到电压-电量采集数据的折线拟合曲线；

步骤五：对步骤四得到的折线拟合曲线进行求导处理，得到磷酸铁锂电池的电压-∆电量/∆电压曲线；

步骤六：根据步骤五得到的磷酸铁锂电池的电压-∆电量/∆电压曲线计算得到不同电池的δsoc值，从而完成磷酸铁锂电池系统容量不均衡度的计算处理。

更进一步，所述步骤一中从采集数据库中筛选的条件包括：筛选的车型型号、电池类型、电池组规格/型号、电池单体型号、储能装置组合方式以及电池布置形式。

更进一步，所述步骤二中采集的单体电量的方式是按照固定的时间进行间隔采集处理。

更进一步，所述步骤六中计算不同电池单体的不均衡程度δsoc值包括以下具体步骤：

（1）磷酸铁锂电池的电压-∆电量/∆电压曲线上包括三个峰值，依据电压从高到低依次命名为p1、p2和p3，并对出现的峰值进行p1～p3的归类；

（2）根据步骤（1）的峰值归类，对同类峰进行峰位差的计算，求出∆电量/∆电压max与∆电量/∆电压min的峰位差δv；

（3）利用步骤（2）得到的峰位差δv值以及利用以下公式（a）、公式（b）及公式（c）进行电池单体不均衡程度值δsoc的计算：

δsoc＝δq/q系统（a）

δq＝yc-yb（b）

xb＝xa+δv（c）

其中，yb、yc分别代表磷酸铁锂电池的电压-∆电量/∆电压曲线上b、c点的电量值，

xa、xb分别代表磷酸铁锂电池的电压-∆电量/∆电压曲线上a、b点的电压值，

q系统则代表电池系统的额定电容量，

a点为磷酸铁锂电池的电压-∆电量/∆电压曲线上最后一个点，

c点为磷酸铁锂电池的电压-∆电量/∆电压曲线上最后一个点，

b点为磷酸铁锂电池的电压-∆电量/∆电压曲线上xb=xa+δv处的点；

（4）根据步骤（3）计算得到的电池单体的不均衡程度δsoc值，完成磷酸铁锂电池系统容量不均衡度的计算处理。

更进一步，所述步骤（2）中，所计算的峰位差δv为p1类峰值的峰位差，即δv＝vmax(p1)-vmin(p1)，其中，vmax(p1)指的是：vmax对应曲线p1峰所在位置的电压值，vmin(p1)指的是：vmin对应曲线p1峰所在位置的电压值。

更进一步，所述步骤（2）中，所计算的峰位差δv为p2类峰值的峰位差，即δv＝vmax(p2)-vmin(p2)，其中，vmax(p2)指的是：vmax对应曲线p2峰所在位置的电压值，vmin(p2)指的是：vmin对应曲线p2峰所在位置的电压值。

通过上述对本发明的描述可知，和现有技术相比，本发明的优点在于：

1、本发明通过对得到的电压-电量曲线先进行重新规整排序处理，然后对重新规整排序处理得到的电压-电量曲线按折线拟合方式进行处理，得到电压-电量采集数据的折线拟合曲线，最后再对该折线拟合曲线进行求导处理，得到磷酸铁锂电池的电压-∆电量/∆电压曲线，不仅可以稳定该求导曲线呈现出的m形双峰特征，而且可以在关键特征参数精度不降低的前提下降低大数据处理的计算量；另一方面可以在有异常信息毛刺的情况下依然能够完整保留电压-∆电量/∆电压曲线的m形双峰特征，保证整个线性处理求导计算的顺利进行，使电容量不均衡度的计算可以正常顺利地进行。

2、本发明通过对系统采集的电池数据，用大数据筛选和针对磷酸铁锂电池的参数特征更加准确、稳定地提取算法策略，识别、计算出高低电池单体的电量差异，进而能够对所有能够回传电池参数的磷酸铁锂电池系统电量均衡保养规划。

3、本发明通过使用大数据分析所有可联网回传单体电量、电压参数的磷酸铁锂电池系统，进行电池单体真实剩余电量的计算，甄别出仍然可以使用的电池单体，进行合理的再利用，提高其经济价值和社会价值。

附图说明

图1是本发明磷酸铁锂电池的充电过程对比曲线示意图。

图2是本发明磷酸铁锂电池的电压-∆电量/∆电压曲线示意图。

图3是本发明利用峰位差δv进行不均衡程度（δsoc）计算处理的示意图。

图4是本发明规整处理得到的电压-电量曲线示意图。

图5是本发明对七组电压-电量曲线的折线拟合曲线示意图。

图6是对图5折线拟合曲线求导得到的电压-∆电量/∆电压曲线。

具体实施方式

下面参照附图说明来进一步地说明本发明的具体实施方式。

如图1至图6所示，磷酸铁锂电池系统容量不均衡度的大数据提取计算方法，所述计算方法包括以下具体步骤：

步骤一：设置从采集数据库中筛选出用于计算分析的电池数据的筛选条件；

步骤二：采集筛选出的电池数据中电池系统的最高单体电压vmax和最低单体电压vmin在充电过程中各个时刻的电压和电量值；

步骤三：将步骤二采集到的各个电压和电量值数据进行重新规整排序处理，得到电压-电量曲线，如图4所示；

步骤四：对重新规整排序处理得到的电压-电量曲线按折线拟合方式进行处理，得到电压-电量采集数据的折线拟合曲线，如图5所示；

步骤五：对步骤四得到的折线拟合曲线进行求导处理线性处理，得到磷酸铁锂电池的电压-∆电量/∆电压曲线，如图2所示；

步骤六：根据步骤五得到的磷酸铁锂电池的电压-∆电量/∆电压曲线计算得到不同电池的δsoc值，从而完成磷酸铁锂电池系统容量不均衡度的计算处理，如图3所示。

更进一步，所述步骤一中从采集数据库中筛选的条件包括：筛选的车型型号、电池类型、电池组规格/型号、电池单体型号、储能装置组合方式以及电池布置形式。

更进一步，所述步骤二中采集的单体电量的方式是按照固定的时间进行间隔采集处理。

如图2和图3所示，更进一步，所述步骤六中计算不同电池单体的不均衡程度δsoc值包括以下具体步骤：

（1）磷酸铁锂电池的电压-∆电量/∆电压曲线上包括三个峰值，依据电压从高到低依次命名为p1、p2和p3，并对出现的峰值进行p1～p3的归类；

（2）根据步骤（1）的峰值归类，对同类峰进行峰位差的计算，求出∆电量/∆电压max与∆电量/∆电压min的峰位差δv；

（3）利用步骤（2）得到的峰位差δv值以及利用以下公式（a）、公式（b）及公式（c）进行电池单体不均衡程度值δsoc的计算：

δsoc＝δq/q系统（a）

δq＝yc-yb（b）

xb＝xa+δv（c）

其中，yb、yc分别代表磷酸铁锂电池的电压-∆电量/∆电压曲线上b、c点的电量值，

xa、xb分别代表磷酸铁锂电池的电压-∆电量/∆电压曲线上a、b点的电压值，

q系统则代表电池系统的额定电容量，

a点为磷酸铁锂电池的电压-∆电量/∆电压曲线上最后一个点，

c点为磷酸铁锂电池的电压-∆电量/∆电压曲线上最后一个点，

b点为磷酸铁锂电池的电压-∆电量/∆电压曲线上xb=xa+δv处的点；

（4）根据步骤（3）计算得到的电池单体的不均衡程度δsoc值，完成磷酸铁锂电池系统容量不均衡度的计算处理。

更进一步，所述步骤（2）中，所计算的峰位差δv为p1类峰值的峰位差，即δv＝vmax(p1)-vmin(p1)，其中，vmax(p1)指的是：vmax对应曲线p1峰所在位置的电压值，vmin(p1)指的是：vmin对应曲线p1峰所在位置的电压值。

更进一步，所述步骤（2）中，所计算的峰位差δv为p2类峰值的峰位差，即δv＝vmax(p2)-vmin(p2)，其中，vmax(p2)指的是：vmax对应曲线p2峰所在位置的电压值，vmin(p2)指的是：vmin对应曲线p2峰所在位置的电压值。

如图5和图6所示，列出7组不同的电池单体，分别采集其电压-电量数据，然后进行折线拟合，图6中圈出部分为算法没有过滤掉的信息毛刺，如果用曲线平滑连接该毛刺部分，则会出现不可预测的乱线，导致求导曲线无法呈现，且没无完整地保留电压-∆电量/∆电压曲线的m形双峰特征。从图6可中被圈出的地方可以发现，第3和第4组的异常在m形方波中仅是打个结，不会影响算法对后一个波峰节点的识别。

通过上述对本发明的描述可知，和现有技术相比，本发明的优点在于：

1、本发明通过对得到的电压-电量曲线先进行重新规整排序处理，然后对重新规整排序处理得到的电压-电量曲线按折线拟合方式进行处理，得到电压-电量采集数据的折线拟合曲线，最后再对该折线拟合曲线进行求导处理线性处理，得到磷酸铁锂电池的电压-∆电量/∆电压曲线，不仅可以稳定该求导曲线呈现出的m形双峰特征，而且可以在关键特征参数精度不降低的前提下降低大数据处理的计算量；另一方面可以在有异常信息毛刺的情况下依然能够完整保留电压-∆电量/∆电压曲线的m形双峰特征，保证整个求导计算的顺利进行，使电容量不均衡度的计算可以正常顺利地进行。

2、本发明通过对系统采集的电池数据，用大数据筛选和针对磷酸铁锂电池的参数特征更加准确、稳定地提取算法策略，识别、计算出高低电池单体的电量差异，进而能够对所有能够回传电池参数的磷酸铁锂电池系统电量均衡保养规划。

3、本发明通过使用大数据分析所有可联网回传单体电量、电压参数的磷酸铁锂电池系统，进行电池单体真实剩余电量的计算，甄别出仍然可以使用的电池单体，进行合理的再利用，提高其经济价值和社会价值。

上述仅为本发明的具体实施方式，但本发明的设计构思并不仅局限于此，凡是利用此构思对本发明进行非实质性地改进，均应该属于侵犯本发明保护范围的行为。