一种基于固定压升区间的电池SOH在线估计方法与流程

本申请属于新能源汽车动力电池技术领域，涉及电池soh在线估计方法，尤其涉及一种基于固定压升区间的电池soh在线估计方法。

背景技术：

由于能源危机和环境污染的日益加剧，大力发展新能源汽车已成为政府和企业的必然趋势。锂离子电池因具有比能量高、比功率高、使用寿命长等优点，被普遍使用在新能源汽车上。在电池的长期使用过程中，电池会产生容量衰减、内阻增加等老化现象，其不正当的使用还会造成起火、爆炸等事故。为了保证电池高效安全的使用，电池管理系统(bms)十分关键，而电池健康状态(soh)估计是其核心功能之一。准确的进行电池soh估计，可以评测电池的老化状态，还可以为电池的荷电状态(soc)估计提供基础，提高电池的动力性和安全性。

目前，电池soh估计方法主要有：测量法、模型法和数据驱动法。测量法一般需要特殊的仪器或者特殊的测量条件，很难实现在线应用。模型法主要包括经验模型、电化学模型和等效电路模型。经验模型需要大量的实验，每一种经验模型的电池应用范围较单一；电化学模型存在电池大量内部参数，计算量较大，不易求解；等效电路模型随着电池的使用和外部环境的变化，求解精度会变低。相比于测量法、模型法，数据驱动法具有适应性强、稳定性好、估计精度高等优点。

近些年，在采用数据驱动进行电池soh估计的方法研究中，多从电池放电阶段中提取健康特征，而电池的放电工况是较为复杂且多变的，因此这些方法往往具有测量难度大、应用复杂等缺点。因此，提供一种合理可靠、简单便捷、估计准确的基于充电过程的电池soh在线估计方法，是十分必要的。

技术实现要素：

针对现有技术存在的问题，本发明提供一种全新的基于固定压升区间的电池soh在线估计方法，以实现简单便捷、准确可靠地进行电池soh估计。

为了达到上述目的，本发明采用的技术方案如下：

一种基于固定压升区间的电池soh在线估计方法，该方法中针对的训练集电池和测试集电池是相同种类、相同型号的电池，包括以下步骤：

步骤一、构建训练集电池数据。

对n个锂电池进行循环充放电实验，在恒流充电过程中选取锂电池充电的压升区间[ua,ub]；训练集电池数据包括：第i(i＝1,2,...,n)个电池在其第j(j＝1,2,...,m)个充电循环从下截止电压到上截止电压的所充电量qi,j，第i个电池在其第j(j＝1,2,...,m)个充电循环在压升区间[ua,ub]的所充电量第i个电池对作一次线性拟合得到的斜率ki和截距bi。

步骤二、选取最优固定压升区间[ua^*,ub^*]。

计算训练集中所有锂电池拟合得到的斜率的平均值为计算训练集中所有锂电池拟合得到的截距的平均值为通过公式计算训练集中第i个锂电池第j个充电循环的估算最大可用容量第i个电池的容量估算误差为ri，其中容量估算误差的计算方法可以为均方根误差、平均绝对误差、最大绝对误差等；通过公式计算训练集中所有锂电池容量估算误差的和为r(ua,ub)；

将ua,ub作为优化算法的输入变量，将r(ua,ub)作为优化算法的目标函数，根据电池的常用soc区间制定优化算法的边界条件l(ua,ub)，通过训练选取最优的固定压升区间[ua^*,ub^*]以及训练集电池在固定压升区间[ua^*,ub^*]下的斜率平均值和截距平均值所述的优化算法可以为蚁群算法、粒子群算法、遗传算法、模拟退火算法、动态规划算法等。

步骤三、利用优选的固定压升区间对测试集中的锂电池进行soh的在线估计。

对测试集中的被测电池进行充电，计算被测电池第j(j＝1,2,...,m)个充电循环在最优固定升压区间[ua^*,ub^*]的所充电量为通过公式得到被测电池在第j个使用循环的估算最大可用容量通过公式得到被测电池在第j个使用循环的估计soh值，其中，c额定为所述电池的额定容量。

与现有技术相比，本发明具有以下优点：

(1)是一种在线soh估计方法，具有计算量小、估计精度高、实时性高、可在线应用等优点。

(2)在电池充电过程中提取的健康特征，易于采集，无需额外的仪器或实验，且可适用于电池所有的充电工况。

(3)提取健康特征的soc区间是电池充电时常用的充电区间，使本发明更具有适用性。

附图说明

图1为本发明提供的基于固定压升区间的电池soh在线估计方法的原理图；

图2为本发明具体实施实例的soh估计效果图；图2(a)为电池各个循环对应的实际容量和估计容量图；图2(b)为电池各个循环对应的soh百分比估计误差图。

具体实施方式

以下结合附图与具体实施方式，对本发明进一步作详细说明。

一种基于固定压升区间的电池soh在线估计方法，其原理图如图1所示，训练集电池和测试集电池是相同种类、相同型号的电池，该类型电池的容量为1.1ah，负极材料为licoo2，上截止电压为4.2v，下截止电压为2.7v，包括以下步骤：

步骤一、构建训练集电池数据。

训练集电池包含4个锂离子单体电池#1、#2、#3、#4，对训练集电池循环老化实验，充电工况为先1/2c恒流充电，到达上截止电压后恒压充电至电流小于0.05a，#1的放电工况为1/2c恒流放电，#2、#3的放电工况为1c恒流放电，#4的放电工况为1/10c、1/5c、1/2c、1c、1.5c、2c交替恒流放电。

在恒流充电过程中选取锂电池充电的压升区间[ua,ub]，统计电池i(i＝1,2,...,4)在其第j(j＝1,2,...,m)个充电循环从下截止电压到上截止电压的所充电量qi,j，电池i在其第j(j＝1,2,...,m)个充电循环在压升区间[ua,ub]的所充电量电池i对qi,j(j＝1,2,...,m)作一次线性拟合得到的斜率ki和截距bi。

步骤二，利用遗传算法选取最优固定压升区间[ua^*,ub^*]。

通过公式计算训练集中4个锂电池拟合得到的斜率的平均值为通过公式计算训练集中所有锂电池拟合得到的截距的平均值为通过公式计算训练集中锂电池i在第j个充电循环的估算最大可用容量为通过公式计算锂电池i的容量估算误差为ri，此时ri为均方根误差；通过公式计算训练集中所有锂电池容量估算误差的和为r(ua,ub)。利用遗传算法选取最优固定压升区间[ua^*,ub^*]，把ua,ub作为遗传算法的输入变量，把r(ua,ub)作为遗传算法的目标函数，根据电池的常用soc区间制定优化算法的边界条件l(ua,ub)，则通过遗传算法的训练选取最优的固定压升区间[3.801,4.002]，计算的训练集电池在固定压升区间[3.801,4.002]下的斜率平均值截距平均值

步骤三、利用优选的固定压升区间对测试集中的锂电池进行soh的在线估计。

训练集电池包含3个锂离子单体电池#5、#6、#7，对训练集电池循环老化实验，充电工况为先1/2c恒流充电，到达上截止电压后恒压充电至电流小于0.05a，#5、#6的放电工况为1c恒流放电，#7的放电工况为1/10c、1/5c、1/2c、1c、1.5c、2c交替恒流放电。对测试集中的单体电池#5、#6、#7进行充电，计算单体电池#5、#6、#7在第j(j＝1,2,...,m)个充电循环在所述的最优固定升压区间[ua^*,ub^*]的所充电量为通过公式得到单体电池#5、#6、#7在第j个使用循环的估算最大可用容量通过公式得到单体电池#5、#6、#7在第j个使用循环的soh估计值，其中，c额定为所述电池的额定容量。

本发明中的方法对单体电池#5、#6、#7在各个电池使用循环的soh估计效果，如图2所示。单体电池#5、#6、#7在各个循环估计的soh与实际的soh值的百分比误差均在3％以内，soh估计的均方根误差的平均值为0.92，soh估计的最大绝对值误差的平均值为0.69。结果表明，本专利中所述方法可以应用于在线估计，方法简单便捷，计算量小，且估计精度很高。

以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。