本技术涉及电池管理,特别是涉及一种电池阻抗估计方法、装置及计算机设备。
背景技术:
1、随着化石能源对环境的逐渐污染及能源转型的需要,锂离子电池等新型环保的能源系统被广泛应用。然而,锂离子电池在使用过程中可能会由于不合理放电而导致电池老化加速等现象,从而导致电池过快报废。因此,电池管理系统对电池可用功率的估计对电池的安全运行来说具有十分重要的意义。其中,电池内阻是电池可用功率估计的一个重要参数。
2、目前,有关电池内阻估计的研究仍然较少。对于可用功率估计而言,普遍采用算力要求较低的线性等效电路模型,而基于算力要求较低的线性等效电路模型所模拟得出的电池特性,在高倍率电流的情况下不能很好地符合电池的非线性特征,进而进行阻抗估计时,存在估计结果与实际结果误差较大的问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够准确进行电池阻抗估计的电池阻抗估计方法、装置及计算机设备。
2、第一方面,本技术提供了一种电池阻抗估计方法。所述方法包括:
3、获取目标电池的实际放电信息;所述实际放电信息包括实时电池电流和放电时间;
4、检测所述实际放电信息是否满足高倍率放电条件;
5、在所述实际放电信息不满足所述高倍率放电条件时,根据第一阻抗预估模型和所述实际放电信息,确定所述目标电池的实际阻抗信息;在所述实际放电信息满足所述高倍率放电条件时,根据第二阻抗预估模型和所述实际放电信息,确定所述目标电池的所述实际阻抗信息;所述第二阻抗预估模型是根据所述目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。
6、在其中一个实施例中,所述方法还包括:
7、在所述实时放电电流大于临界电流,且所述放电时间大于临界时间时,确定所述实际放电信息满足所述高倍率放电条件;
8、在所述实时放电电流小于等于所述临界电流,或所述放电时间小于等于所述临界时间时,确定所述实际放电信息不满足所述高倍率放电条件。
9、在其中一个实施例中,所述方法还包括:
10、利用所述样本电池进行预设放电,获得电池阻抗测试信息;所述电池阻抗测试信息包括测试放电时间和测试电流;所述样本电池和所述目标电池为同类型电池;
11、根据预设筛选条件,在所述电池阻抗测试信息中,确定目标测试信息;所述目标测试信息包括临界电流和临界时间;
12、将所述测试电流大于所述临界电流且所述测试放电时间大于所述临界时间对应的电池阻抗测试信息,作为所述训练数据信息;
13、根据所述训练数据信息对初始阻抗预估模型进行训练,得到所述第二阻抗预估模型。
14、在其中一个实施例中,所述根据所述训练数据信息对初始阻抗预估模型进行训练,得到所述第二阻抗预估模型,包括:
15、根据所述训练数据信息通过遗传算法对所述初始阻抗预估模型进行训练,得到训练后的模型参数;
16、基于训练后的模型参数,得到所述第二阻抗预估模型。
17、在其中一个实施例中,所述第二阻抗预估模型为:
18、z=z(t)+c(1-e(ai+b)(t-t))
19、其中,z(t)为所述第一阻抗预估模型,a、b、c训练后的所述模型参数。
20、在其中一个实施例中,所述利用样本电池进行预设放电,获得电池阻抗测试信息,包括:
21、将所述样本电池在不同电流倍率下进行持续恒流放电,获得所述样本电池在所述不同电流倍率下阻抗随时间变化的所述电池阻抗测试信息。
22、第二方面,本技术还提供了一种电池阻抗估计装置。所述装置包括:
23、获取模块,用于获取目标电池的实际放电信息;所述实际放电信息包括实时电池电流和放电时间;
24、检测模块,用于检测所述实际放电信息是否满足高倍率放电条件;
25、估计模块,用于在所述实际放电信息不满足所述高倍率放电条件时,根据第一阻抗预估模型和所述实际放电信息,确定所述目标电池的实际阻抗信息;在所述实际放电信息满足所述高倍率放电条件时,根据第二阻抗预估模型和所述实际放电信息,确定所述目标电池的所述实际阻抗信息;所述第二阻抗预估模型是根据所述目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。
26、在其中一个实施例中,所述电池阻抗估计装置还包括:
27、第一确定模块,用于在所述实时放电电流大于临界电流,且所述放电时间大于临界时间时,确定所述实际放电信息满足所述高倍率放电条件;
28、第二确定模块,用于在所述实时放电电流小于等于所述临界电流,或所述放电时间小于等于所述临界时间时,确定所述实际放电信息不满足所述高倍率放电条件。
29、在其中一个实施例中,所述电池阻抗估计装置还包括:
30、样本数据获取模块,用于利用所述样本电池进行预设放电,获得电池阻抗测试信息;所述电池阻抗测试信息包括测试放电时间和测试电流;所述样本电池和所述目标电池为同类型电池;
31、目标信息确定模块,用于根据预设筛选条件,在所述电池阻抗测试信息中,确定目标测试信息;所述目标测试信息包括临界电流和临界时间;
32、训练数据确定模块,用于将所述测试电流大于所述临界电流且所述测试放电时间大于所述临界时间对应的电池阻抗测试信息,作为所述训练数据信息;
33、模型训练模块,用于根据所述训练数据信息对初始阻抗预估模型进行训练,得到所述第二阻抗预估模型。
34、在其中一个实施例中,所述模型训练模块具体用于:
35、根据所述训练数据信息通过遗传算法对所述初始阻抗预估模型进行训练,得到训练后的模型参数;
36、基于训练后的模型参数,得到所述第二阻抗预估模型。
37、在其中一个实施例中,所述第二阻抗预估模型为:
38、z=z(t)+c(1-e(ai+b)(t-t))
39、其中,z(t)为所述第一阻抗预估模型,a、b、c训练后的所述模型参数。
40、在其中一个实施例中,所述样本数据获取模块具体用于:
41、将所述样本电池在不同电流倍率下进行持续恒流放电,获得所述样本电池在所述不同电流倍率下阻抗随时间变化的所述电池阻抗测试信息。
42、第三方面,本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的步骤。
43、第四方面,本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的步骤。
44、第五方面,本技术还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面所述的步骤。
45、上述电池阻抗估计方法方法、装置及计算机设备,上述电池阻抗估计方法中,获取目标电池的实际放电信息;在实际放电信息不满足高倍率放电条件时,根据第一阻抗预估模型和实际放电信息,确定目标电池的实际阻抗信息;在实际放电信息满足高倍率放电条件时,根据第二阻抗预估模型和实际放电信息,确定目标电池的实际阻抗信息;其中,第二阻抗预估模型是根据目标电池对应的样本电池在高倍率放电条件下得到的训练数据信息训练得到。基于此,终端通过判断实际放电信息是否满足高倍率放电条件,选取与判断结果相匹配的阻抗预估模型对目标电池进行阻抗估计,在实际放电信息满足高倍率放电条件时,选取基于在高倍率放电条件下样本电池的训练数据信息训练得到的模型,对目标电池进行阻抗估计,有效提高对目标电池非线性特征估计的准确性。