一种锂离子电池健康状态估计方法和装置与流程

本发明属于锂离子电池，具体涉及一种锂离子电池健康状态估计方法和装置。

背景技术：

1、锂离子电池容量衰退是锂离子电池在工作过程中由电化学反应中的不可逆副反应造成的。随着社会的发展和科技的进步，越来越多先进活性电极材料的出现虽然可以延长电池寿命，但目前为止，锂离子电池的寿命仍小于车辆上的其它部件。因此，在车辆应用过程中追踪电池寿命的退化过程很有必要。电池的老化一般体现在容量衰退、内部阻抗增加等，准确有效地进行健康状态soh(state of health)估计和寿命预测可以提高锂离子电池的可靠性和安全性。目前，等效电路模型由于模型简单和计算量少而被广泛应用于soh在线估计。但随着锂离子电池的老化，模型估计误差逐渐增大。

2、有鉴于此，本发明提出一种基于基于电化学机理的锂离子电池全寿命周期健康状态估计方法，采用电化学模型辨识不同健康状态下锂离子电池内部可循环锂与内阻参数，进而利用数学方法分析电池可循环锂、内阻参数与电池健康状态之间的关系并构建电池健康状态与可用循环锂和内阻的三维map图；利用map图，基于辅助粒子滤波算法对锂离子电池健康状态进行估计。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供一种锂离子电池健康状态估计方法及装置。

2、为了实现上述目的，本发明采用以下技术方案。

3、第一方面，本发明提供一种锂离子电池健康状态估计方法，包括以下步骤：

4、获取锂离子电池循环老化实验的实验数据，包括电池恒流充电时的电压v、电流i、安时吞吐量cah和电池容量q；

5、基于所述电池电压v、电流i，根据电化学模型计算电池的可用循环锂nli和电池内阻r；

6、基于实验数据分别拟合q、nli、r与cah的关系，并根据电池健康状态soh与q的关系，构建soh与nli、r的函数关系，得到soh与nli、r的三维map图；

7、基于soh与nli、r的三维map图，利用辅助粒子滤波算法对soh进行估计。

8、进一步地，恒流充电截止点根据电池的充电截止电压确定；恒流充电起始点的确定方法包括：对一个完整工况的电压-时间曲线计算电压对时间的导数，得到电压微分-时间曲线，电压微分值小于设定阈值的起始时刻为充电起始点。

9、进一步地，所述基于所述电池电压v、电流i，根据电化学模型计算电池的可用循环锂nli和电池内阻r，包括：

10、s1、初始化可用循环锂nli和电池内阻r；

11、s2、将nli、r和实验数据中的电池电流i代入电化学模型，得到电池仿真电压vsim；

12、s3、计算vsim与实验数据中的电池电压v的均方根误差；

13、s4、若所述均方根误差小于设定阈值，则输出nli、r；否则，根据序列二次规划方法更新nli、r，转s2。

14、进一步地，soh与nli、r的三维map图的获取方法包括：

15、基于实验数据拟合q、nli、r与cah的关系曲线，表达式如下：

16、

17、

18、

19、式中，f1～f6为学习参数；

20、soh与q的关系式为：

21、

22、式中，qnew为新电池的容量，qeol为电池生命结束时的容量；

23、对(1)～(4)式进行变换得到soh与nli、r的三维map图soh＝f(r,nli)，f(r,nli)的表达式为：

24、soh-a(r-nli)+b      (5)

25、式中，a、b分别为用f1～f6和qnew、qeol表示的一次项系数和常数项。

26、进一步地，所述利用辅助粒子滤波算法对soh进行估计，包括：

27、确定状态转移函数和测量函数：

28、xk＝xk-1+ωa      (6)

29、zk＝h×xk+ωb      (7)

30、式中，k为工况循环周期序号，k＝1,2,...，xk＝[ak,bk]t，zk＝sohk，h＝[r-nli,1]，ωa、ωb为系统观测噪声；

31、采用辅助粒子滤波算法对工况循环周期k之前的soh进行跟踪，确定参数ak和bk，得到sohk的估计值，表达式如下：

32、

33、式中，j为粒子序号，ns为粒子数量，为由辅助粒子滤波算法得到的归一化权重系数。

34、第二方面，本发明提供一种锂离子电池健康状态估计装置，包括：

35、数据获取模块，用于获取锂离子电池循环老化实验的实验数据，包括电池恒流充电时的电压v、电流i、安时吞吐量cah和电池容量q；

36、仿真计算模块，用于基于所述电池电压v、电流i，根据电化学模型计算电池的可用循环锂nli和电池内阻r；

37、map求解图模块，用于基于实验数据分别拟合q、nli、r与cah的关系，并根据电池健康状态soh与q的关系，构建soh与nli、r的函数关系，得到soh与nli、r的三维map图；

38、soh估计模块，用于基于soh与nli、r的三维map图，利用辅助粒子滤波算法对soh进行估计。

39、进一步地，恒流充电截止点根据电池的充电截止电压确定；恒流充电起始点的确定方法包括：对一个完整工况的电压-时间曲线计算电压对时间的导数，得到电压微分-时间曲线，电压微分值小于设定阈值的起始时刻为充电起始点。

40、进一步地，所述基于所述电池电压v、电流i，根据电化学模型计算电池的可用循环锂nli和电池内阻r，包括：

41、s1、初始化可用循环锂nli和电池内阻r；

42、s2、将nli、r和实验数据中的电池电流i代入电化学模型，得到电池仿真电压vsim；

43、s3、计算vsim与实验数据中的电池电压v的均方根误差；

44、s4、若所述均方根误差小于设定阈值，则输出nli、r；否则，根据序列二次规划方法更新nli、r，转s2。

45、进一步地，soh与nli、r的三维map图的获取方法包括：

46、基于实验数据拟合q、nli、r与cah的关系曲线，表达式如下：

47、

48、

49、

50、式中，f1～f6为学习参数；

51、soh与q的关系式为：

52、

53、式中，qnew为新电池的容量，qeol为电池生命结束时的容量；

54、对(1)～(4)式进行变换得到soh与nli、r的三维map图soh＝f(r,nli)，f(r,nli)的表达式为：

55、soh＝a(r-nli)+b      (5)

56、式中，a、b分别为用f1～f6和qnew、qeol表示的一次项系数和常数项。

57、更进一步地，所述利用辅助粒子滤波算法对soh进行估计，包括：

58、确定状态转移函数和测量函数：

59、xk＝xk-1+ωa      (6)

60、zk＝h×xk+ωb     (7)

61、式中，k为工况循环周期序号，k＝1,2,...，xk＝[ak,bk]t，zk＝sohk，h＝[r-nli,1]，ωa、ωb为系统观测噪声；

62、采用辅助粒子滤波算法对工况循环周期k之前的soh进行跟踪，确定参数ak和bk，得到sohk的估计值，表达式如下：

63、

64、式中，j为粒子序号，ns为粒子数量，为由辅助粒子滤波算法得到的归一化权重系数。

65、与现有技术相比，本发明具有以下有益效果。

66、本发明通过获取锂离子电池循环老化实验的实验数据电池电压v、电流i、安时吞吐量cah和电池容量q，基于v、i根据电化学模型计算电池的可用循环锂nli和电池内阻r，基于实验数据分别拟合q、nli、r与cah的关系，并根据电池健康状态soh与q的关系，构建soh与nli、r的函数关系，得到soh与nli、r的三维map图，基于所述map图利用辅助粒子滤波算法对soh进行估计，实现了电池健康状态估计。本发明通过构建soh与nli、r的三维map图，并基于所述map图利用辅助粒子滤波算法对soh进行估计，提高了电池健康状态估计的精度。