The invention relates to a battery health status recognition method, and invents a real-time evaluation method for battery health status. It mainly includes two parts: feature extraction and state recognition. First, according to the relationship between internal resistance of battery and battery life, classify the health status of battery. Secondly, the terminal voltage, current and SOC raw data of different states of the battery are obtained. After that, the wavelet packet energy method is used to extract the energy values of the original data, and the feature vectors used for the hidden semi Markov model are established. Thirdly, the hidden half Markoff model of the state is trained by using the eigenvectors of each state. Finally, the test data are brought into the training completed hidden half Markoff model to calculate the forward probability values and compare the current health status of the battery. This method does not require complex parameter configuration, and can identify the health status of the battery in real time and accurately.
【技术实现步骤摘要】
一种电池健康状态识别方法
本专利属于动力电池领域,特别涉及一种电池健康状态识别方法。
技术介绍
随着化石能源的逐渐枯竭,新能源的发展至关重要。交通运输作为能源消耗的主要方面,汽车从传统的燃油汽车转化为电动汽车已经是大势所趋。动力电池作为电动汽车的主要动力来源,它的安全性、经济性和动力性是决定电动汽车未来发展的关键性因素。提高电池的安全性、延长电池的使用寿命也是制约电动汽车发展普及的瓶颈所在。电池健康状态作为评估电池安全性能的重要指标越来越受到广泛的重视。根据电池健康情况及时对健康状况较差的电池进行更换,可以使电池的使用情况达到最佳状态,延长电池的续航能力和使用寿命,并降低使用成本。这对于推动电动汽车行业的发展来说有着重要的意义。从某种程度上来说,电池健康状态评估也是对电池组剩余使用寿命的预测,判断电池组性能将在多长时间内衰减到无法安全工作的级别。因此,电池健康状态与电池剩余使用寿命在本质上来说有着相同的意义。目前来说,对于电池健康状态的研究主要集中于物理模型法和数据驱动法。物理模型法虽然有着较高的精确度,但对于各参数的设置有着很高的要求,而且参数配置较为复杂。数据驱动法不需要复杂的参数配置,只需提取能够与电池健康状态相关的外部参数便可以实时有效的对电池健康状态进行评估,因此受到了越来越广泛的应用。近些年来有部分学者将隐马尔科夫模型引入到电池健康状态的识别中来,取得了不错的效果,结合隐半马尔科夫模型在语音识别、故障诊断等领域的成熟应用,本文在隐马尔科夫模型的基础之上,提出一种基于隐半马尔科夫模型的电池健康状态识别方法。
技术实现思路
针对以上技术背景中的问题,本 ...
【技术保护点】
1.一种电池健康状态识别方法,其作用在于实时识别动力电池当前所处的健康状态等级,其步骤如下:A.利用动力电池系统模型提取动力电池各状态下的端电压、电流、温度和SOC原始数据,并对原始数据进行预处理;B.对预处理后的电池数据进行特征提取,并进行归一化处理;C.建立混合高斯分布模型和单高斯分布模型,利用特征序列对隐半马尔科夫模型参数进行初始化以及重估计算,确定符合电池各状态的隐半马尔科夫模型;D.在各状态下采集测试数据,通过特征提取后,输入到各状态隐半马尔科夫模型中,计算前向概率;E.对每一个特征序列进行前向概率计算,比较在各状态下的概率值,确定当前序列所属状态;F.跳转至D步骤,继续下一组特征序列的识别。
【技术特征摘要】
1.一种电池健康状态识别方法,其作用在于实时识别动力电池当前所处的健康状态等级,其步骤如下:A.利用动力电池系统模型提取动力电池各状态下的端电压、电流、温度和SOC原始数据,并对原始数据进行预处理;B.对预处理后的电池数据进行特征提取,并进行归一化处理;C.建立混合高斯分布模型和单高斯分布模型,利用特征序列对隐半马尔科夫模型参数进行初始化以及重估计算,确定符合电池各状态的隐半马尔科夫模型;D.在各状态下采集测试数据,通过特征提取后,输入到各状态隐半马尔科夫模型中,计算前向概率;E.对每一个特征序列进行前向概率计算,比较在各状态下的概率值,确定当前序列所属状态;F.跳转至D步骤,继续下一组特征序列的识别。2.根据权利要求1所述的电池健康状态识别方法,其特征在于:步骤A中的电池状态是根据电池直流内阻将电池状态划分为四个宏观状态,分别为健康状态、退化状态一、退化状态二和老化状态,每个宏观状态下又划分为多个微观状态,其中健康状态下起始微观状态内阻为初始内阻,老化状态表明电池即将失效。3.根据权利要求1所述的电池健康状态识别方法,其特征在于:步骤A中的电池数据采集是在每个微观状态下采集...
【专利技术属性】
技术研发人员:禄盛,金泽魁,马艺玮,谢颖,朴昌浩,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。