In order to design an on-line health state prediction model for lithium batteries, a fast on-line health state prediction method for lithium batteries based on voltage-critical characteristics is proposed, which is based on partial battery charging data and can quickly calculate the health state of the batteries at any life stage and accurately judge the functions of the batteries. The method comprises the following steps: (1) (2) Acquiring the battery capacity and calculating the differential voltage, and further selecting the key eigenvalues; Step (3), training and testing the prediction model based on the pre-selected eigenvalues, and finally selecting the best one. The model is used to predict lithium battery on-line health status. The invention realizes on-line calculation of battery health state based on less data, accurately estimates battery performance, and improves work efficiency.
【技术实现步骤摘要】
基于电压关键特性的锂电池在线健康状态快速预测方法
本专利属于新能源汽车领域,具体提出基于电压关键特性的锂电池在线健康状态快速预测方法。
技术介绍
环境问题的日益严重,促使各国探求解决能源与环境问题的有效途径。随着汽车工业的不断发展,新能源汽车成为解决这一问题的有效途径。新能源汽车的发展在世界范围内形成了共识,迫切需要推动传统汽车产业的战略转型。作为电动汽车的重要组成部分,电池工业发展迅速。然而,动力电池仍存在一些亟待解决的问题。其中一个问题就是设计一种高精度估计电池状态的方法。在实际应用中,动力电池的寿命在下降。在实际的复杂工况下,动力电池往往不能达到预期的寿命值。如果能准确估计电池的健康状况,电池就会更健康、更安全。同时,这将促进新能源汽车的发展。目前针对电池健康状态预测方面的专利较多,大多都是基于物理等效模型进行预测,此外,随着机器学习的进一步发展,基于机器学习的纯数据驱动算法也越来越多地出现在电池健康状态预测中。相比以往专利提出的预测方法,本专利能够基于较少充电数据,实现电池在线健康状态的快速预测。为设计电池在线健康状态预测模型,基于部分电池充电数据,快速计算电池任何寿命阶段的健康状态,对电池实现准确的功能判断,本专利技术提出了《基于电压关键特性的锂电池在线健康状态快速预测方法》,本专利技术实现了基于较少数据在线计算电池健康状态,较为准确地判断电池性能,并提高了工作效率。
技术实现思路
鉴于此,为在线准确预测电池健康状态,本专利技术提出基于电压关键特性的锂电池在线健康状态快速预测方法,本专利技术专利包含以下步骤:步骤(1)、对不同寿命状态锂电 ...
【技术保护点】
1.基于电压关键特性的锂电池在线健康状态快速预测方法,其特征在于,包括以下步骤:步骤(1)、对处于不同寿命状态的锂电池进行基于循环测试工况做循环测试,获取锂电池的全寿命数据,然后在全寿命数据中等间隔选取r个循环数据作为训练样本,以及p个循环数据作为测试样本;步骤(2)、提取放电容量qi表征锂电池当前容量,并通过差分电压计算公式,选取恒流充电数据di(t)计算差分电压z(v),然后基于特征值选取公式选取a个特征值预选位置,并通过特征值计算公式计算出a个预选特征值,同时对得到的预选特征值作归一化处理;步骤(3)、基于预选特征值和训练样本,训练锂电池容量预测模型,然后基于得到的预测模型和测试样本,测试预测模型,最终综合考虑误差,建立最优锂电池容量预测模型,然后通过公式
【技术特征摘要】
1.基于电压关键特性的锂电池在线健康状态快速预测方法,其特征在于,包括以下步骤:步骤(1)、对处于不同寿命状态的锂电池进行基于循环测试工况做循环测试,获取锂电池的全寿命数据,然后在全寿命数据中等间隔选取r个循环数据作为训练样本,以及p个循环数据作为测试样本;步骤(2)、提取放电容量qi表征锂电池当前容量,并通过差分电压计算公式,选取恒流充电数据di(t)计算差分电压z(v),然后基于特征值选取公式选取a个特征值预选位置,并通过特征值计算公式计算出a个预选特征值,同时对得到的预选特征值作归一化处理;步骤(3)、基于预选特征值和训练样本,训练锂电池容量预测模型,然后基于得到的预测模型和测试样本,测试预测模型,最终综合考虑误差,建立最优锂电池容量预测模型,然后通过公式计算得到锂电池在线健康状态。2.根据权利要求1中所述基于电压关键特性的锂电池在线健康状态快速预测方法,其特征在于,所述步骤(1)中循环测试工况,充电循环为恒流-恒压充电,以单位电流I充电至充电截止电压V1,之后以恒压V1对锂电池进行恒压充电,直至电流降为0.05I;充电结束后静置1h,然后进行放电循环;放电循环以单位电流I进行放电至放电截止电压V2;放电结束后静置1h,然后进行充电循环。3.根据权利要求1中所述基于电压关键特性的锂电池在线健康状态快速预测方法,其特征在于,所述步骤(2)进一步包含以下步骤:步骤(21)、基于训练样本和测试样本,选取放电容量作为电池当前容量,并选取恒流充电数据作为下一步计算基础;步骤(22)、基于恒流充电数据,通过差分电压公式计算差分电压z(v),从而得到差分电压曲线;步骤(23)、基于特征值选取公式选取a个特征值预选位置,区域中心对应的电压值为va,区域宽度为λ,利用绝对值平均公式计算出a个预选特征值;步骤(24)、基于训练样本,得到a组预选特征值,每组为r个数据,通过归一化公式...
【专利技术属性】
技术研发人员:朴昌浩,王真,林松,马艺玮,
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。