一种基于恒流充电过程的车用动力电池容量在线估计方法技术

本发明专利技术涉及一种基于恒流充电过程的车用动力电池容量在线估计方法，包括以下步骤：1)建立电池恒流充电训练数据集：2)电池充电特征与容量离线数据训练：21)选取与电池容量相关的恒流充电曲线特征作为电池的老化特征，并进行归一化处理，形成训练数据集；22)对训练数据集进行离线训练，建立电池容量离线估计模型；3)在线电池容量估计：31)在电池实际充电过程中在线获取恒流充电曲线特征；32)根据电池容量离线估计模型，结合当前电池的恒流充电曲线特征，进行动力电池容量的在线估计，最终获得动力电池容量。与现有技术相比，本发明专利技术考虑了电池的多个老化相关特征，并结合数据驱动模型，使得容量估计精度高，算法适应性强。

An On-line Capacity Estimation Method for Vehicle Power Batteries Based on Constant Current Charging Process

【技术实现步骤摘要】
一种基于恒流充电过程的车用动力电池容量在线估计方法
本专利技术涉及电动汽车储能电池领域，尤其是涉及一种基于恒流充电过程的车用动力电池容量在线估计方法。
技术介绍
目前，为了推进国内汽车制造业的发展，实现整车电动化与清洁化，国内整车厂商、研究机构以及高校都在大力发展电动汽车以及进行相关技术的研究。无论是纯电动汽车还是混合动力汽车，动力电池都是其主要动力源。常见的动力电池有锂离子电池，镍氢电池等。电池容量是表征电池性能的一个重要参量，一般定义为电池在“满充”状态转移到“放空”状态的过程中所转移的电荷量。从整车级别考虑，电池容量的大小对电动汽车的续驶里程起决定性因素；从动力电池系统角度考虑，系统中很多算法的实现都需要以准确的电池容量作为输入。无论是哪种电池在使用过程中，其总容量会随着时间、使用工况以及使用环境等因素呈非线性衰减。不准确的电池容量将会给电池管理系统算法的建立与实现造成困难，进而对驾乘人员造成困扰。常规的离线容量标定方法在实际应用中存在较大的误差，难以适应复杂的电动汽车行驶工况以及环境温度。目前常见的电池容量估计方法有基于荷电状态(StateofCharge,SOC)的电池容量估计方法，基于容量增量法的容量估计方法以及基于数据驱动的容量估计方法等。基于SOC的电池容量估计方法主要是根据SOC与电池容量的关系，通过构造相应的滤波器来估计电池容量，其估计精度一般取决于SOC的估计精度以及电流的测量精度。基于容量增量法的估计方法则是将平缓的电池充电曲线转换为更为直观的容量增量曲线上的峰或谷，通过对峰或谷进行分析可以估计电池容量，并且可以借助其变化从机理上分析电池的老化。但是该种方法对充电过程的电流较为苛刻，且数据处理过程中容量增量曲线抖动较大，进而影响估计的精度。近年来，随着电动汽车大数据的发展以及一些智能算法的兴起，基于数据驱动的电池容量算法正逐渐成为容量估计研究的热点。通过获取电池充放电过程的一些特征，如电池工作电流，电池温度等，并结合一些学习算法进行离线数据训练，进而能够获得用于在线容量估计数据驱动模型。目前该方法的问题主要在于，选取的特征较为单一，且在选择没有考虑与电池老化的相关性，从而会导致算法训练难度加大且估计精度下降。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于恒流充电过程的车用动力电池容量在线估计方法。本专利技术的目的可以通过以下技术方案来实现：一种基于恒流充电过程的车用动力电池容量在线估计方法，包括以下步骤：1)建立电池恒流充电训练数据集：11)根据电池推荐工作环境温度以及充放电电流确定电池的测试矩阵，以测试矩阵进行循环充放电测试，并在测试过程中记录电池的充放电电流、电池端电压以及电池温度；12)间隔设定的充放电循环次数后进行电池容量标定测试，并将标定的电池容量作为离线训练的输出；2)电池充电特征与容量离线数据训练：21)选取与电池容量相关的恒流充电曲线特征作为电池的老化特征，并进行归一化处理，形成训练数据集；22)对训练数据集进行离线训练，建立电池容量离线估计模型；3)在线电池容量估计：31)在电池实际充电过程中在线获取恒流充电曲线特征；32)根据电池容量离线估计模型，结合当前电池的恒流充电曲线特征，进行动力电池容量的在线估计，最终获得动力电池容量。所述的步骤21)中，恒流充电曲线特征包括电池温度T1、电池电流T2、设定电压之间的充电时长T3和充入容量T4以及静置阶段的最小曲率半径T5。所述的步骤12)中，通过非线性关系式拟合得到每个充放电循环过程的电池容量。采用双指数模型进行拟合，则有：C＝a·eb·k+c·ed·k其中，C为电池容量，a、b、c和d分别为拟合参数，k为电池的循环次数。所述的步骤21)中，根据充电时长和充入容量与电池容量的相关系数选取设定电压，相关系数越大则相关性越强。所述的步骤22)中，通过k近邻算法、支持向量机算法、相关向量机算法、神经网络模型方法进行数据训练与学习。所述的步骤22)中，电池容量离线估计模型为：y*＝μTφ(x*)(σ2)*＝(σ2)mp+φ(x*)TΣφ(x*)其中，y*为估计电池容量，μT为后验概率的均值，该参数中有很多项为0，体现了本方法的稀疏性，φ(x*)为由核函数构成的相关向量，Σ为后验概率的协方差，(σ2)*为噪声方差，(σ2)mp为停止迭代时对应的噪声方差，为恒流充电曲线特征集合，上标*表示实际充电过程。与现有技术相比，本专利技术具有以下优点：本专利技术的电池容量在线估计方法，以标准化的电池恒流充电过程中的充电曲线为基础并选取电池温度、电池电流、设定电压之间的充电时长和充入容量以及静置阶段的最小曲率半径作为表征电池容量衰减的特征，结合数据驱动算法，实现电池容量估计，与以往单一因素的估计方法相比，全面地考虑了电池的多个老化相关特征，使得容量估计精度高，算法适应性强。附图说明图1为本专利技术的方法流程图。图2为电池在循环充电过程的容量衰减示意。图3为电池充电过程中特征示意图。图4为基于恒流充电过程的电池容量估计方法的估计结果，其中，图(4a)为电池容量与循环次数的估计结果，图(4b)为容量估计误差与循环次数的估计结果。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。实施例本专利技术提供一种基于恒流充电过程的车用动力电池容量在线估计方法，该方法基于离线测得的数据集进行学习训练，然后用于电池的在线容量估计，本例中给出用于对锂离子动力电池进行在线容量估计。以下，将参考附图1详细地解释本专利技术的优选实施例。S1，根据电池推荐工作环境温度以及充放电电流确定电池测试矩阵，以规定好的测试矩阵进行循环充放电测试，测试过程中需要记录电池的充放电电流、电池端电压以及电池温度。步骤S1中，本实施案例中所使用的电池为三元锂离子电池，实际应用中并不限于此。该款电池的推荐充电温度为0～45℃，最大充电电流为1C(C为电流倍率)，充电截止电压为4.2V。为了提高估计精度，需要进行尽可能多的循环充放电测试。本实例中电池测试矩阵如表1所示。为了加快测试进程，放电过程中均为1C电流。表1电池测试矩阵在充放电测试中需要采集电池的充放电电流、电池端电压以及电池温度，采集频率至少在1Hz以上。电池的充电过程一般是标准的，目前常规的电池充电方式为恒流-恒压(ConstantCurrent-ConstantVoltage，CC-CV)充电方式，即以恒定的电流充电至截止电压，然后保持电池电压不变减小电流继续充电。由于CV过程耗时较长且充入容量较短，故在加速电池老化的充放电循环中，充电过程只采用CC充电。S2，间隔一定充放电循环进行电池容量标定测试，标定的电池容量作为离线训练的输出。步骤S2中，间隔次数可以取电池生命周期的20％或以下。例如某款电池在循环400次之后电池容量衰减到初始容量的80％以下，那么我们认为该电池目前的状态不再适合于作为动力电池，故除了第一次对电池进行标定之外，需至少每隔80次再次对电池进行容量标定。本实例中选取每隔50次进行电池容量标定。步骤S2中，为了获得对电池容量的一个统一的评价，电池的容量标定试验均在25摄氏度下以0.5C的电流进行充放电测试得到，充电过程选用标准的CCCV充电模式，放电选用恒流放电。步骤S2中所进行电池容量标定本文档来自技高网...

【技术保护点】
1.一种基于恒流充电过程的车用动力电池容量在线估计方法，其特征在于，包括以下步骤：1)建立电池恒流充电训练数据集：11)根据电池推荐工作环境温度以及充放电电流确定电池的测试矩阵，以测试矩阵进行循环充放电测试，并在测试过程中记录电池的充放电电流、电池端电压以及电池温度；12)间隔设定的充放电循环次数后进行电池容量标定测试，并将标定的电池容量作为离线训练的输出；2)电池充电特征与容量离线数据训练：21)选取与电池容量相关的恒流充电曲线特征作为电池的老化特征，并进行归一化处理，形成训练数据集；22)对训练数据集进行离线训练，建立电池容量离线估计模型；3)在线电池容量估计：31)在电池实际充电过程中在线获取恒流充电曲线特征；32)根据电池容量离线估计模型，结合当前电池的恒流充电曲线特征，进行动力电池容量的在线估计，最终获得动力电池容量。

【技术特征摘要】
1.一种基于恒流充电过程的车用动力电池容量在线估计方法，其特征在于，包括以下步骤：1)建立电池恒流充电训练数据集：11)根据电池推荐工作环境温度以及充放电电流确定电池的测试矩阵，以测试矩阵进行循环充放电测试，并在测试过程中记录电池的充放电电流、电池端电压以及电池温度；12)间隔设定的充放电循环次数后进行电池容量标定测试，并将标定的电池容量作为离线训练的输出；2)电池充电特征与容量离线数据训练：21)选取与电池容量相关的恒流充电曲线特征作为电池的老化特征，并进行归一化处理，形成训练数据集；22)对训练数据集进行离线训练，建立电池容量离线估计模型；3)在线电池容量估计：31)在电池实际充电过程中在线获取恒流充电曲线特征；32)根据电池容量离线估计模型，结合当前电池的恒流充电曲线特征，进行动力电池容量的在线估计，最终获得动力电池容量。2.根据权利要求1所述的一种基于恒流充电过程的车用动力电池容量在线估计方法，其特征在于，所述的步骤21)中，恒流充电曲线特征包括电池温度T1、电池电流T2、设定电压之间的充电时长T3和充入容量T4以及静置阶段的最小曲率半径T5。3.根据权利要求1所述的一种基于恒流充电过程的车用动力电池容量在线估计方法，其特征在于，所述的步骤12)中...

【专利技术属性】
技术研发人员：戴海峰，魏学哲，姜波，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31