一种基于微片段数据和电压滤波的SOH统计方法技术

本发明专利技术公开了一个基于微片段数据和电压滤波的SOH统计方法。该方法为：首先收集温度大于0℃的行车数据，将数据划分为30s的微数据片段，将放电电流值转换为倍率形式，计算方差，标记出方差大于设定阈值M的微数据片段，并对标记的微数据片段进行内阻辨识；然后对放电电压数据进行滤波，当滤波进行到被标记的数据段时，采用Kalman滤波算法；当滤波进行到非标记的数据段时，采用状态方程算法；最后将滤波得到的OCV片段，划分成固定的电压区间，统计每个区间的平均容量，以此得到当前电芯的容量值。本发明专利技术对SOC没有过多依赖性，原理简单，鲁棒性强，不需要大量的人工成本和计算资源，适用于车辆网中的工程应用。

SOH statistical method based on micro segment data and voltage filtering

【技术实现步骤摘要】
一种基于微片段数据和电压滤波的SOH统计方法
本专利技术涉及新能源汽车和储能的电池管理系统
，特别是一种基于微片段数据和电压滤波的SOH统计方法。
技术介绍
随着国家对新能源产业大力支持，新能源汽车和锂电池储能不断发展。电池管理系统作为电动汽车的一个重要组成部分，其核心在于SOX的估算。SOX包括SOC(剩余电量)、SOH(电池健康程度)以及SOP(电池功率状态)。相比于SOC和SOP，由于运行过充中，电池很少充满放空，因此SOH准确预估的难度比较大。在新能源汽车电池管理系统中，SOH能够体现锂电池的健康生命状态，是评价电池性能以及老化程度的重要指标。SOH定义为：在标准条件下，电池从充满状态下，放电到截止电压所放出的电量与其标称容量的百分比。标准条件一般为0.3C，25℃，标称容量是厂家标定的出厂容量，用Ca表示。新能源汽车出厂时，SOH为100％，随着电池的使用，电池逐渐老化，容量衰减，当SOH变为80％时，意味着电池寿命的终结。老化的电池，性能下降严重，容易引发各种安全问题，如果能准确估算每一节电池SOH的值，可以及时提醒人们更换新电池，同时有利于汽车电池的梯次利用。动力电池老化影响因素非常多，放电深度、温度、倍率都会对SOH产生影响。目前大多数SOH估算算法，考虑的因素单一，并没有将上述三个因素都考虑到，且只估算电池组的SOH，不能够计算每一节电池的SOH。现在SOH估算常用的方法包括直接放电法、阻抗测试法、循环次数折算法和基于数据驱动的智能算法：(1)直接放电法：在标准条件下充放电，测试电池实际容量，此时实际容量和标称容量Ca的比值为SOH。该方法计算的SOH准确度最高，但是需要对电池离线测试，对于汽车电池来说实现比较困难。(2)阻抗测试方法：研究电池固有的内阻特性，基于电阻值来估算SOH。由于电池阻抗值是毫欧姆级，比较小，因此SOH的估算准确度比较低。(3)循环次数折算法：根据电池的充放电循环次数和SOH关系来估算SOH，循环次数和SOH大致为线性关系。该方法简单、易于实现，但是该模型太过粗浅，并没有考虑到运行过程中电池温度、放电深度、放电倍率等因素对SOH的影响。(4)基于数据驱动的智能算法：基于数据驱动的智能算法主要是以使用过程中积累大量的数据出发，在对实验数据进行分析的基础上，总结出电池容量衰退的经验规律，该方法不需要对电池进行系统的老化机理分析，在业内关注度较高。数据驱动计算SOH，难点在于训练智能模型，需要大量不同环境下电芯的SOH数据，需要对数据进行人工处理，这需要大量的人工成本，且由于SOH的复杂性，处理数据的专业性要求比较高。另外，智能模型准确性的还在于特征的选择，选择的数据特征不同，得到的模型准确度也不一样。
技术实现思路
本专利技术的目的在于提供一种自动化程度高、通用性好、计算简单、准确率高、鲁棒性强的基于微片段数据和电压滤波的SOH统计方法。实现本专利技术目的的技术解决方案为：一种基于微片段数据和电压滤波的SOH统计方法，包括以下步骤：步骤1、数据筛选：收集温度大于0℃的行车数据；步骤2、数据标记：将数据划分为微数据片段，将放电电流值转换为倍率形式，计算方差，标记出方差大于设定阈值M的微数据片段；步骤3、内阻辨识：对标记的微数据片段进行内阻辨识；步骤4、OCV片段获取：对放电电压数据进行滤波，当滤波进行到被标记的数据段时，采用Kalman滤波算法；当滤波进行到非标记的数据段时，采用状态方程算法；步骤5、计算SOH：将滤波得到的OCV片段，划分成固定的电压区间，统计每个区间的平均电量，将所有电压区间电量求和，以此得到当前电芯的容量值。进一步地，步骤1所述的数据筛选：收集温度大于0℃的行车数据，具体如下：步骤1.1、车联网时，将电芯实时的电压、电流数据实时上传到云端存储；步骤1.2、选取近两个月总放电量应超过10*额定容量的数据，若两个月总放电量不足10*额定容量，则扩大选取的时间范围；步骤1.3、剔除温度小于0℃的放电数据；步骤1.4、剔除BMS上报采集异常的数据。进一步地，步骤2所述的数据标记：将数据划分为微数据片段，将放电电流值转换为倍率形式，计算方差，标记出方差大于设定阈值M的微数据片段，具体如下：步骤2.1、初始放电时间5min以内的数据不需要被标记，将放电的电流数据划分为30s的微数据片段；步骤2.2、将电流转化为倍率形式，计算公式为(1-1)，其中I是电流，Ca是电芯额定容量，IC是倍率值：步骤2.3、计算微数据片段的平均倍率，平均倍率小于0.1C和倍率大于0.7C的微数据片段不需要被标记；步骤2.4、计算剩余微数据片段的方差值，对方差大于阈值M的数据片段进行标记，阈值M的取值范围为0.1-0.5。进一步地，步骤3所述的内阻辨识：对标记的微数据片段进行内阻辨识，具体如下：步骤3.1、在标记的微数据片段中，SOC引起的OCV变化能够忽略，即微数据片段中的OCV保持不变，所以该数据片段内，电池输出电压的变化是由放电倍率变化引起的，因此得到等价电池模型为：V＝I*r+OCV式中，r为电池当前内阻值，该内阻包含极化内阻与欧姆内阻影响；I为汽车电池输出的电流值，OCV是锂电池的开路电压，V为电池输出电压；步骤3.2、基于上述公式，采用最小二乘法计算每一个被标记的微数据片段对应的内阻r。进一步地，步骤4所述的OCV片段获取：对放电电压数据进行滤波，当滤波进行到被标记的数据段时，采用Kalman滤波算法；当滤波进行到非标记的数据段时，采用状态方程算法，具体如下：步骤4.1、根据Ah积分公式，建立OCV的状态方程式中，OCVk为需要计算的OCV变量，下标k表示时刻，OCVk-1为上一时刻的OCV变量；Ik-1为上一时刻电流的输入量，Δt为计算周期，Ca为电芯额定容量，SOH0是初始预估的SOH值，OCV是SOC的函数，HSOC是OCV相对于SOC的斜率，ηT为温度影响容量的系数；步骤4.2、根据电池的等价电池模型，建立OCV计算的观测方程：Vk＝OCVk+Rk*IkVk是电池当前电压，Ik、Rk分别为当前的电流和当前的内阻；步骤4.3、在一段完整的放电数据滤波过程中，当滤波进行到非标记数据片段时，采用状态方程算法计算OCV，公式为：式中，k表示时刻；当滤波进行到标记数据片段时，采用Kalman的滤波公式计算OCV，公式为：式中，Q为预估的状态方程的误差的协方差，R为预估的测量方程的误差的协方差，P0＝0，OCV0电压刚上电时的单体电压值，Vk是当前的单体电压采集值，rk是标记数据片段辨识的内阻值，Ik是当前的采集电流值，和分别表示OCVk和Pk的过渡值；步骤4.4、重复步骤4.1～步骤4.3直到电芯放电数据被滤波完成，得到不同区间范围的OCV数据段。进一本文档来自技高网...

【技术保护点】
1.一种基于微片段数据和电压滤波的SOH统计方法，其特征在于，包括以下步骤：/n步骤1、数据筛选：收集温度大于0℃的行车数据；/n步骤2、数据标记：将数据划分为微数据片段，将放电电流值转换为倍率形式，计算方差，标记出方差大于设定阈值M的微数据片段；/n步骤3、内阻辨识：对标记的微数据片段进行内阻辨识；/n步骤4、OCV片段获取：对放电电压数据进行滤波，当滤波进行到被标记的数据段时，采用Kalman滤波算法；当滤波进行到非标记的数据段时，采用状态方程算法；/n步骤5、计算SOH：将滤波得到的OCV片段，划分成固定的电压区间，统计每个区间的平均电量，将所有电压区间电量求和，以此得到当前电芯的容量值。/n

【技术特征摘要】
1.一种基于微片段数据和电压滤波的SOH统计方法，其特征在于，包括以下步骤：
步骤1、数据筛选：收集温度大于0℃的行车数据；
步骤2、数据标记：将数据划分为微数据片段，将放电电流值转换为倍率形式，计算方差，标记出方差大于设定阈值M的微数据片段；
步骤3、内阻辨识：对标记的微数据片段进行内阻辨识；
步骤4、OCV片段获取：对放电电压数据进行滤波，当滤波进行到被标记的数据段时，采用Kalman滤波算法；当滤波进行到非标记的数据段时，采用状态方程算法；
步骤5、计算SOH：将滤波得到的OCV片段，划分成固定的电压区间，统计每个区间的平均电量，将所有电压区间电量求和，以此得到当前电芯的容量值。


2.根据权利要求1所述的基于微片段数据和电压滤波的SOH统计方法，其特征在于，步骤1所述的数据筛选：收集温度大于0℃的行车数据，具体如下：
步骤1.1、车联网时，将电芯实时的电压、电流数据实时上传到云端存储；
步骤1.2、选取近两个月总放电量应超过10*额定容量的数据，若两个月总放电量不足10*额定容量，则扩大选取的时间范围；
步骤1.3、剔除温度小于0℃的放电数据；
步骤1.4、剔除BMS上报采集异常的数据。


3.根据权利要求1所述的基于微片段数据和电压滤波的SOH统计方法，其特征在于，步骤2所述的数据标记：将数据划分为微数据片段，将放电电流值转换为倍率形式，计算方差，标记出方差大于设定阈值M的微数据片段，具体如下：
步骤2.1、初始放电时间5min以内的数据不需要被标记，将放电的电流数据划分为30s的微数据片段；
步骤2.2、将电流转化为倍率形式，计算公式为(1-1)，其中I是电流，Ca是电芯额定容量，IC是倍率值：



步骤2.3、计算微数据片段的平均倍率，平均倍率小于0.1C和倍率大于0.7C的微数据片段不需要被标记；
步骤2.4、计算剩余微数据片段的方差值，对方差大于阈值M的数据片段进行标记，阈值M的取值范围为0.1-0.5。


4.根据权利要求1所述的基于微片段数据和电压滤波的SOH统计方法，其特征在于，步骤3所述的内阻辨识：对标记的微数据片段进行内阻辨识，具体如下：
步骤3.1、在标记的微数据片段中，SOC引起的OCV变化能够忽略，即微数据片段中的OCV保持不变，所以该数据片段内，电池输出电压的变化是由放电倍率变化引起的，因此得到等价电池模型为：
V＝I*r+OCV
式中，r为电池当前内阻值，该内阻包含极化内阻与欧姆内阻影响；I为汽车电池输出的电流值，OCV是锂电池的开路电压，V为电池输出电压；
步骤3.2、基于上述公式，采用最小二乘法计算每一个被标记的微数据片段对应的内阻r。


5.根据权利要求1所述的基于微片段数据和电压滤波的SOH统计方法，其特征在于，步骤4所述的OCV片段获取：对放电电压数据进行滤波，当滤波进行到被标记的数据段时，采用Kalman滤波算法；当滤波进行到非标记的数据段时，采用状态方程算法，具体如下：
步骤4.1、根据Ah积分公式，建立OCV的状态方程



式中，OCVk为需要计算的OCV变量，下标k表示时刻，OCVk-1为上一时刻的OCV变量；Ik-...

【专利技术属性】
技术研发人员：孙景宝，李中飞，王志刚，吕丹，周星星，田扩，
申请(专利权)人：苏州正力新能源科技有限公司，
类型：发明
国别省市：江苏;32