评估动力电池的方法、装置、存储介质及处理器制造方法及图纸

本申请公开了一种评估动力电池的方法、装置、存储介质及处理器。该方法包括：获取评估模型，其中，评估模型为线性评估模型和非线性评估模型，线性评估模型包括如下至少之一：用于评估动力电池老化程度的第一评估模型，用于评估动力电池寿命的第二评估模型，非线性评估模型为用于预测动力电池的寿命的神经网络模型；通过评估模型确定动力电池的SOH估计值，来监测动力电池的工作状态。通过本申请，解决了相关技术中针对电动汽车上的动力电池，采用直接测试法来校准电池的静态容量，但应用于电动汽车的动力电池不会完全充电或放电，导致动力电池的测试结果不准确的技术问题。

Methods, devices, storage media and processors for evaluating power batteries

【技术实现步骤摘要】
评估动力电池的方法、装置、存储介质及处理器
本申请涉及电动汽车领域领域，具体而言，涉及一种评估动力电池的方法、装置、存储介质及处理器。
技术介绍
电动汽车是汽车产业未来发展的一大方向，作为电动汽车的核心零部件的动力电池，其发展也紧随着新能源汽车呈现大幅度上升的趋势，同时，动力电池产业规模和技术水平的飞速发展，也推动了整车产业化进程。为了加强行业监管并满足电动汽车生产企业、零部件企业、检测及认证机构等各方面的需求，会出台了一系列国家标准，这些标准规定了电动汽车用动力电池的相关性能要求、试验方法和检验规则，并对试验方法、测试仪器准确度、试验数据记录等方面进行了说明。但是，如何获知动力电池的性能是否满足要求，是一大难题。为了获知动力电池的性能是否满足要求，相关技术中主要采用直接测量法，直接测量法是采用完全充放电过程来校准电池的静态容量，方法简单便捷，但应用范围有限，局限于专门的实验室环境，例如，锂离子电池通常建议采用恒流和恒压充放电程序，但在实际操作中电动汽车不会完全充电或放电。此外，该方法耗费时间较长，且在一定程度上损害电池寿命。<本文档来自技高网...

【技术保护点】
1.一种评估动力电池的方法，其特征在于，包括：/n获取评估模型，其中，所述评估模型为线性评估模型和非线性评估模型，所述线性评估模型包括如下至少之一：用于评估动力电池老化程度的第一评估模型，用于评估动力电池寿命的第二评估模型，所述非线性评估模型为用于预测动力电池的寿命的神经网络模型；/n通过所述评估模型确定动力电池的SOH估计值，来监测所述动力电池的工作状态。/n

【技术特征摘要】
1.一种评估动力电池的方法，其特征在于，包括：
获取评估模型，其中，所述评估模型为线性评估模型和非线性评估模型，所述线性评估模型包括如下至少之一：用于评估动力电池老化程度的第一评估模型，用于评估动力电池寿命的第二评估模型，所述非线性评估模型为用于预测动力电池的寿命的神经网络模型；
通过所述评估模型确定动力电池的SOH估计值，来监测所述动力电池的工作状态。


2.根据权利要求1所述的方法，其特征在于，所述第一评估模型为基于SVM的动力电池健康状态的估计模型，其中，所述评估模型确定所述动力电池的SOH估计值，包括：
获取动力电池的测试参数，其中，所述测试参数包括如下至少之一：分数阶模型的模型参数、及电池循环老化试验过程中的循环圈数、电池温度、放电深度、均值SOC和充放电倍率；
基于所述动力电池的测试参数，估计所述动力电池的电池容量；
基于所述电池容量的估计结果，计算得到所述动力电池的SOH估计值。


3.根据权利要求1所述的方法，其特征在于，所述第二评估模型为基于ICA的动力电池剩余寿命的预测模型，其中，所述评估模型确定所述动力电池的SOH估计值，包括：
构建所述动力电池的充电曲线与ICA的间接特征之间的组合数据；
采用高斯过程回归模型处理所述组合数据，获取所述动力电池的SOH估计值，其中，所述高斯过程回归模型用于处理非线性回归问题的概率模型。


4.根据权利要求3所述的方法，其特征在于，高斯过程回归模型在输出均值的同时输出置信区间，其中，所述置信区间用于确定决策方案的参考信息。


5.根据权利要求1所述的方法，其特征在于，在所述评估模型为所述神经网络模型的情况下，所述评估模型确定所述动力电池的SOH估计值包括：
获取所述动力电池的初始电量和额定容量；
采用所述神经网络模型处理所述初始电量和额定容量，获取预测周期内不同时间的剩余电池电量；
基于所述预测周期内不同时间的剩余电池电量，预测得到所述动力电池的SOH估计值。


6.根据权利要求1所述的方法，其特征在于，在所述评估模型为所述神经网络模型的情况下，所述评估模型确定所述动力电池的SOH估计值包括：
采集所述动力电池在多个连续时刻的电压和电流，以及环境温度；
将所述动力电池在多个连续时刻的电压和电流，以及环境温度输入至所述神经网络模型，估算所述动力电池的SOH估计值。


7.根据权利要求1所述的方法，其特征在于，在所述评估模型为所述神经网络模型的情况下，所述评估模型确定所述动力电池的SOH估计值包括：
采集所述动力电池在第一时刻的电压、在第二时刻的SOC和电流，其中，所述第一时刻和第二时刻为连续的时间；
将所述动力电池在第一时刻的电压、在第二时刻的SOC和电流度输入至所述神经网络模型，输出所述动力电池在第二时刻的电压；
基于径向基函数来处理所述动力电池在第二时刻的电压，估算所述动力电池的SOH估计值。


8.根据权利要求1所述的方法，其特征在于，在所述动力电池采用恒流恒压充电和恒流放电的工作模式下，采集充电和放电的电特性以及循环寿命来估算所述动力电池的SOH估计值。


9.一种评估动力电池的装置，其...

【专利技术属性】
技术研发人员：潘鸣宇，陈振，陈平，李香龙，张宝群，张玉佳，李卓群，孙舟，王伟贤，袁小溪，
申请(专利权)人：国网北京市电力公司，国家电网有限公司，
类型：发明
国别省市：北京;11