基于GP-UKF的电动汽车动力电池在线SOH估算方法技术

技术编号:26595004 阅读:20 留言:0更新日期:2020-12-04 21:16
基于GP‑UKF的电动汽车动力电池在线SOH估算方法,涉及一种电动汽车动力电池的在线SOH估算技术,为了解决现有的电动汽车电池健康状态离线评估耗时耗力以及测算周期较长的问题。本发明专利技术将利用历史全充数据,对电动汽车上动力电池日常充电数据进行补全,利用安时积分法得到当SOC估计值;利用高斯过程回归进行回归拟合,建立无迹卡尔曼滤波的状态方程和量测方程;以当前车辆动力电池容量的SOC估计值为卡尔曼滤波观测值,结合无迹卡尔曼滤波的状态方程和量测方程,进行无迹卡尔曼滤波迭代,得到动力电池当前容量值的最优估计;利用当前动力电池总容量与出厂时总容量作商得出本次充电循环的SOH估计值;有益效果为实时提供电池健康状态分析结果。

【技术实现步骤摘要】
基于GP-UKF的电动汽车动力电池在线SOH估算方法
本专利技术涉及一种电动汽车动力电池的在线SOH估算技术。
技术介绍
人类从步入工业社会开始,科技水平快速进步,社会生产力急速提高,创造出了前所未有的物质财富,但同时,文明的高速发展也建立在不可再生资源的极大消耗和生态环境的严重破坏之上;从21世纪开始,世界人口的快速增长和经济的快速发展,导致对资源的需求越来越大,出现供不应求现象;另一方面,对资源的过度开采及利用直接改变了地球生态系统的物质循环和能量转换,对全球生态和环境造成严重破坏。为了缓解石油资源紧张和改善生态环境,国内外政府和汽车厂商都致力于新能源汽车的发展。顾名思义,新能源汽车指的是采用非常规车用燃料作为动力来源,具有新技术、新结构的汽车;近些年来,受到政策面的不断支持,新能源汽车行业快速发展。目前新能源汽车主要分为3类,包括纯电动汽车、混合动力汽车和燃料电池汽车;其中纯电动汽车指由车载电源提供电能驱动的汽车;混合动力汽车指由多种不同的能源通过能量转换器提供驱动动力汽车;燃料电池汽车是利用燃料电池,将燃料中的化学能转化为电能进行驱动的汽车。纯电动汽车在新能源汽车中占比重最高,其动力电池通常采用铅酸电池、镍铬电池、镍氢电池以及锂电池;其中,锂电池因有着能量密度高、自放电率小、循环寿命长、绿色环保等特性逐渐成为电动汽车动力源发展的重要方向;电动汽车的动力源是动力电池组,它以循环充放电形式为汽车提供无污染动力,但是随着电池的使用,电池内部会发生老化,容量会逐渐衰减,而衰减程度则用SOH进行量化;其中,SOH指的是电池健康状态参数,其定义主要围绕电池经过多次循环之后总容量与新电池总容量相比的衰减程度,由此也诞生了多种不同的定义方式,主要有以下定义方法:(1)从剩余电量的角度定义SOH,其数学表达式如式(1-1)所示:其中,Qnow表示当前电池总容量,Qnew表示电池出厂时总容量;IEEE标准中明文规定:当动力电池的最大容量下降至80%时就需更换新的动力电池。(2)从电池循环次数方法角度定义SOH,其数学表达式如式(1-2)所示:其中Nr为电池剩余可充电次数,Nmax为电池最大充电次数。(3)从电池内阻变化角度定义SOH,其数学表达式如式(1-3)所示:其中REOL为电池生命周期结束时的内阻值,RNEW为则是电池出厂时的内阻值,R则为电池当前的内阻值。目前电动汽车很多关键技术难题已经得到解决,但内部技术研究还有很大缺口,而且受实际复杂工况的影响,很多理论成果无法直接用于现实场景之中。其中SOH的估计因涉及到电池内部复杂的化学变化和外部复杂工况变化,在现实场景估算精度有限;但实际上电动汽车SOH的精确估计又是电动汽车使用中至关重要的一环:一方面受电池内部管理系统的控制,电池容量大小直接影响到电池充放电的控制参数,对SOH的错误估计很容易造成电池的过度充放电情况,从而严重影响电池使用寿命;另一方面精确估计SOH可以反映出电池的实际使用情况,有利于及时更换低寿命电池,保障车辆及人员的安全。电动汽车电池健康状态离线评估是指脱离车辆实际运营状态,通过人工单独现场测试或者实验室条件下直接或间接测得SOH的方式,这种方式耗时耗力,测算周期较长,随着未来电动汽车数量激增,这种方式显然无法满足巨大的测算需求。
技术实现思路
本专利技术的目的是为了解决现有的电动汽车电池健康状态离线评估耗时耗力以及测算周期较长的问题,提出了基于GP-UKF的电动汽车动力电池在线SOH估算方法。本专利技术所述的基于GP-UKF的电动汽车动力电池在线SOH估算方法,该估算方法利用动力电池的日常充电数据与历史全充数据,来进行动力电池在线SOH评估;该估算的方法包括以下步骤:步骤一、先将电动汽车上的动力电池放电至0电量,再充电至满电量,记录完整充电过程数据,并将该完整充电过程数据作为历史全充数据;步骤二、提取电动汽车上动力电池的日常充电数据,并根据步骤一得到的历史全充数据对电动汽车上动力电池日常充电数据进行补全,得到完整的日常充电数据,利用安时积分法对完整的日常充电数据进行计算得到当前车辆动力电池容量的SOC估计值;步骤三、利用高斯过程回归对日常充电数据中的电池容量和充电循环次数进行回归拟合,并根据拟合结果建立无迹卡尔曼滤波的状态方程和量测方程;步骤四、以步骤二得到的当前车辆动力电池容量的SOC估计值为卡尔曼滤波观测值,并结合无迹卡尔曼滤波的状态方程和量测方程,进行无迹卡尔曼滤波迭代,得到动力电池当前容量值的最优估计,该动力电池当前容量值的最优估即为当前动力电池总容量Qnow;步骤五、根据式:得到动力电池的SOH估计值,其中,Qnew表示动力电池出厂时总容量。本专利技术的有益效果是该估算方法基于历史全充数据和日常充电数据进行电池健康状态在线估计,一方面,历史全充数据能够体现出电池充电电压、电流曲线的变化规律,另一方面日常充电数据能够表现出电池的老化状态,无需再利用具体模型去加以预测,即解决了动力电池SOH估计过程中最大的难点---老化性的预测,同时利用分段补全以及高斯过程和无迹卡尔曼滤波结合优化的方式对车辆SOH进行在线评估,研究成果可为电动汽车使用者提供动力电池实时健康状态分析,保障电动汽车运行安全可靠。附图说明图1为具体实施方式一所述的基于GP-UKF的电动汽车动力电池在线SOH估算方法流程图;图2为具体实施方式一中实际日常充电片段与待补全片段的曲线示意图;图3为具体实施方式一中某车辆完整充电电压变化曲线及拐点位置示意图;图4为具体实施方式一中Gauss5阶拟合全充曲线及拐点位置示意图;图5为具体实施方式一中某车辆全充曲线与片段曲线以及带补全片段的曲线示意图;图6为具体实施方式一中日常充电片段数据补全曲线示意图;图7为具体实施方式一中无迹卡尔曼滤波估算流程示意图;图8为具体实施方式一中实际全充数据和预测片段曲线示意图;图9为具体实施方式一中车辆SOH估计变化曲线示意图。具体实施方式具体实施方式一:结合图1至图9说明本实施方式,本实施方式所述的基于GP-UKF的电动汽车动力电池在线SOH估算方法,该估算方法利用动力电池的日常充电数据与历史全充数据,来进行动力电池在线SOH评估;该估算的方法包括以下步骤:步骤一、先将电动汽车上的动力电池放电至0电量,再充电至满电量,记录完整充电过程数据,并将该完整充电过程数据作为历史全充数据;步骤二、提取电动汽车上动力电池的日常充电数据,并根据步骤一得到的历史全充数据对电动汽车上动力电池日常充电数据进行补全,得到完整的日常充电数据,利用安时积分法对完整的日常充电数据进行计算得到当前车辆动力电池容量的SOC估计值;步骤三、利用高斯过程回归对日常充电数据中的电池容量和充电循环次数进行回归拟合,并根据拟合结果建立无迹卡尔曼滤波的状态方程和量本文档来自技高网
...

【技术保护点】
1.基于GP-UKF的电动汽车动力电池在线SOH估算方法,其特征在于,该估算方法利用动力电池的日常充电数据与历史全充数据,来进行动力电池在线SOH评估;/n该估算的方法包括以下步骤:/n步骤一、先将电动汽车上的动力电池放电至0电量,再充电至满电量,记录完整充电过程数据,并将该完整充电过程数据作为历史全充数据;/n步骤二、提取电动汽车上动力电池的日常充电数据,并根据步骤一得到的历史全充数据对电动汽车上动力电池日常充电数据进行补全,得到完整的日常充电数据,利用安时积分法对完整的日常充电数据进行计算得到当前车辆动力电池容量的SOC估计值;/n步骤三、利用高斯过程回归对日常充电数据中的电池容量和充电循环次数进行回归拟合,并根据拟合结果建立无迹卡尔曼滤波的状态方程和量测方程;/n步骤四、以步骤二得到的当前车辆动力电池容量的SOC估计值为卡尔曼滤波观测值,并结合无迹卡尔曼滤波的状态方程和量测方程,进行无迹卡尔曼滤波迭代,得到动力电池当前容量值的最优估计,该动力电池当前容量值的最优估即为当前动力电池总容量Q

【技术特征摘要】
1.基于GP-UKF的电动汽车动力电池在线SOH估算方法,其特征在于,该估算方法利用动力电池的日常充电数据与历史全充数据,来进行动力电池在线SOH评估;
该估算的方法包括以下步骤:
步骤一、先将电动汽车上的动力电池放电至0电量,再充电至满电量,记录完整充电过程数据,并将该完整充电过程数据作为历史全充数据;
步骤二、提取电动汽车上动力电池的日常充电数据,并根据步骤一得到的历史全充数据对电动汽车上动力电池日常充电数据进行补全,得到完整的日常充电数据,利用安时积分法对完整的日常充电数据进行计算得到当前车辆动力电池容量的SOC估计值;
步骤三、利用高斯过程回归对日常充电数据中的电池容量和充电循环次数进行回归拟合,并根据拟合结果建立无迹卡尔曼滤波的状态方程和量测方程;
步骤四、以步骤二得到的当前车辆动力电池容量的SOC估计值为卡尔曼滤波观测值,并结合无迹卡尔曼滤波的状态方程和量测方程,进行无迹卡尔曼滤波迭代,得到动力电池当前容量值的最优估计,该动力电池当前容量值的最优估即为当前动力电池总容量Qnow;
步骤五、根据式:得到动力电池的SOH估计值,其中,Qnew表示动力电池出厂时总容量。


2.根据权利要求1所述的基于GP-UKF的电动汽车动力电池在线SOH估算方法,其特征在于,步骤二中对电动汽车上动力电池日常充电数据进行补全的具体步骤包括:
步骤二一、以日常充电数据中的充电电压数据绘制成片段充电电压曲线,并根据历史全充数据,确定出充电总时长以及特性参数;
步骤二二、根据步骤二一确定出的充电总时长以及特性参数对日常充电数据进行补全。


3.根据权利要求2所述的基于GP-UKF的电动汽车动力电池在线SOH估算方法,其特征在于,在步骤二一中确定出充电总时长以及特性参数的具体方法为:
步骤二一一、以历史全充数据中的充电电压数据绘制成完整的充电电压曲线;
步骤二一二、在完整的充电电压曲线中设立第一电压平台、第二电压平台和第三电压平台,以及设立六个拐点,从右到左依次为拐点1、拐点2、拐点3、拐点4、拐点5和拐点6,同时开始充电位置为完整充电电压曲线的起始点,终止充电位置为完整充电电压曲线的终止点,六个拐点将完整的充电电压曲线分为七个片段,通过终止充电位置对应的时刻与开始充电位置对应的时刻做差确定出充电总时长;
步骤二一三、对片段充电电压曲线和完整的充电电压曲线进行高斯拟合,确定出特性参数;所述特性参数的实现方式为:
步骤二一三一、使用求和方式计算该全充数据电池总容量;计算全充数据的电池总容量如式(3-3)所示:



其中Ii是每分钟采样的电流值,T是总充电时间;
步骤二一三二二、以拐点6—>拐点5间平均电压为完整的充电电压曲线第一平台电压U1,以拐点4—>拐点3间平均电压为完整的充电电压曲线第二平台电压U2,以拐点2—>拐点1间平均电压为完整的充电电压曲线第三平台电压U3;计算各平台间压差,其中第一平台与第二平台之间压差为:
ΔV12=U2-U1(3-4)
其中,ΔV12为第一平台与第二平台之间压差;
第二平台与第三平台之间压差为:
ΔV23=U3-U2(3-5)
其中,ΔV23为第二平台与第三平台之间压差;
步骤二一三三、计算拐点5—>拐点4间斜率:
k45=ΔV12/t12(3-6)
其中t12为拐点5—>拐点4间的时间差,k45为拐点5—>拐点4间的斜率;
步骤二一三四、根据历史全充数据中的SOC计算拐点4—>拐点3的SOC差值ΔSOC34,拐点6—>拐点5的SOC差值ΔSOC56;
步骤二一三五、以起始点到拐点6间的数据拟合对数曲线方程:
U=aln(t)+c(3-7)
其中,电压为U,时间为t,a和c分别为求得的两个拟合参数;在完整充电电压曲线的开始充电位置对应的时刻至拐点6对应的时刻之间选择两个时刻及对应的电压分别代入式(3-7)中,即可求得两个拟合参数a和c的具体值;
上述的全充数据的电池总容量、第一平台电压U1、第二平台电压U2、第三平台电压U3、第一平台与第二平台之间压差、第二平台与第三平台之间压差、拐点5—>拐点4间斜率、拐点4—>拐点3的SOC差值、拐点6—>拐点5的SOC差值以及两个拟合参数均为特性参数。


4.根据权利要求3所述的基于GP-UKF的电动汽车动力电池在线SOH估算方法,其特征在于,步骤二二中根据充电总时长以及特性参数对日常充电数据进行补全的具体方法为:
步骤二二一、用三元组(t1,I1,S1),(t2,I2,S2),(t3,I3,S3)分别表示完整充电电压曲线的拐点1、拐点2和拐点3,其中,t1是指完整充电电压曲线中拐点1的时刻,I1是指在t1时刻充电的实时电流,S1是指在t1时刻充电的的实时SOC值;t2是指完整充电电压曲线中拐点2的时刻,I2是指在t2时刻充电的实时电流,S2是指在t2时刻充电的的实时SOC值;t3是指完整充电电压曲线中拐点3的时刻,I3是指在t3时刻充电的实时电流,S3是指在t3时刻充电的的实时SOC值;
步骤二二二、计算片段充电电压曲线的第三平台电压V3,以t1—>t2电压片段的平均电压表示;则可预测该片段充电电压曲线的第二平台电压为:
V2=V3-ΔV23(3-8)
第一平台电压为:
V1=V3-ΔV23-ΔV12(3-9)
步骤二二三、计算拐点5—>拐点4段的持续时间,此段为线性直线段:
t54=ΔV12/k45(3-10)
步骤二二四、计算拐点4—>拐点3和拐点6—>拐点5持续时间;根据以上分析,认为片段充电电压曲线在拐点4—>拐点3和拐点6—>拐点5段的SOC值差值与完整充电电压曲线统一,取最近一次完整充电电压曲线根据式(3-3)计算动力电池容量Q-past为当前总容量,则在拐点6—>拐点5段和拐点4—>拐点3段所充入电量分别为:
Q56=Q-past*ΔSOC56(3-11)
Q34=Q-past*ΔSOC34(3-12)
则拐点6—>拐点5、拐点4—>拐点3持续时间为
t56=Q56/I56(3-13)
t34=Q34/I34(3-14)
其中I56和I34分别是拐点6—>拐点5和拐点4—&g...

【专利技术属性】
技术研发人员:郑文斌乔家庆尹洪涛王天城魏明晨石金龙叶俊涛
申请(专利权)人:哈尔滨工业大学
类型:发明
国别省市:黑龙江;23

网友询问留言 已有0条评论
  • 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。

1