一种动力锂离子电池健康状态在线预估方法技术

本发明专利技术公开了一种动力锂离子电池健康状态在线预估方法。建立二阶RC模型下动力锂离子电池内部参数与健康状态值的BP神经网络预测模型；采集处于工况状态中的电池的实时在线端电压与电流数据，基于改进递推最小二乘法辨识实时工况下的二阶RC模型参数；认为在一次充放电结束前电池的健康状态基本不变，实时更新二阶RC模型参数，健康状态采用上一时刻的预估值；一次充放电完成后，计算整个充放电过程中的电池内部参数均值，将其作为BP神经网络预测模型的输入，更新电池的健康状态值。本发明专利技术实现了运行状态下对动力锂离子电池健康状态的有效预估，提高了锂电池健康状态的在线估算效率。

【技术实现步骤摘要】
一种动力锂离子电池健康状态在线预估方法
本专利技术属于电池健康状态评估领域，特别涉及了一种动力锂离子电池健康状态预估方法。
技术介绍
随着科技的发展与社会的进步，人类对能源的需求日渐提高。由于煤、石油、天然气等化石燃料的不可再生，人类对能源需求量的增高与化石燃料对环境的污染已经成为当今社会急需解决的问题。我国正在抓紧制定碳排放达峰行动方案，加快调整优化产业结构、能源结构，争取早日实现碳排放量清零和碳中和目标。据统计，全球70％的石油消耗来自汽车行业，因此，大力发展新能源电动车已成为未来汽车领域发展的趋势。电池的健康状态(SOH)在一定程度上表征着当前电池相比于新电池存储电能的能力，可用来定量描述当前电池的性能状态。SOH的研究有利于掌握电池老化影响因素，为电池的使用和维护提供理论指导，可减少高低温以及过充过放等有损电池使用的情况，同时让使用者知悉电池当前的健康状态，帮助判断电池的内在隐患和寿命情况，为电池维护和更换提供参考。如何准确地预估电池的健康状态一直是全球电池领域研究的热点。
技术实现思路
为了解决上述
技术介绍
提到的技术问题，本专利技术提出了一种动力锂离子电池健康状态在线预估方法，能够实现运行状态下对锂离子电池健康状态的有效预估，提高锂电池健康状态的在线估算效率。为了实现上述技术目的，本专利技术的技术方案为：一种动力锂离子电池健康状态在线预估方法，包括以下步骤：(1)建立动力锂离子电池二阶RC模型下欧姆内阻、浓差极化内阻、浓差极化电容与健康状态值的BP神经网络预测模型；(2)采集处于工况状态中的动力锂离子电池的实时在线端电压与电流数据，基于改进递推最小二乘法辨识实时工况下的二阶RC模型参数；(3)认为在一次充放电结束前，动力锂离子电池的健康状态基本不变，实时更新二阶RC模型参数，健康状态采用上一时刻的预估值；(4)一次充放电完成后，计算整个充放电过程中的动力锂离子电池内部参数均值，将其作为BP神经网络预测模型的输入，更新动力锂离子电池的健康状态值；重复步骤(2)-(4)，从而实时获取健康状态估计值。进一步地，步骤(1)的具体过程如下：(11)建立动力锂离子电池的等效电路模型：二阶RC模型；(12)测量动力锂离子电池在不同荷电状态下的开路电压值，采用曲线拟合方式拟合得出开路电压与荷电状态的曲线关系；(13)对动力锂离子电池模拟联邦测试运行工况进行充放电测试，采集电池放电过程中的端电压与电流数据，通过改进的递推最小二乘法完成实时工况下模型参数的在线辨识；(14)估算工况结束后欧姆内阻、浓差极化内阻和浓差极化电容的均值，并将离线测试动力锂离子电池的健康状态值作为健康状态真值，建立输入集为欧姆内阻、浓差极化内阻和浓差极化电容，输出集为对应健康状态值的BP神经网络预测模型。进一步地，所述二阶RC模型包括浓差极化内阻、浓差极化电容、扩散电阻和扩散电容，浓差极化内阻与浓差极化电容构成的并联电路、扩散电阻与扩散电容构成的并联回路依次与电源和欧姆内阻串联。进一步地，步骤(13)-(14)的具体过程如下：(a)按递推最小二乘格式建立动力锂离子二阶RC电路的数学模型：其中，λ为递推最小二乘权重系数，Pn为当前时刻的状态转移矩阵，为当前时刻状态预估，Kn为当前时刻的增益因子，yn为当前时刻的输出矩阵，为当前时刻的系统输入矩阵，下标n和n-1分别表示当前时刻和上一时刻；(b)使用工况放电，采集输入电流与输出电压；(c)将数据代入改进的递推最小二乘法，完成模型参数的在线辨识；(d)离线测试获取当前状态下电池的健康状态；(e)重复步骤(b)-(d)，测试多组动力锂离子电池，直至电池的健康状态低于80％；(f)获取欧姆内阻、浓差极化内阻、浓差极化电容的作为输入集，对应的健康状态值作为输出集，通过BP神经网络建立预测模型。进一步地，通过改进的递推最小二乘法辨识模型参数的过程如下：建立动力锂离子电池的最小二乘数学模型，根据基尔霍夫电压定量得：其中，UOC为开路电压，τp1＝Rp1.Cp1，τp2＝Rp2.Cp2，Ro为欧姆内阻，Rp1为浓差极化内阻，Cp1为浓差极化电容，Rp2为扩散电阻，Cp2为扩散电容，i为电流，U为端电压；令：a＝τp1τp2，b＝τp1+τp2，c＝Rp1+Rp2+Ro，d＝Rp1τp2+Rp2τp1+Ro(τp1+τp2)，离散化处理后得：Uoc(k)-U(k)＝m1[U(k-1)-Uoc(k-1)]+m2[U(k-2)-Uoc(k-2)]+m3i(k)+m4i(k-1)+m5i(k-2)设T为系统采样时间间隔，m1＝(-bT-2a)/(T2+bT+a)，m2＝a/(T2+bT+a)，m3＝(cT2+dT+aRo)/(T2+bT+a)，m4＝(-dT-2aRo)/(T2+bT+a)，m5＝aRo/(T2+bT+a)；则需要辨识的参数：Ro＝m5/m2，Rp1＝(τp1c+τp2Ro-d)/(τp1-τp2)，Rp2＝c-Rp1-Ro，Cp1＝τp1/Rp1，Cp2＝τp2/Rp2。采用上述技术方案带来的有益效果：本专利技术提取模型参数，建立动力锂离子电池二阶RC模型下欧姆内阻、浓差极化内阻、浓差极化电容与健康状态的BP神经网络预测模型；建立二阶RC电路模型下的改进递推最小二乘法在线辨识参数，提高了计算电池健康状态的便捷性。附图说明图1是本专利技术中动力锂离子电池等效电路图；图2是本专利技术中参数辨识过程中Uoc与SOC的拟合曲线关系图；图3是本专利技术中在线辨识参数内阻预测结果图；图4是本专利技术中在线辨识参数电容预测结果图；图5是本专利技术中在线辨识参数电容预测结果图；图6-图8是本专利技术中健康状态与二阶RC模型下欧姆内阻、浓差极化内阻、浓差极化电容之间的关联曲线图；图9是本专利技术的流程图。具体实施方式以下将结合附图，对本专利技术的技术方案进行详细说明。本专利技术设计了一种动力锂离子电池健康状态在线预估方法，步骤如下：1、建立动力锂离子电池二阶RC模型下欧姆内阻、浓差极化内阻、浓差极化电容与健康状态值的BP神经网络预测模型。2、采集处于工况状态中的动力锂离子电池的实时在线端电压与电流数据，基于改进递推最小二乘法辨识实时工况下的二阶RC模型参数。3、认为在一次充放电结束前，动力锂离子电池的健康状态基本不变，实时更新二阶RC模型参数，健康状态采用上一时刻的预估值。4、一次充放电完成后，计算整个充放电过程中的动力锂离子电池内部参数均值，将其作为BP神经网络预测模型的输入，更新动力锂离子电池的健康状态值；重复步骤2-4，从而实时获取健康状态估计值。优选地，上述步骤1的具体过程如下：101、构建锂电池的等效电路模型，如图1所示，Ro为电池的欧姆内阻，Uoc本文档来自技高网...

【技术保护点】
1.一种动力锂离子电池健康状态在线预估方法，其特征在于，包括以下步骤：/n(1)建立动力锂离子电池二阶RC模型下欧姆内阻、浓差极化内阻、浓差极化电容与健康状态值的BP神经网络预测模型；/n(2)采集处于工况状态中的动力锂离子电池的实时在线端电压与电流数据，基于改进递推最小二乘法辨识实时工况下的二阶RC模型参数；/n(3)认为在一次充放电结束前，动力锂离子电池的健康状态基本不变，实时更新二阶RC模型参数，健康状态采用上一时刻的预估值；/n(4)一次充放电完成后，计算整个充放电过程中的动力锂离子电池内部参数均值，将其作为BP神经网络预测模型的输入，更新动力锂离子电池的健康状态值；重复步骤(2)-(4)，从而实时获取健康状态估计值。/n

【技术特征摘要】
1.一种动力锂离子电池健康状态在线预估方法，其特征在于，包括以下步骤：
(1)建立动力锂离子电池二阶RC模型下欧姆内阻、浓差极化内阻、浓差极化电容与健康状态值的BP神经网络预测模型；
(2)采集处于工况状态中的动力锂离子电池的实时在线端电压与电流数据，基于改进递推最小二乘法辨识实时工况下的二阶RC模型参数；
(3)认为在一次充放电结束前，动力锂离子电池的健康状态基本不变，实时更新二阶RC模型参数，健康状态采用上一时刻的预估值；
(4)一次充放电完成后，计算整个充放电过程中的动力锂离子电池内部参数均值，将其作为BP神经网络预测模型的输入，更新动力锂离子电池的健康状态值；重复步骤(2)-(4)，从而实时获取健康状态估计值。


2.根据权利要求1所述动力锂离子电池健康状态在线预估方法，其特征在于，步骤(1)的具体过程如下：
(11)建立动力锂离子电池的等效电路模型：二阶RC模型；
(12)测量动力锂离子电池在不同荷电状态下的开路电压值，采用曲线拟合方式拟合得出开路电压与荷电状态的曲线关系；
(13)对动力锂离子电池模拟联邦测试运行工况进行充放电测试，采集电池放电过程中的端电压与电流数据，通过改进的递推最小二乘法完成实时工况下模型参数的在线辨识；
(14)估算工况结束后欧姆内阻、浓差极化内阻和浓差极化电容的均值，并将离线测试动力锂离子电池的健康状态值作为健康状态真值，建立输入集为欧姆内阻、浓差极化内阻和浓差极化电容，输出集为对应健康状态值的BP神经网络预测模型。


3.根据权利要求2所述动力锂离子电池健康状态在线预估方法，其特征在于，所述二阶RC模型包括浓差极化内阻、浓差极化电容、扩散电阻和扩散电容，浓差极化内阻与浓差极化电容构成的并联电路、扩散电阻与扩散电容构成的并联回路依次与电源和欧姆内阻串联。


4.根据权利要求2所述动力锂离子电池健康状态在线预估方法，其特征在于，步骤(13)-(14)的具体过程如下：
(a)按递推最小二乘格式建立动力锂离子二阶RC电路的数学模型：

【专利技术属性】
技术研发人员：江兵，陈岩，俞子豪，陈晨，杨怡，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32