一种面向随机局部充电的数据驱动电池健康估计方法技术

本发明专利技术涉及一种面向随机局部充电的数据驱动电池健康估计方法，属于电池技术领域，包括以下步骤：S1：对恒流充电过程进行电压分段，以得到若干随机局部充电片段；S2：提取出每个随机充电片段下的电量增量ΔQ，得到恒流充电过程的电量增量序列，作为估计电池健康状态的特征数据；S3：对于提取出的电量增量序列，对其不同的统计学特性与电池健康状态的相关性进行分析，选取与高相关性的统计学特征作为健康因子；S4：使用稀疏高斯过程回归方法进行电池健康状态估计。不同于其他方法中需要对不同的充电片段分别建立不同的估计模型，本发明专利技术仅需建立单个估计模型，就可利用任意随机局部充电片段实现电池健康状态的在线估计，且提高了估计的准确性。计的准确性。计的准确性。

【技术实现步骤摘要】
一种面向随机局部充电的数据驱动电池健康估计方法


[0001]本专利技术属于电池
，涉及一种面向随机局部充电的数据驱动电池健康估计方法。

技术介绍

[0002]电池技术的快速发展促进了电动交通工具的蓬勃发展，使得电动车辆(EVs)被大规模应用。中国和欧洲各国政府出台了一系列政策促进电动车辆产业的发展，并分别计划在2030年前有800万辆和300万辆电动车辆上路。电动汽车产销量不断增长的同时，也暴露了一系列未解决的关键技术问题，导致安全事故频发、消费者恐慌以及电池系统能效低下。为了保证电动汽车的健康可持续发展，迫切需要解决电池安全监测、容量残值评估、预测运维等问题，而这些问题的解决深度依赖于电池健康状态(State of health,SOH)的准确估计。
[0003]电池健康状态的提出是为了量化电池的老化程度。现有的研究表明，电池老化主要是由于电池内部发生不可逆的电化学反应导致的，其直观的现象是电池内阻的增加和容量的减少。当前，已提出了许多用于计算电池内阻的方法，如电化学阻抗谱(EIS)、混合脉冲功率表征(HPPC)和基于等效电路模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向随机局部充电的数据驱动电池健康估计方法，其特征在于：包括以下步骤：S1：对恒流充电过程进行电压分段，以得到若干随机局部充电片段；S2：提取出每个随机充电片段下的电量增量ΔQ，得到恒流充电过程的电量增量序列，作为估计电池健康状态的特征数据；S3：对于提取出的特征数据，对其不同的统计学特性与电池健康状态的相关性进行分析，选取高相关性的统计学特征作为健康因子；S4：使用稀疏高斯过程回归方法进行电池健康状态估计。2.根据权利要求1所述的面向随机局部充电的数据驱动电池健康估计方法，其特征在于：步骤S1中，对于给定的某个恒流充电过程，基于起始电压V
start
、结束电压V
end
和电压间隔ΔV，将其划分为L
i
个电压数据段：通过设定固定的随机片段长度n以及步长c，得到若干个随机充电片段。对于上述给定的某个恒流充电过程而言，随机充电片段数为：其中floor(.)函数表示得到不大于输入变量的最大整数。3.根据权利要求1所述的面向随机局部充电的数据驱动电池健康估计方法，其特征在于：步骤S2中，电量增量序列ΔQ＝Q
‑
Q1代替实际充入电量的信息Q＝[Q1，Q2，...，Q
n
]，将电量增量序列中所有ΔQ的均值与标准差作为用于描述电池健康状态的健康因子。4.根据权利要求1所述的面向随机局部充电的数据驱动电池健康估计方法，其特征在于：步骤S3中，分析电量增量序列的均值ave_ΔQ和标准差std_ΔQ与健康状态的相关性；利用皮尔逊相关性系数ρ衡量两变量间的线性相关程度，数学表达式如下：其中，x
j
为健康因子序列，y为电池SOH序列，y分别为两者均值。5.根据权利要求1所述的面向随机局部充电的数据驱动电池健康估计方法，其特征在于：步骤S4中所述的高斯过程为：对于任意输入集合X＝[x1，x2，...，x
n
]，如果其函数F(x)＝[f(x1)，f(x2)，...，f(x
n
)]的概率分布服从联合高斯分布，则称F(x)为一个GP，表达为f(x)～GP(m(x)，k(x
i
，x
j
))，其中均值函数m(x)和协方差函数k(x
i
，x
j
)定义为：当先验信息未知时，m(x)设为0；协方差函数k(x
i
，x
j
)为平方指数核函数，定义为：其中，σ
f
和l为超参数，分别决定了核函数的振幅以及各个输入的重要程度。6.根据权利要求5所述的面向随机局部充电的数据驱动电池健康估计方法，其特征在于：...

【专利技术属性】
技术研发人员：邓忠伟，刘弘奥，胡晓松，唐小林，李佳承，李鹏华，侯杰，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：