基于RTM数据等电池容量估计方法技术

本专利涉及电池容量估计领域，提供了一种基于RTM数据等电池容量估计的方法。该方法包括基于温度区间和电流区间有效提取RTM数据、不同车辆类型(电池类型)及电池工况进行SOH值的计算。本专利基于不同温度转换系数和快慢充不同状态的容量修正以及基于不同电流区间和不同温度区间的容量分区统计，是一种更精确且可信度更高的SOH评估方法，便于对电池的使用状态和剩余寿命进行精准评估，从而更利于对电池进行管理，完善电池功能。完善电池功能。完善电池功能。

【技术实现步骤摘要】
基于RTM数据等电池容量估计方法


[0001]本专利技术涉及电池健康状态(SOH)测试评估
，尤其是基于RTM数据离线和在线容量的估算及统计方法。适用于对XRTM上线新能源车辆不同车型(电池类型)的历史数据容量回测及SOH估算。对于不同车型(电池类型)，算法应用需匹配相应参数，见附录A。

技术介绍

[0002]动力电池作为电动汽车的动力源，并不是一个单独的个体，而是由许多电池个体以串并联的方式组合而成，以满足不同电动汽车动力系统所需要的多种多样的电压等级、输出电流和最大输出功率等。动力电池包除受工艺制作影响以外，还受出厂之后在运输、贮存过程中环境差异的影响。动力电池组主要采用先并联后串联的形式。如图1所示，几个电池并联组成的单位称为单体，电池模组(Module)是由许多单体串联组成，多个模组串联起来后组成动力电池包(Pack)。
[0003]电池的初始状态参数(容量、内阻、SOC、电压和温度等)会影响下一状态(当前状态)的状态参数，而电池在使用过程中，随着时间累积产生的不一致的容量衰退速率、内阻增长速率和库伦效率等，又会进一步影响下一状态(当前状态)的状态参数。而当前状态下的温度、内阻和SOC等参数之间又会相互影响，进而使得多种参数的变化耦合在一起。因此，需要对当前状态下的多个状态参数进行分析，来研究电池的不一致性以及电池状态参数之间的相互影响，如图2所示。
[0004]目前，SOH评估主要分为传统离线法、数据驱动法和融合模型法。其中，传统离线法包括定义法、电阻计算法、容量衰减法、化学分析法、部分放电法、抗阻分析法以及交流抗阻分析法。数据驱动法包括滤波器法和黑箱估计法。在线方法的计算量和精度等问题还有待改善，主要存在下列影响因素：
[0005]1.受环境温度及出厂工况影响
[0006]电池的容量会受到很多因素的影响，例如温度和工况等。如果不考虑温度的容量衰减，则会导致误差很大。因此本专利分别计算了在不同温度下的容量衰减情况。
[0007]每个温度区间，都根据以下公式计算单台车辆的容量衰减：
[0008][0009]CAP
NomBat
为电池系统的标称容量，CAP
CurBat
为电池系统本年度所有充电循环容量的平均值。不同项目在不同温度区间，电池系统的标称容量不同，详情请见附录B。
[0010]2.受不同车型(电池类型)影响
[0011]由于不同车型上传RTM系统的SOC不同，其中部分车型上传仪表SOC，而部分车型上传电池SOC，所以本专利通过下列公式计算转换出实际SOC进行数据评估。
[0012]ΔSOC＝(RTMSOC
End
‑
RTMSOC
Begin
)*Factor
soc
[0013]RTMSOC
Begin
和RTMSOC
End
表示的是RTM数据里的SOC值，而不同车型上传RTM系统的SOC不同，部分车型上传仪表SOC，部分车型上传电池SOC。Factor
soc
表示仪表SOC和电池SOC
的转化系数，不同车型的转化系数不同，具体情况可见附录A。
[0014]3.受电池充电模式影响
[0015]当电池充电在慢充模式时，充电电流较小，充电时间较长，进而导致估算的容量偏大。为了减少因慢充模式而带来的容量偏差，需进行容量修正。
[0016]每一个有效的慢充模式的容量估算数值为：CAP
ij
[n]revise
＝CAP
ij
[n]*Factor
revise
[0017]CAP
ij
[n]为慢充模式的容量估算值，CAP
ij
[n]revise
为修正后的容量值，用以计算年度的平均容量；Factor
revise
为修正参数。
[0018]根据经验值，Factor
revise
修正参数为0.944。
[0019]4.受不同电流区间和温度区间影响
[0020]本专利技术基于不同电流区间、不同温度区间的容量分区来统计电流区间：计算当次充放电循环过程中的平均电流，确认本次计算容量的电流区间。
[0021]温度区间：计算当次充放电循环过程中的平均温度，确认本次计算容量的温度区间。
[0022]由于RTM数据没有存储当前电池包温度，因此采用电池包最高温度和电池包最低温度，以计算当次充放电循环的平均温度。
[0023]本次循环的平均温度等于当前循环结束时刻的电池包最高温度*TempFactorHigh加上当前循环的结束时刻的电池包最低温度*TempFactorLow的平均值。

技术实现思路

[0024]针对现有技术的不足，本专利技术提供一种基于仪表SOC和电池SOC转换的容量计算，基于不同温度转换系数和快慢充不同状态的容量修正以及基于不同电流区间和不同温度区间的容量分区统计的一种更精确且可信度更高的SOH评估方法。
[0025]基于RTM数据等电池容量估计方法，主要通过从MS后台管理平台导出的RTM数据，根据在不同温度区间和电流区间，结合不同车辆类型(电池类型)及电池工况，对车辆当前电池状态(SOH)进行估算。
[0026]其中RTM数据包含46个维度，包含了车辆基本信息、动力电池系统、电机驱动系统以及车辆控制系统等多个方面。(注：每个企业RTM管理平台数据格式的定义不同，使用本算法前需做相应匹配。)
[0027]本文描述的算法仅需使用RTM数据库中的部分数据行电池容量估算，具体如下：
[0028]数据字段描述事件上报时间本条数据的上传时间VIN码车辆底盘号充电状态充电状态，分为停车充电、充电结束、未充电状态总电流(A)电池总电流电池电量(SOC)(％)上传到RTM系统的SOC，后续用RTMSOC表示最高温度值(℃)电池包最高温度最低温度值(℃)电池包最低温度累计里程(km)当前车辆已经行驶的里程电池单体电压最高值电池包所有电芯的电压的最大值
压最低值电池包所有电芯的电压的最大值
[0029]由于当前RTM数据电流采样频率较低，无法满足电流剧烈变化工况下(车辆行驶)的容量估算。而充电工况与其他工况相比受电流采样的影响相对较小，相对其他工况更为稳定，因此本算法选择在充电工况下估算电池容量。
[0030]为了使得后续分析更加精准，在前期需有效提取RTM数据。当前RTM数据导出的结果是乱序的，因此在提取有效数据前，需要对所有数据按照时间顺序进行重新排序。
[0031]由于本算法仅在充电工况下进行估算，因此需根据整车工作模式标识(充电状态数据字段)识别充放电工况。
[0032]本算法还需进行单个充电循环的起点SOC和终点SOC识别，并且需要区分计算有效充电循环。
[0033]当前RTM数据存在一定数据丢失现象，在充电循环中丢失的数据会导致可计算的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RTM数据等电池容量估计的方法，其特征如下所述：数据准备步骤：基于RTM数据等电池容量评估方法包括多个步骤，包括有效提取RTM数据、基于温度区间和电流区间，不同车辆类型(电池类型)及电池工况进行SOH值的计算。其中RTM数据包含46个维度，包含了车辆基本信息、动力电池系统、电机驱动系统以及车辆控制系统等多个方面。数据有效提取步骤：提取RTM数据需要先将数据误差排除，对RTM数据进行时间排序；再根据整车工作模式标识(充电状态数据字段)识别充放电工况；同时进行单个充电循环的起点SOC和终点SOC识别。SOH值计算步骤：完成数据有效提取后，便基于温度区间和电流区间，对不同车辆类型(电池类型)及电池工况进行SOH值的计算。单车估算SOH步骤：本部分首先分别计算不同温度下的容量衰减情况；其次，本算法按照地域拆分车辆，计算不同地区的年度车辆动力电池整体衰减(...

【专利技术属性】
技术研发人员：常伟，
申请(专利权)人：常伟，
类型：发明
国别省市：