一种动力电池全生命周期健康监测方法、系统及电子设备技术方案

本发明专利技术提出一种动力电池全生命周期健康监测方法、系统及电子设备，将电池的全生命周期依次划分为退化阶段、潜在跳水区间和关键阶段三个阶段，根据电池所处阶段，采用不同的监测方法：在所述退化阶段，基于电池历史容量序列进行电池容量超前多步预报；在所述潜在跳水区间，基于潜在跳水区间内的容量序列进行电池容量超前预报，且超前预报步数大于所述退化阶段的步数；在所述关键阶段，全程进行剩余寿命预测。本发明专利技术基于电池容量退化趋势将电池的全生命周期划分为多个阶段，然后给每个阶段分配不同的任务，让电池各阶段都能得到高可靠性的健康状态表征，实现对电池各个阶段进行更细致、更具针对性的管理，弥补电池早、中期剩余寿命预测不准的不足。命预测不准的不足。命预测不准的不足。

【技术实现步骤摘要】
一种动力电池全生命周期健康监测方法、系统及电子设备


[0001]本专利技术属于新能源汽车动力电池
，具体涉及动力电池的健康管理技术。

技术介绍

[0002]随着新能源汽车渗透率逐步提高，市场上因电池故障而导致的新能源车辆事故也越来越多，如何对新能源汽车动力电池进行全生命周期的健康管理也受到越来越广泛的关注。电池健康管理的一项重要内容就是剩余寿命(Remaining Useful Life，RUL)预测。IEEE标准1188
‑
1996中规定，当电池的容量下降到出厂容量的80％时就应该更换电池。因此，电池的剩余寿命一般是指从当前时刻算起，电池在容量降低至出厂容量的80％前尚能使用的时间。这是电池在车端的全生命周期，本专利技术以下所指的动力电池全生命周期均是这个生命周期。
[0003]目前大多数文献对电池的健康管理关注点也是基于容量的电池剩余寿命预测，例如：专利文献CN202110206262.3(基于MFF的多核GPR算法的锂电池剩余寿命预测方法)、CN201910238129.9(基于灰狼群优化LSTM网络的锂离本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动力电池全生命周期健康监测方法，其特征在于，所述方法将电池的全生命周期依次划分为退化阶段、潜在跳水区间和关键阶段三个阶段，根据电池所处阶段，采用不同的处理方法：在所述退化阶段，基于当前电池的历史容量序列进行电池容量超前多步预报；在所述潜在跳水区间，基于潜在跳水区间内的容量序列进行电池容量超前预报，超前预报步数逐步增大，逐渐向剩余寿命预测过渡；在所述关键阶段，全程进行剩余寿命预测。2.根据权利要求1所述的动力电池全生命周期健康监测方法，其特征在于，所述潜在跳水区间是通过统计云端同类电池的跳水点数据作为当前电池跳水点的先验估计而获得。3.根据权利要求2所述的动力电池全生命周期健康监测方法，其特征在于，所述潜在跳水区间的获得是：首先在云端同类电池中，从电池所属用户的驾驶行为、充电习惯中提取用户惯用驾驶速度、驾驶风格、用电器信息、常用SOC行车区间、常用SOC充放电区间特征，并对提取特征建立聚类模型；从当前电池中提取以上特征，通过所述聚类模型预测用户所属类别；然后统计该类别电池的容量跳水时的充放电循环数分布，获取该分布的置信区间，作为当前电池的潜在跳水区间。4.根据权利要求1、2或3所述的动力电池全生命周期健康监测方法，其特征在于，在所述退化阶段，是先对电池历史容量序列进行离群点去除，然后基于电池历史容量序列建立状态转移方程、观测方程，最后进行电池容量超前多步预报。5.根据权利要求4所述的动力电池全生命周期健康监测方法，其特征在于，在所述退化阶段进行电池容量超前预报，包括：(1)对电池历史容量序列进行预处理，去除离群点；(2)根据电池退化过程的经验模型建立状态转移方程与观测方程，如下：其中，w
k
表示过程噪声，v
k
表示观测噪声，k＝1,2,
…
代表电池充放电的循环周期；(3)设当前充放电循环k为预测起点，利用粒子滤波算法对历史容量序列进行状态跟踪，确定状态转移方程中的未知参数；(4)初始化粒子滤波算法，参数包括：粒子数目N、过程噪声w
k
的协方差R、观测噪声v
k
的协方差Q；(5)基于粒子滤波算法进行容量的超前预报，计算电池容量的状态估计值即容量预报值C
k+1
；(6)设置超前预报步数为m，顺序重复执行上述步骤，最终得到超前m步的容量预报值C
k+1
、C
k+2
、
…
、C
k+m
。6.根据权利要求1、2或3所述的动力电池全生命周期健康监测方法，其特征在于，在所述潜在跳水区间，是先对电池潜在跳水区间容量序列进行离群点去除，然后基于潜在跳水区间电池容量序列建立状态转移方程、观测方程，最后进行电池容量超前多步预报。7.根据权利要求6所述的动力电池全生命周期健康监测方法，其特征在于，在所述潜在跳水区间进行电池容量超前多步预报，包括：
(1)对电池潜在跳水区间的容量序列进行预处理，去除离群点；(2)根据电池退化过程的经验模型建立状态转移方程与观测方程，如下：其中，w
k
表示过程噪声，v
k
表示观测噪声，k＝1,2,
…
代表电池充放电的循环周期；(3)设当前充放电循环k为预测起点，利用粒子滤波算法对历史容量序列进行状态跟踪，确定状态转移方程中的未知参数；(4)初始化粒子滤波算法，参数包括：粒子数目N、过程噪声w
k
的协方差R、观测噪声v
k
的协方差Q；(5)基于粒子滤波算法进行容量的超前预报，计算电池容量的状态估计值即容量预报值C
k+1
；(6)设置初始超前预报步数为m0，顺序重复执行上述步骤，得到容量预报值(7)当前充放电循环由k进入k+1后，超前预报步数变为m0+1，顺序重复执行上述步骤，之后当前充放电循环增加，超前预报步数也逐步+1。8.根据权利要求1、2或3所述的动力电池全生命周期健康监测方法，其特征在于，在所述关键阶段，是先对电池潜在跳水区间、关键阶段容量序列进行离群点去除，然后基于潜在跳水区间、关键阶段电池容量序列建立状态转移方程、观测方程，最后根据下式进行全程剩余寿命预测：rul
k
＝inf(l:f(l+k)≥γ)式中，inf(l)表示充放电...

【专利技术属性】
技术研发人员：王子豪，杜明豪，章恪颜，聂凯峰，翟钧，
申请(专利权)人：重庆长安新能源汽车科技有限公司，
类型：发明
国别省市：