基于云端数据的锂电池实时完整OCV-SOC曲线的构建方法技术

本发明专利技术公开了一种基于云端数据的锂电池实时完整OCV

【技术实现步骤摘要】
基于云端数据的锂电池实时完整OCV
‑
SOC曲线的构建方法


[0001]本专利技术涉及一种动力电池OCV
‑
SOC曲线的构建方法，特别涉及一种基于云端数据的锂电池实时完整OCV
‑
SOC曲线的构建方法，属于动力电池


技术介绍

[0002]电池荷电状态(State of Charge,SOC)的准确估计能够防止电池过充过放，提高电池性能，延长电池使用寿命。在众多SOC估计算法中，开路电压法和卡尔曼滤波算法是最为常用的方法。开路电压法是通过长时间静置试验得到不同SOC下对应的开路电压(Open Circuit Voltag e,OCV)，进而建立OCV与SOC间关系，实现基于开路电压的SOC估计。卡尔曼滤波算法则是根据电池模型建立相应的状态方程和观测方程，通过系统输出的观测值及实测值，对系统状态进行最小方差意义上的最优估计，从而实现SOC估计。其中观测方程的建立仍是以OCV
‑
SOC曲线作为基准，端电压作为反馈信号，从而实现对SOC估计值的闭环修正。OCV
‑
SOC关系的准确性对电池SOC估计存在直接影响，同时电池健康状态(State of Health,SOH)估计的精准性也依赖于OCV
‑
SOC间关系。因此，准确的OCV
‑
SOC曲线对提高电池状态估计的精度至关重要。
[0003]由于实车运行工程中一般不存在长时间静置的工况，在初步阶段，许多研究人员通过实验室数据研究了OCV与SOC的关系。然而，实验环境或者仿真模拟过于理想化，通常很难模拟实车运行中复杂多变的工况。近年来针对实际工况下锂离子电池的OCV
‑
SOC关系的研究逐渐增多，例如：基于实车数据分段辨识OCV，把辨识结果拼接成一条长的OCV
‑
容量(Ampere
‑
hour,Ah)曲线，最后通过实验室构建的OCV
‑
Ah数据库查表将辨识得到的OCV
‑
Ah曲线两端补齐，从而获得完整的OCV
‑
Ah曲线；基于实车数据分段辨识OCV
‑
SOC曲线，根据数据片段构建实车数据片段集，根据实测的SOC和容量建立参考数据集，按照参考数据集把实车数据片段集的辨识结果拼接成完整的OCV
‑
SOC曲线。但以往的研究中均需要建立大量的参考数据库，并且均通过电池容量这一参数来计算OCV，这大大增加了时间成本，而且数据片段SOC初始值对辨识结果影响很大。实际上，上传到大数据中心即云端的数据通常降低精度，上述研究辨识OCV
‑
SOC时没有考虑修正SOC。同时，上述研究未能考虑电池每次充放过程的不同相变所带来的OCV
‑
SOC曲线中部电压平台趋势的实时改变。
[0004]因此，无法构建出能够适应不同温度且准确描述OCV
‑
SOC的模型，无法构建出基于充电阶段完整的OCV
‑
SOC曲线，并实现OCV
‑
SOC曲线的实时更新。

技术实现思路

[0005]专利技术目的：针对现有技术中存在的问题，本专利技术提供了一种基于云端数据的锂电池实时完整OCV
‑
SOC曲线的构建方法。本专利技术采用类比法辨识云端数据放电片段OCV
‑
SOC关系，并与实验室测得OCV
‑
SOC曲线对比，分析出实车工况与实验测试下的电池特性；通过分析电池OCV
‑
SOC曲线特性，构建出能够适应不同温度且准确描述OCV
‑
SOC的模型；通过分析充电阶段特性，重构出充电阶段完整的OCV
‑
SOC曲线，并实现OCV
‑
SOC曲线的实时更新。
[0006]技术方案：一种基于云端数据的锂电池实时完整OCV
‑
SOC曲线的构建方法，包括以下步骤：
[0007]步骤一、构建电池模型；
[0008]步骤二、辨识放电片段OCV，基于类比法辨识放电片段OCV；
[0009]步骤三、构建OCV
‑
SOC模型，通过分析电极电势模型中电池电极的嵌锂率与SOC的关系，对电极电势表达式进行改进，获得OCV
‑
SOC模型；
[0010]步骤四、基于充电阶段辨识完整OCV
‑
SOC模型，包括欧姆内阻变化趋势分析、充电阶段特性分析、完整OCV
‑
SOC求解、OCV
‑
SOC关系实时更新。
[0011]进一步，所述步骤一中构建的电池模型为一阶RC等效电路模型，该模型的方程如下：
[0012][0013]式中，U
OCV
为开路电压，I为工作电流，R0为欧姆内阻，R1为极化内阻，C1为极化电容，U1表示极化电压即R1C1两端的电压，U为端电压。
[0014]进一步，所述步骤二中基于类比法辨识放电片段OCV，采用电池混合功率脉冲(Hybrid Pulse Power Characteristic,HPPC)工况下零输入响应阶段端电压U与时间t的函数关系，具体函数关系为：
[0015][0016]式中，e为自然常数，τ1＝R1C1为时间常数；
[0017]HPPC工况下零输入响应阶段端电压U与时间t符合指数函数关系，指数函数表达式为：
[0018][0019]式中，y0是U
OCV
的一般化表示，是的一般化表示，A1和t1代表一般化系数，x代表一般化因变量；
[0020]对比式(2)、(3)，可以求得电池OCV如下：
[0021]y0＝U
OCV
ꢀꢀꢀ
(4)
[0022]将云端数据中电流在0A附近波动的数据片段视为零输入响应阶段，并选取至少3个以上电流在0A附近波动的连续数据片段中的电压和采集时间数据带入式(3)进行拟合，进而求得参数y0，根据式(4)求得电池组开路电压U
OCV
；
[0023]根据电池成组方式计算的单体电池平均开路电压U
OCV,dis
，计算公式如下：
[0024][0025]式中，n为电池包中串联电池个数。
[0026]进一步，所述步骤三中分析电极电势模型中电池电极的嵌锂率与SOC的关系，对电极电势表达式进行改进，获得OCV
‑
SOC模型，具体改进方法如下：
[0027]首先，电极电势模型表达式由三个主要部分组成，表达式如下：
[0028][0029]式中，U(x)为电极电势，x为嵌锂率，a1，b1，b2，c1，c2，d
i
，e
i
和f
i
(i为双曲正切(tanh)函数的项数)为对应温度下电极电势的相关参数，且均为大于0的有理数；
[0030]分析电池本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云端数据的锂电池实时完整OCV
‑
SOC曲线的构建方法，其特征在于，包括以下步骤：步骤一、构建电池模型；步骤二、辨识放电片段OCV，基于类比法辨识放电片段OCV；步骤三、构建OCV
‑
SOC模型，通过分析电极电势模型中电池电极的嵌锂率与SOC的关系，对电极电势表达式进行改进，获得OCV
‑
SOC模型；步骤四、基于充电阶段辨识完整OCV
‑
SOC模型，包括欧姆内阻变化趋势分析、充电阶段特性分析、完整OCV
‑
SOC求解、OCV
‑
SOC关系实时更新。2.根据权利要求1所述的基于云端数据的锂电池实时完整OCV
‑
SOC曲线的构建方法，其特征在于，所述步骤一中构建的电池模型为一阶RC等效电路模型，该模型的方程如下：式中，U
OCV
为开路电压，I为工作电流，R0为欧姆内阻，R1为极化内阻，C1为极化电容，U1表示极化电压即R1C1两端的电压，U为端电压。3.根据权利要求1所述的基于云端数据的锂电池实时完整OCV
‑
SOC曲线的构建方法，其特征在于，所述步骤二中基于类比法辨识放电片段OCV，采用电池混合功率脉冲(Hybrid Pulse Power Characteristic,HPPC)工况下零输入响应阶段端电压U与时间t的函数关系，具体函数关系为：式中，e为自然常数，τ1＝R1C1为时间常数；HPPC工况下零输入响应阶段端电压U与时间t符合指数函数关系，指数函数表达式为：式中，y0是U
OCV
的一般化表示，是的一般化表示，A1和t1代表一般化系数，x代表一般化因变量；对比式(2)、(3)，可以求得电池OCV如下：y0＝U
OCV
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)将云端数据中电流在0A附近波动的数据片段视为零输入响应阶段，并选取至少3个以上电流在0A附近波动的连续数据片段中的电压和采集时间数据带入式(3)进行拟合，进而求得参数y0，根据式(4)求得电池组开路电压U
OCV
；根据电池成组方式计算的单体电池平均开路电压U
OCV,dis
，计算公式如下：式中，n为电池包中串联电池个数。4.根据权利要求1所述的基于云端数据的锂电池实时完整OCV
‑
SOC曲线的构建方法，其特征在于，所述步骤三中分析电极电势模型中电池电极的嵌锂率与SOC的关系，对电极电势表达式进行改进，获得OCV
‑
SOC模型，具体改进方法如下：
首先，电极电势模型表达式由三个主要部分组成，表达式如下：式中，U(x)为电极电势，x为嵌锂率，a1，b1，b2，c1，c2，d
i
，e
i
和f
i
(i为双曲正切(tanh)函数的项数)为对应温度下电极电势的相关参数，且均为大于0的有理数；分析电池阴极嵌锂率与SOC的关系，将式(6)中的x变为1
‑
s，从而建立描述全电池OCV
‑
SOC关系模型，具体表述为：式中，s是电池SOC。5.根据权利要求4所述的基于云端数据的锂电池实时完整OCV
‑
SOC曲线的构建方法，其特征在于：所述全电池OCV
‑
SOC关系模型的表达式(7)拆分为常数项
①
、指数项
②
和正切函数项
③
；其中，常数项
①
中a1用于表示电池在不同温度和老化状态下，开路电压曲线的上下偏移；指数项
②
中和分别描述开路电压曲线两端变化趋势；双曲正切函数项
③
用于描述开路电压曲线中间部分由于相变而产生的电压平台，通过一个或多个双曲正切函数进行描述，随着对应平台的增加，项也随...

【专利技术属性】
技术研发人员：王丽梅，孙景景，金梦洁，高恺旭，罗富林，赵秀亮，汪若尘，盘朝奉，孙晓东，蔡英凤，陈龙，孙洪良，严学庆，
申请(专利权)人：江苏大学，
类型：发明
国别省市：