电池SOH评估方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术提供一种电池SOH评估方法、装置、设备及可读存储介质，电池SOH评估方法包括：确定待评估电池的充电基础数据集和放电基础数据集；基于充电基础数据集和放电基础数据集，构建得到电池容量基础评估模型；确定待评估电池的充电差异数据集和放电差异数据集；基于充电差异数据集和放电差异数据集，构建得到电池容量差异评估模型；对电池容量基础评估模型和电池容量差异评估模型进行权重分配，构建得到电池容量评估模型。通过本发明专利技术，所构建的电池容量评估模型既体现了相似电池使用情况下的性能衰减程度，又具有不同电池间的差异性而导致的性能衰减差异，具有较强的鲁棒性。具有较强的鲁棒性。具有较强的鲁棒性。

【技术实现步骤摘要】
电池SOH评估方法、装置、设备及可读存储介质


[0001]本专利技术涉及电池
，尤其涉及一种电池SOH评估方法、装置、设备及可读存储介质。

技术介绍

[0002]锂动力电池由于其能量密度高、低污染、安全性高、使用寿命长，目前在电动汽车领域得到广泛的使用，锂动力电池的健康度(SOH，StateOfHealth，即电池使用过程中的当前额定容量与电池出厂时的初始额定容量的百分比)是电动汽车动力电池的一项重要性能指标，准确的锂动力电池健康度在线评估是电动车动力电池管理系统的关键技术之一。
[0003]锂动力电池的健康度与电池的电压、电流、内阻、温度等电气参数不同，无法通过相关仪器进行直接测量，它只是表示动力电池状态的一个定义量，动力电池性能在使用过程中受各种因素影响，除气候、地域等客观因素影响外，驾驶员驾驶行为、充电行为等对电池健康状态的影响也较大，电池荷电状态(SOC，StateOfCharge，指电池剩余容量与最大可用容量之比)也和电池的SOH紧密相关，而动力电池的性能直接影响电动汽车的续航里程的准确度，因此车主希望能够实时准确的获取电池的SOH，以实时的掌握动力电池的性能情况。
[0004]然而，目前动力电池SOH的评估方法中实验法需要在严格控制的试验条件下对电池进行测试，测试周期较长，不能应用于电动汽车动力电池SOH的在线评估，模型法又分为数学模型、电化学模型、等效电路模型，数学模型通过数学方程拟合实现SOH评估，计算简单但需要大量离线试验且精度欠佳，电化学模型使用偏微分方程描述电池动态特性，但过高的模型计算复杂度限制了其在实际电池管理系统中应用，等效电路模型使用电压源、电阻、电容等电路元件将电池动态特性进行等效电路模拟，再用最小二乘法、卡尔曼滤波等状态估计算法辨识模型参数以表征电池SOH，该方法能很好的模拟电池特性但需要提前精确的测定电池开路电压，同样不便于实车电池系统的应用。

技术实现思路

[0005]本专利技术的主要目的在于提供一种电池SOH评估方法、装置、设备及可读存储介质，旨在解决现有的电池SOH的评估方法不够方便，以及所评估出的电池SOH准确度不够高的技术问题。
[0006]第一方面，本专利技术提供一种电池SOH评估方法，所述电池SOH评估方法包括：
[0007]获取第一充电数据集和第一放电数据集；
[0008]计算第一充电数据集中每条数据的充电最大可用容量，将计算得到的充电最大可用容量加入第一充电数据集的每条数据中，得到第二充电数据集；
[0009]计算第一放电数据集中每条数据的放电最大可用容量，将计算得到的放电最大可用容量加入第一放电数据集的每条数据中，得到第二放电数据集；
[0010]根据待评估电池的分组标签，从第二电池充电数据集和第二电池放电数据集中，
确定待评估电池的充电基础数据集和放电基础数据集；
[0011]基于充电基础数据集和放电基础数据集，使用车辆使用天数和车辆行驶总里程，分别和充电最大可用容量以及放电最大可用容量，进行函数拟合，构建得到电池容量基础评估模型；
[0012]根据待评估电池的车辆标识，从第二充电数据集和第二放电数据集中，确定待评估电池的充电差异数据集和放电差异数据集；
[0013]基于充电差异数据集和放电差异数据集，使用车辆使用天数和车辆行驶总里程，分别和充电最大可用容量以及放电最大可用容量，构建得到电池容量差异评估模型；
[0014]对电池容量基础评估模型和电池容量差异评估模型进行权重分配，构建得到电池容量评估模型；
[0015]根据待评估电池的车辆使用天数和车辆行驶总里程，使用电池容量评估模型，计算得到待评估电池的当前最大可用容量；
[0016]根据待评估电池的当前最大可用容量和待评估电池的出厂额定容量，计算得到待评估电池的电池SOH。
[0017]可选的，所述第一充电数据集中的每条数据包括充电量、充电开始电池SOC和充电结束电池SOC，所述计算第一充电数据集中每条数据的充电最大可用容量包括：
[0018]根据第一充电数据集中每条数据的充电量、充电开始电池SOC和充电结束电池SOC，计算第一充电数据集中每条数据的充电最大可用容量。
[0019]可选的，所述第一放电数据集中的每条数据包括行程使用电量、行程回收电量、行程开始电池SOC和行程结束电池SOC，所述计算第一放电数据集中每条数据的放电最大可用容量包括：
[0020]根据第一放电数据集中每条数据的行程使用电量、行程回收电量、行程开始电池SOC和行程结束电池SOC，计算第一放电数据集中每条数据的放电最大可用容量。
[0021]可选的，所述待评估电池的充电基础数据集和放电基础数据集中的每条数据包括车辆使用天数和车辆行驶总里程，所述基于充电基础数据集和放电基础数据集，使用车辆使用天数和车辆行驶总里程，分别和充电最大可用容量以及放电最大可用容量，进行函数拟合，构建得到电池容量基础评估模型包括：
[0022]基于充电基础数据集和放电基础数据集，对车辆使用天数和充电最大可用容量，车辆使用天数和放电最大可用容量，车辆行驶总里程和充电最大可用容量，车辆行驶里总程和放电最大可用容量，分别进行函数拟合，得到第一拟合函数、第二拟合函数、第三拟合函数和第四拟合函数；
[0023]对第一拟合函数、第二拟合函数、第三拟合函数和第四拟合函数进行权重分配，构建得到电池容量基础评估模型；
[0024]构建得到的电池容量基础评估模型具体为：model_base＝m1*((w1*Ftc(day)+w2*Ftd(day))+m2*(w1*Fmc(mile)+w2*Fmd(mile))；
[0025]其中，model_base为电池容量基础评估模型输出的当前最大可用容量，Ftc(day)为第一拟合函数，Ftd(day)为第二拟合函数，Fmc(mile)为第三拟合函数，Fmd(mile)为第四拟合函数，day为车辆使用天数，mile为车辆行驶总里程，m1、m2、w1和w2分别为权重分配系数。
[0026]可选的，所述分组标签包括车辆型号、使用季节、使用地域、充电风格和驾驶风格，所述根据待评估电池的分组标签，从第二电池充电数据集和第二电池放电数据集中，确定待评估电池的充电基础数据集和放电基础数据集包括：
[0027]确定待评估电池的分组标签；
[0028]分别从第二电池充电数据集和第二电池放电数据集中，选取和待评估电池的分组标签相同的数据，得到待评估电池的充电基础数据集和放电基础数据集。
[0029]可选的，在所述根据待评估电池的当前最大可用容量和待评估电池的出厂额定容量，计算得到待评估电池的电池SOH之后，包括：
[0030]计算待评估电池的充电风格和驾驶风格中的每个特征项，与待评估电池的电池SOH之间的相关系数，对计算得到的相关系数按照升序排序，选取预设数量的第一特征项；
[0031]计算待评估电池的充电风格和驾驶风格中每个特征项，与全部车主的平均值的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池SOH评估方法，其特征在于，所述电池SOH评估方法包括：获取第一充电数据集和第一放电数据集；计算第一充电数据集中每条数据的充电最大可用容量，将计算得到的充电最大可用容量加入第一充电数据集的每条数据中，得到第二充电数据集；计算第一放电数据集中每条数据的放电最大可用容量，将计算得到的放电最大可用容量加入第一放电数据集的每条数据中，得到第二放电数据集；根据待评估电池的分组标签，从第二电池充电数据集和第二电池放电数据集中，确定待评估电池的充电基础数据集和放电基础数据集；基于充电基础数据集和放电基础数据集，使用车辆使用天数和车辆行驶总里程，分别和充电最大可用容量以及放电最大可用容量，进行函数拟合，构建得到电池容量基础评估模型；根据待评估电池的车辆标识，从第二充电数据集和第二放电数据集中，确定待评估电池的充电差异数据集和放电差异数据集；基于充电差异数据集和放电差异数据集，使用车辆使用天数和车辆行驶总里程，分别和充电最大可用容量以及放电最大可用容量，构建得到电池容量差异评估模型；对电池容量基础评估模型和电池容量差异评估模型进行权重分配，构建得到电池容量评估模型；根据待评估电池的车辆使用天数和车辆行驶总里程，使用电池容量评估模型，计算得到待评估电池的当前最大可用容量；根据待评估电池的当前最大可用容量和待评估电池的出厂额定容量，计算得到待评估电池的电池SOH。2.如权利要求1所述的电池SOH评估方法，其特征在于，所述第一充电数据集中的每条数据包括充电量、充电开始电池SOC和充电结束电池SOC，所述计算第一充电数据集中每条数据的充电最大可用容量包括：根据第一充电数据集中每条数据的充电量、充电开始电池SOC和充电结束电池SOC，计算第一充电数据集中每条数据的充电最大可用容量。3.如权利要求1所述的电池SOH评估方法，其特征在于，所述第一放电数据集中的每条数据包括行程使用电量、行程回收电量、行程开始电池SOC和行程结束电池SOC，所述计算第一放电数据集中每条数据的放电最大可用容量包括：根据第一放电数据集中每条数据的行程使用电量、行程回收电量、行程开始电池SOC和行程结束电池SOC，计算第一放电数据集中每条数据的放电最大可用容量。4.如权利要求1所述的电池SOH评估方法，其特征在于，所述待评估电池的充电基础数据集和放电基础数据集中的每条数据包括车辆使用天数和车辆行驶总里程，所述基于充电基础数据集和放电基础数据集，使用车辆使用天数和车辆行驶总里程，分别和充电最大可用容量以及放电最大可用容量，进行函数拟合，构建得到电池容量基础评估模型包括：基于充电基础数据集和放电基础数据集，对车辆使用天数和充电最大可用容量，车辆使用天数和放电最大可用容量，车辆行驶总里程和充电最大可用容量，车辆行驶里总程和放电最大可用容量，分别进行函数拟合，得到第一拟合函数、第二拟合函数、第三拟合函数和第四拟合函数；
对第一拟合函数、第二拟合函数、第三拟合函数和第四拟合函数进行权重分配，构建得到电池容量基础评估模型；构建得到的电池容量基础评估模型具体为：model_base＝m1*((w1*Ftc(day)+w2*Ftd(day))+m2*(w1*Fmc(mile)+w2*Fmd(mile))；其中，model_base为电池容量基础评估模型输出的当前最大可用容量，Ftc(day)为第一拟合函数，Ftd(day)为第二拟合函数，Fmc(mile)为第三拟合函数，Fmd(mile)为第四拟合函数，day为车辆使用天数，mile为车辆行驶总里程，m1、m2、w1和w2分别为权重分配系数。5.如权利要求1所述的电池SOH评估方法...

【专利技术属性】
技术研发人员：严俊，曹东，王磊，袁颖，万龙，刘杨，
申请(专利权)人：南斗六星系统集成有限公司，
类型：发明
国别省市：