一种基于电压电流特征的动力电池健康状态估计方法技术

本发明专利技术公开一种基于电压电流特征的动力电池健康状态估计方法，涉及动力电池技术安全领域，其特征在于，包括以下步骤：S1：采取动态工况放电过程中的电压积分、放电时间、净放电电能作为描述电池的老化特征；S2：采取动态工况放电过程中的电流均值、放电量比重作为描述动态工况的工况特征；S3：将老化特征与工况特征进行融合，得到融合特征；S4：建立融合特征与电池SOH之间的多元线性回归模型。本发明专利技术直接利用动态工况放电的电流、电压数据提取能够反应电池老化的健康特征，建立电池SOH估计模型。建立电池SOH估计模型。建立电池SOH估计模型。

【技术实现步骤摘要】
一种基于电压电流特征的动力电池健康状态估计方法


[0001]本专利技术涉及动力电池技术安全领域，具体地讲，涉及一种基于电压电流特征的动力电池健康状态估计方法。

技术介绍

[0002]随着汽车大规模普及和使用，汽车保有量越来越高。与此同时，燃油汽车尾气排放对大气的污染也越来越严重。同时，随着汽车工业技术发展，新能源汽车技术也不断成熟。新能源汽车不仅在环保方面有明显优势，在价格、成本、动力等方面也有独特的优势，越来越多的汽车消费者将新能源汽车作为重要的购车选择之一。
[0003]锂电池作为新能源汽车的核心关键，电池的健康状态的准确估计对电池的有效利用至关重要。
[0004]目前，新能源汽车锂电池的健康状态估计的方法主要分为三大类：数据驱动法、直接测量法和基于模型的方法。数据驱动法不需要辨识电池内部参数的变化，只需要分析电池外部监测数据与电池老化之间的内在联系，评估电池的健康状态，但该方法的缺点是需要大量的数据训练模型，工作量大。直接测量法的主要内容是通过测量电池的内部参数，然后根据内部数据的变化估计电池的健康状态，但由于该方法对实验条件要求较高，一些实验方法无法实现在线应用，因此直接测量法通常是为基于模型的方法提供离线的理论依据。基于模型的方法通常借助等效电路模型以及电化学模型等，然后辨识模型的参数结合滤波算法，实现电池的SOH估计，但方法需要采用有效的计算过程来平衡精度和计算复杂度，模型老化参数的准确辨识也是需要解决的难题。
[0005]电动汽车在实际行驶过程中，电池在同一老化点下会经历多种动态放电工况，由于放电工况的不同，其放电时间可能会不同，放电过程电压剧烈波动，对于稳定工况适用的等放电时间压降以及电压平台斜率等都无法适用于动态工况放电过程的健康特征提取。因此，从不同的动态放电工况的数据中提取能够反映当前电池SOH的统一特征就显得尤为重要了。

技术实现思路

[0006]本专利技术要解决的技术问题是提供一种基于电压电流特征的动力电池健康状态估计方法，直接利用动态工况放电的电流、电压数据提取能够反应电池老化的健康特征，建立电池SOH估计模型。首先利用锂电池动态工况放电测试数据提取老化特征和工况特征，将二者进行融合得到三个融合特征，分析融合特征与电池健康状态的相关性，然后将融合特征作为输入建立电池SOH估计模型，最后利用容恒流工况数据验证了提取融合特征的有效性，并用三元锂电池数据集验证了所提出的SOH估计方法的通用性。
[0007]本专利技术采用如下技术方案实现专利技术目的：一种基于电压电流特征的动力电池健康状态估计方法，其特征在于，包括以下步骤：
S1：采取动态工况放电过程中的电压积分、放电时间、净放电电能作为描述电池的老化特征；S2：采取动态工况放电过程中的电流均值、放电量比重作为描述动态工况的工况特征；S3：将老化特征与工况特征进行融合，得到融合特征；S4：建立融合特征与电池SOH之间的多元线性回归模型。
[0008]作为本技术方案的进一步限定，所述S1中，电池放电电压积分代表电池在一定时间内放电所引起的电势差的累积变化，计算公式如（1）所示：
ꢀꢀꢀꢀꢀ
（1）其中：为放电电压积分；为放电电压；为放电时间。
[0009] 作为本技术方案的进一步限定，所述S1中，电池净放电电能指的是电池在实际使用过程中放电所释放的能量，计算公式如（2）所示：（2）其中：为电池动态工况放电过程中的净放电电能；为放电电流对应的电压；为放电电流；为放电部分时间；为充电电流对应的电压；为充电电流；为充电部分时间。
[0010]作为本技术方案的进一步限定，所述S2中，放电量比重是指电池在动态工况放电过程中，放电量与充电量和放电量之和的比值，如式（3）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）其中：为放电量比重；为动态工况放电过程中的放电量；为动态工况放电过程中的充电量。
[0011]作为本技术方案的进一步限定，所述S3中具体的融合方式如下所示：S31：为了描述放电电压积分与放电电流均值之间的相关关系，用三次多项式对初
始老化点放电电压积分与放电电流均值进行拟合，拟合关系式如式（4）所示：
ꢀꢀꢀꢀꢀꢀꢀ
（4）其中：为初始老化点四种动态工况的放电电压积分；为四种不同的动态工况；为初始老化点四种动态工况的放电电流均值；为三次多项式系数；对放电电压积分与放电电流均值按照式（5）进行特征融合；
ꢀꢀꢀꢀꢀꢀꢀꢀ
（5）其中：为融合特征；为放电电压积分；为放电电流均值；为循环数；S32：为了描述放电时间与放电电流均值之间的相关关系，用三次多项式对初始老化点的放电时间与放电电流均值进行拟合，拟合关系式如式（6）所示：
ꢀꢀꢀꢀꢀꢀ
（6）其中：为初始老化点四种动态工况的放电时间；为三次多项式系数；对放电电压积分与放电电流均值按照式（7）进行特征融合；
ꢀꢀꢀꢀꢀ
（7）其中：为融合特征；为放电时间；S33：用一次多项式对初始老化点的净放电电能与放电量比重进行拟合，拟合关系式如式（8）所示：
ꢀꢀꢀꢀ
（8）其中：为初始老化点四种动态工况的净放电电能；为初始老化点四种动态工况的放电量比重；
为一次多项式系数；对净放电电能与放电量比重按照式（9）进行特征融合；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）其中：为融合特征；为净放电电能；为放电量比重。
[0012]作为本技术方案的进一步限定，所述S4中，融合特征、及为三个自变量，电池SOH为因变量，构建多元线性回归模型，在多元线性回归模型中，假设因变量和个自变量之间存在线性关系，即：
ꢀꢀꢀꢀꢀꢀ
（10）其中：是模型的回归系数；是误差项，表示因变量不能完全由自变量, , ...,解释的部分。
[0013]与现有技术相比，本专利技术的优点和积极效果是：本方法能够直接利用动态工况放电的电流、电压数据提取反应电池老化的健康特征，建立的动力电池SOH估计模型具有良好的精度和泛化性能。
[0014]本方法提出的三个融合特征解决了不同工况在同一老化点下提取健康特征存在差异的问题。
[0015]本方法实现了利用不同动态工况对动力电池健康状态进行评估。
[0016]本方法所提出的SOH估计方法对不同材料体系的锂电池同样适用。
附图说明
[0017]图1为本专利技术的流程图。
[0018]图2为本专利技术的BJDST工况放电电压曲线。
[0019]图3为本专利技术的BJDST工况放电电压曲线。
[0020]图4为本专利技术的四种动态工况净放电电能。
[0021]图5 为本专利技术的四种动态工况放电电压积分。
[0022]图6 为本专利技术的四种动态工况放电电流均值。
[0023]图7 为本专利技术的四种动态工况放电时间。
[0024]图8 为本专利技术的四种动态工况放电量比重。
[0025]图9 为本专利技术的融合特征F1随电池老化变化曲线；（a）本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电压电流特征的动力电池健康状态估计方法，其特征在于，包括以下步骤：S1：采取动态工况放电过程中的电压积分、放电时间、净放电电能作为描述电池的老化特征；S2：采取动态工况放电过程中的电流均值、放电量比重作为描述动态工况的工况特征；S3：将老化特征与工况特征进行融合，得到融合特征；S4：建立融合特征与电池SOH之间的多元线性回归模型。2.根据权利要求1所述的基于电压电流特征的动力电池健康状态估计方法，其特征在于：所述S1中，电池放电电压积分代表电池在一定时间内放电所引起的电势差的累积变化，计算公式如（1）所示：
ꢀꢀꢀꢀꢀ
（1）其中：为放电电压积分；为放电电压；为放电时间。3.根据权利要求2所述的基于电压电流特征的动力电池健康状态估计方法，其特征在于：所述S1中，电池净放电电能指的是电池在实际使用过程中放电所释放的能量，计算公式如（2）所示：（2）其中：为电池动态工况放电过程中的净放电电能；为放电电流对应的电压；为放电电流；为放电部分时间；为充电电流对应的电压；为充电电流；为充电部分时间。4.根据权利要求1所述的基于电压电流特征的动力电池健康状态估计方法，其特征在于：所述S2中，放电量比重是指电池在动态工况放电过程中，放电量与充电量和放电量之和的比值，如式（3）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）其中：为放电量比重；为动态工况放电过程中的放电量；
为动态工况放电过程中的充电量。5.根据权利要求4所述的基于电压电流特征的动力电池健康状态估计方法，其特征在于：所述S3中具体的融合方式如下所示：S31：为了描述放电电压积分与放电电流均值之间的相关关系，用三次多项式对初始老化点放电电压积分与放电电流均值进行拟合，拟合关系式如式（4）所示：
...

【专利技术属性】
技术研发人员：程兴群，李欣欣，刘晓龙，刘世卓，于全庆，朱颜，刘晓东，杜娟，
申请(专利权)人：聊城大学，
类型：发明
国别省市：