一种锂离子电池健康状态评估方法及系统技术方案

本发明专利技术提供了一种锂离子电池健康状态评估方法及系统，其方法包括以下步骤：采集待测锂离子电池的温度数据和电压数据，提取电量变化量方差特征；提取不一致性特征；对电量变化量方差特征和不一致性特征进行特征预处理；构建并训练高斯过程回归模型，将预处理后的电量变化量方差特征和不一致性特征输入至训练后的高斯过程回归模型，进行锂离子电池健康状态评估。该锂离子电池健康状态评估方法通过提取适用于工程数据的表征电池健康状态的多维特征并将其进行预处理，再基于变分推理的序列化高斯过程回归算法，实现电池健康状态的在线更新。本发明专利技术针对非恒流的不稳定工况也可完成电池的健康状态评估，适用范围广泛。适用范围广泛。适用范围广泛。

【技术实现步骤摘要】
一种锂离子电池健康状态评估方法及系统


[0001]本专利技术涉及电池评估
，具体而言，涉及一种锂离子电池健康状态评估方法及系统。

技术介绍

[0002]近年来，随着我国提出“碳达峰、碳中和”的双碳目标，不同类型不同规模的储能得到了快速发展。锂电池由于其无污染、自放电小及能量密度高等优异性能，成为了储能最主要技术选择。然而，锂电池本身存在不可忽视的安全问题：锂电池采用的是低沸点、易燃且材料热值高的有机电解液，若电池本体或电气设备等突发故障，材料极易发生副反应而放出大量的热，从而导致电池热失控，进而引发储能系统燃烧爆炸等严重安全事故。因此电池的故障预测和健康管理对电池系统的运行维护至关重要。而通过实现对电池健康状态SOH的评估，能够反映出电池的性能退化程度，以便于开展电池异常衰竭识别的研究。因此，电池SOH的准确评估对保障锂电池的安全和稳定运行具有重要实际意义。
[0003]电池SOH是反应电池健康状态的数据，主要包括容量、内阻、功率和自放电等，通过计算当前状态与初始状态的比值，得到对应的电池SOH。目前主要的SOH评估方式是基于等效电路模型或电化学机理模型的参数辨识，或根据测量值和模型估计值的差异进行故障辨识；另一种方法是基于数据驱动的SOH评估模型，通过对运行数据进行各类特征提取，进一步分析特征量的关联和变化来实现SOH评估。
[0004]在以往评估断齿SOH的方法中，存在以下几个问题：（1）采用基于等效电路模型或电化学机理模型的方法通常需要较为稳定的工况，对数据的采集精度要求较高，并且模型的建立与计算难度较大，难以工程应用。（2）基于数据驱动的SOH评估方法难以获得训练模型所需的大量实际工程中的运行数据，即使获得也与实验室数据域不同，难以提取模型所需特征。因此此类方法对电池SOH评估精度不高。

技术实现思路

[0005]本专利技术的目的在于提供一种锂离子电池健康状态评估方法及系统，其适用于实际工程下的电池健康状态评估。
[0006]本专利技术的实施例通过以下技术方案实现：一种锂离子电池健康状态评估方法包括以下步骤：采集待测锂离子电池的温度数据和电压数据，并根据电压数据提取电量变化量方差特征；根据待测锂离子电池的温度数据和电压数据，提取不一致性特征；对电量变化量方差特征和不一致性特征进行特征预处理；构建并训练高斯过程回归模型，将预处理后的电量变化量方差特征和不一致性特征输入至训练后的高斯过程回归模型，进行锂离子电池健康状态评估。
[0007]本专利技术实施例的技术方案至少具有如下优点和有益效果：
（1）该锂离子电池健康状态评估方法通过提取适用于工程数据的表征电池健康状态的多维特征并将其进行预处理，再基于变分推理的序列化高斯过程回归算法，实现电池健康状态的在线更新。本专利技术针对非恒流的不稳定工况也可完成电池的健康状态评估，适用范围广泛；（2）该锂离子电池健康状态评估方法另外特别适用于实际工程中数据收集较困难和数据质量较低的情况，从而提高工程中电池健康状态评估的准确性。通过本专利技术的研究成果，可以结合电池的实际运行工况准确估计电池健康状态，为更好地评估电池老化情况提供重要的参考价值，更大程度上保障电池安全和稳定运行，为电池行业持续快速发展起积极推动作用。
[0008]进一步地，采集待测锂离子电池的温度数据和电压数据，并根据电压数据提取电量变化量方差特征，包括以下步骤：采集待测锂离子电池的温度数据和电压数据，并根据电压数据计算间隔起止点序列；根据电压数据的间隔起止点序列，确定若干个电压间隔；获取待测锂离子电池在任意两次电池循环后各电压间隔对应的片段电压数据；对各个片段电压数据进行安时积分，得到两次电池循环分别对应的电量变化序列；计算两次电池循环对应的电量变化序列之间的差值，得到差值序列；计算差值序列的方差，作为电量变化量方差特征。
[0009]进一步地，根据待测锂离子电池的温度数据和电压数据，提取不一致性特征，包括以下步骤：获取待测锂离子电池在第一次电池循环后的温差序列和压差序列；计算温度序列对应的温度熵序列和压差序列对应的电压熵序列；计算温差序列、压差序列、温度熵序列和电压熵序列各自对应的极值、极差和方差，作为不一致性特征。
[0010]进一步地，对电量变化量方差特征和不一致性特征进行特征预处理的具体方法为：对电量变化量方差特征和不一致性特征依次进行对数处理、归一化处理和降维处理。
[0011]进一步地，构建并训练高斯过程回归模型，将预处理后的电量变化量方差特征和不一致性特征输入至训练后的高斯过程回归模型，进行锂离子电池健康状态评估，包括以下步骤：构建高斯过程回归模型；利用温度数据和电压数据训练高斯过程回归模型；将预处理后的电量变化量方差特征和不一致性特征输入至训练后的高斯过程回归模型，进行锂离子电池健康状态评估。
[0012]进一步地，高斯过程回归模型的协方差函数k
SE
‑
ARD
(x,x')的表达式为：式中，x表示实际值，x'表示预测值，σ
f
表示用于控制所有协方差幅度的超参数，
exp(
·
)表示指数函数，d表示输入特征数量，x
i
表示目标观测值，表示预测输出值，l
i
表示第i个输入特征的超参数。
[0013]进一步地，利用温度数据和电压数据训练高斯过程回归模型的具体方法为：在温度数据和电压数据中引入若干个诱导点，利用温度数据和电压数据对高斯过程回归模型进行训练。
[0014]本专利技术还提供了一种锂离子电池健康状态评估系统，包括数据采集单元、特征提取单元、特征处理单元和状态评估单元；数据采集单元用于采集待测锂离子电池的温度数据和电压数据；特征提取单元用于根据电压数据提取电量变化量方差特征，并根据温度数据和电压数据，提取不一致性特征；特征处理单元用于对电量变化量方差特征和不一致性特征进行特征预处理；状态评估单元用于构建并训练高斯过程回归模型，将预处理后的电量变化量方差特征和不一致性特征输入至训练后的高斯过程回归模型，进行锂离子电池健康状态评估。
[0015]本专利技术实施例的技术方案至少具有如下优点和有益效果：该锂离子电池健康状态评估系统通过从收集的数据中提取信息，进行模型参数的在线更新，可得到较为准确的电池健康状态，引入高斯过程回归模型，降低了模型计算的复杂度，适用于实际工程中非恒流的不稳定工况，在锂电池的实际工程应用中具有很强的推广性。
附图说明
[0016]图1为本专利技术实施例提供的锂离子电池健康状态评估方法的流程图；图2为本专利技术实施例提供的锂离子电池健康状态评估系统的结构图。
具体实施方式
[0017]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0018]一种锂离子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂离子电池健康状态评估方法，其特征在于，包括以下步骤：采集待测锂离子电池的温度数据和电压数据，并根据电压数据提取电量变化量方差特征；根据待测锂离子电池的温度数据和电压数据，提取不一致性特征；对电量变化量方差特征和不一致性特征进行特征预处理；构建并训练高斯过程回归模型，将预处理后的电量变化量方差特征和不一致性特征输入至训练后的高斯过程回归模型，进行锂离子电池健康状态评估。2.根据权利要求1所述的锂离子电池健康状态评估方法，其特征在于：所述采集待测锂离子电池的温度数据和电压数据，并根据电压数据提取电量变化量方差特征，包括以下步骤：采集待测锂离子电池的温度数据和电压数据，并根据电压数据计算间隔起止点序列；根据电压数据的间隔起止点序列，确定若干个电压间隔；获取待测锂离子电池在任意两次电池循环后各电压间隔对应的片段电压数据；对各个片段电压数据进行安时积分，得到两次电池循环分别对应的电量变化序列；计算两次电池循环对应的电量变化序列之间的差值，得到差值序列；计算差值序列的方差，作为电量变化量方差特征。3.根据权利要求1所述的锂离子电池健康状态评估方法，其特征在于：所述根据待测锂离子电池的温度数据和电压数据，提取不一致性特征，包括以下步骤：获取待测锂离子电池在第一次电池循环后的温差序列和压差序列；计算温度序列对应的温度熵序列和压差序列对应的电压熵序列；计算温差序列、压差序列、温度熵序列和电压熵序列各自对应的极值、极差和方差，作为不一致性特征。4.根据权利要求1所述的锂离子电池健康状态评估方法，其特征在于：所述对电量变化量方差特征和不一致性特征进行特征预处理的具体方法为：对电量变化量方差特征和不一致性特征依次进行对数处理、归一化处理和降维处理。5.根据权利要求1所述的锂离子电池健康状态评估方法，其特征在于：所述构建并...

【专利技术属性】
技术研发人员：梁惠施，贡晓旭，刘珂，周奎，林俊，史梓男，李棉刚，王姿尧，郝城，廖星媛，朱博，
申请(专利权)人：清华四川能源互联网研究院，
类型：发明
国别省市：