一种全温度锂离子电池OCV评估方法及系统技术方案

本发明专利技术提出了一种全温度锂离子电池OCV评估方法及系统，包括：获取锂离子电池在不同温度下的SOC和OCV数据并进行预处理；设置XGBoost算法参数；结合处理后的数据基于XGBoost构建OCV

【技术实现步骤摘要】
一种全温度锂离子电池OCV评估方法及系统


[0001]本专利技术属于电池管理系统
，尤其涉及一种全温度锂离子电池OCV评估方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着能源转型的逐步推进，锂离子电池因能量密度高，自放电率低等优点，在储能领域受到广泛关注。电池的荷电状态(state of charge，SOC)是电池管理系统的重要参数，其反应了电池的剩余可用电量。精确估计电池的荷电状态是电池管理系统稳定工作的重要基础。开路电压(open circuit voltage，OCV)是电池开路状态下的端电压，在一定温度下，OCV与SOC之间存在一一对应关系，可以建立OCV
‑
SOC映射模型，该模型是基于等效电路模型法和卡尔曼滤波法等方法进行电池SOC估计的基础。如果OCV
‑
SOC映射模型建立得不够准确，可能导致SOC估计时产生较大误差。
[0004]现有方案采用多项式回归的方法，通过对几组固定温度下的OCV和SOC数据进行处理和拟合，得到能够较好反应锂离子电池在各种温度下OCV和SOC对应关系的多项式模型。
[0005]传统的多项式回归方法虽然建模简单且精度高，但只能在某一固定温度下建立对应的OCV
‑
SOC模型。而在实际应用中，电池的温度往往是变化不定的。当电池温度发生变化时，电池OCV和SOC的对应关系将会发生改变，在固定温度下建立的OCV
‑<br/>SOC模型精度因此下降，进而导致电池SOC估计误差增大，对整体电池管理系统产生不利影响。
[0006]此外，在多项式回归时采用取平均值的方法对几个温度下的数据进行处理后也无法得到高精度全工作温度范围的OCV
‑
SOC模型，反而降低了特定温度下的模型精度。

技术实现思路

[0007]为克服上述现有技术的不足，本专利技术提供了一种全温度锂离子电池OCV评估方法，能构建适用于整个工作温度范围的OCV与SOC间的一对一映射关系模型，用于锂离子电池SOC估计中，以在电池工作温度变化时提高SOC估计的准确性。
[0008]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
[0009]第一方面，公开了一种全温度锂离子电池OCV评估方法，包括：
[0010]获取锂离子电池在不同温度下的SOC和OCV数据并进行预处理；
[0011]设置XGBoost算法参数；
[0012]结合处理后的数据基于XGBoost构建OCV
‑
SOC模型，输入特征为电池温度和SOC，输出为OCV；
[0013]对OCV
‑
SOC模型进行训练获得最优模型参数；
[0014]将待测试的电池温度和SOC数据输入到最优OCV
‑
SOC模型中对锂离子电池的OCV进行估计。
[0015]第二方面，公开了一种全温度锂离子电池OCV评估方法，包括：
[0016]数据获取模块，被配置为：获取锂离子电池在不同温度下的SOC和OCV数据并进行预处理；
[0017]最优模型获取模块，被配置为：设置XGBoost算法参数；
[0018]结合处理后的数据基于XGBoost构建OCV
‑
SOC模型，输入特征为电池温度和SOC，输出为OCV；
[0019]对OCV
‑
SOC模型进行训练获得最优模型参数；
[0020]测试模块，被配置为：将待测试的电池温度和SOC数据输入到最优OCV
‑
SOC模型中对锂离子电池的OCV进行估计。
[0021]以上一个或多个技术方案存在以下有益效果：
[0022]本专利技术技术方案为能够在全工作温度范围下准确反应锂离子电池OCV
‑
SOC关系特性，实现精确OCV评估。电池管理系统中虽然有热管理技术的存在，但无法保持锂离子电池温度恒定，只能保证锂离子电池处于高性能工作温度范围内。然而传统的多项式回归模型，只能利用确定温度下的单组电池数据或数学处理后的多温度单组电池数据拟合建立，泛化能力差，无法精确反应全工作温度范围内的OCV
‑
SOC关系，进而降低SOC估计精度和电池管理系统的可靠性。此外，基于XGBoost的OCV
‑
SOC模型与传统多项式模型的测试集估计速度几乎相同，这证明了本专利技术在不更多占用计算机资源的同时，大幅提高了估计精度。
[0023]本专利技术提出的一种全温度锂离子电池OCV评估方法及系统，相比于传统多项式回归方法增加了温度特征，仅需对几组工作温度范围内或者范围外的锂离子电池充放电监测数据进行训练，便能建立精确反应全工作温度范围内OCV
‑
SOC关系的模型，完成电池OCV估计，泛化能力强，估计速度快，保证了全工作温度范围内电池管理系统的安全稳定运行。
[0024]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0025]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0026]图1为本专利技术实施例整体方法实施流程图；
[0027]图2为本专利技术实施例测试1模型仿真结果对比图；
[0028]图3为本专利技术实施例测试2模型仿真结果对比图。
具体实施方式
[0029]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0030]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。
[0031]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0032]实施例一
[0033]本实施例公开了一种全温度锂离子电池OCV评估方法，包括：
[0034]采用XGBoost(极限梯度提升)算法建立全工作温度下的OCV和SOC映射关系模型；
[0035]获取锂离子电池工作温度值及SOC值并结合OCV和SOC之间的映射关系模型估计电池OCV值。
[0036]通过上述方案解决了因OCV
‑
SOC映射关系建立不精确而导致锂离子电池SOC估计精度降低的技术问题。
[0037]关于实施数据介绍：
[0038]本专利技术实施例所采用的数据为美国马里兰大学的开源A123锂离子电池数据，分为7号和8号电池两组。该数据集所采用的电池为额定容量2.23mAh的磷酸铁锂电池，工作电压范围为2.0V到3.6V，为得到真实的实验数据，采用恒流充放电，充放电速率为0.05C，充放电电池电压平均值可认为是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全温度锂离子电池OCV评估方法，其特征是，包括：获取锂离子电池在不同温度下的SOC和OCV数据并进行预处理；设置XGBoost算法参数；结合处理后的数据基于XGBoost构建OCV
‑
SOC模型，输入特征为电池温度和SOC，输出为OCV；对OCV
‑
SOC模型进行训练获得最优模型参数；将待测试的电池温度和SOC数据输入到最优OCV
‑
SOC模型中对锂离子电池的OCV进行估计。2.如权利要求1所述的一种全温度锂离子电池OCV评估方法，其特征是，对数据进行预处理包括：对缺失数据进行插值，对异常数据进行丢弃，其中，异常数据为OCV值大于电池开路电压上限值或者小于电池开路电压下限值的数据；对SOC和电池温度数据进行z
‑
score标准化并划分训练集、验证集和测试集。3.如权利要求1所述的一种全温度锂离子电池OCV评估方法，其特征是，设置XGBoost算法参数包括：树的最大深度、学习率、树的数量、叶子节点最小权重、L2正则化项的惩罚系数、叶子节点个数的惩罚系数。4.如权利要求1所述的一种全温度锂离子电池OCV评估方法，其特征是，对OCV
‑
SOC模型进行训练：选择合适的评价函数，并设定误差阈值，判定验证数据集的估计OCV与验证数据集真实的OCV误差，若误差值大于设定阈值，继续训练；若误差小于设定阈值，则认为该参数为最优参数，该OCV
‑
SOC模型为最优模型。5.如权利要求4所述的一种全温度锂离子电池OCV评估方法，其特征是，评价函数为均方误差MSE：其中，代表里锂离子电池OCV估计值，y
i
代表里锂离子电池OCV，n代表锂离子电池的数量。6.如权利要求1所述的一种全温度锂离子电池OCV评估方法，其特...

【专利技术属性】
技术研发人员：董政，王新栋，张祯滨，李真，刘彦华，陈倩，
申请(专利权)人：山东大学，
类型：发明
国别省市：