一种锂电池剩余容量自适应监测方法技术

本发明专利技术提供一种锂电池剩余容量自适应监测方法，所述方法包括

【技术实现步骤摘要】
一种锂电池剩余容量自适应监测方法


[0001]本专利技术涉及锂电池剩余容量预测
，特别涉及一种锂电池剩余容量自适应监测方法
。

技术介绍

[0002]电池老化过程主要表现为电池容量衰减
、
内阻增长等现象，一般以容量衰减情况作为寿命老化指标，一旦电池剩余容量无法满足正常供电需求或者电池失效，将会导致电力系统瘫痪，造成严重的事故和后果
。
因此电池剩余容量的检测及预测技术十分重要
。
现有的电池剩余容量检测及预测方法存在以下问题：一是在实际电池用电过程中，其荷电状态不是满充满放，难以获得基于循环周期次数的标准电池剩余容量老化特性数据，因此电池剩余容量预测往往仅能针对电池标准充放电试验测试数据进行离线预测，而难以在电池实际工作状态下进行在线预测；另外，电池放电电量计算方法主要采用安时积分法，要求电池初始值要非常精确，且随着时间的延长，电流的测量误差会累计，导致电量计算不准
。
二是在电池剩余容量预测过程中，
AR
自回归时间序列法是一种有效的动态数据处理方法，采用参数模型对有序随机时间序列进行规律拟合，具有模型简单
、
计算效率高
、
工程实用性强的特点；但是锂电池在实际工作过程中，受到充放电工况
、
环境温度等各种复杂因素的影响干扰，其电池容量衰减老化规律具有复杂随机性，属于典型的非平稳时间序列，而
AR
预测模型是基于时间序列平稳的假设，因此对锂电池老化过程的剩余容量数据进行整体规律拟合时存在不足，容易出现超拟合与欠拟合现象，短期预测精度尚可，但长期预测容易出现较大误差
。

技术实现思路

[0003]为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括
。
该概括部分不是泛泛评述，也不是要确定关键
/
重要组成元素或描绘这些实施例的保护范围
。
其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言
。
[0004]本专利技术提供的电池剩余容量预测的方法，解决现有电池剩余容量的检测及预测方法存在算法模型复杂
、
不便于工程应用，或者模型简单
、
但预测精度较差的问题
。
[0005]本专利技术提供的一种锂电池剩余容量自适应监测方法，其改进之处在于，所述方法包括
[0006](1)
在线检测并获取电池老化等效循环次数
N
及其对应的剩余容量
Q
；
[0007](2)
对
N
‑
Q
时间序列数据进行处理并得到不同频带上的子序列数据；
[0008](3)
根据子序列数据建立
AR
预测模型，进行预测并获取总预测值；
[0009](4)
在线离线同步运行，基于电池剩余容量历史数据及预测误差，选择模型参数并对在线预测模块中的算法模型参数进行阶段性更新
。
[0010]优选的，所述步骤
(1)
包括在线检测电池充放电状态及荷电状态变化，获得锂电池等效循环周期次数
N
，利用安时积分法得到对应循环周期内的实际放电量
Q
，得到电池老化
过程中标准化的等效循环次数
N
及其对应的剩余容量
Q。
[0011]进一步的，所述步骤
(1)
包括
[0012](1
‑
1)
在线检测电池充放电状态及荷电状态变化，对原始数据进行预处理剔除异常值；
[0013](1
‑
2)
设电池荷电状态变化量的阈值
Δ
SOC
，阈值
Δ
SOC≤80
％；
[0014](1
‑
3)
当电池处于放电状态时，连续记录不同放电阶段荷电状态的初始值及相对变化量
Δ
SOCi
，当累计荷电状态变化量每次从零变化到阈值
Δ
SOC
时，计为一个标准的等效循环周期；
[0015](1
‑
4)
通过安时积分法计算每个等效循环周期内的实际放电量
Q
，则等效循环次数
N
及其对应的剩余容量
Q
计算公式为：
[0016][0017][0018]其中，
i
为不同放电阶段的编号，
t
为不同放电阶段的累计放电时间，
I
为不同放电阶段的实际放电电流
。
[0019]优选的，所述步骤
(2)
包括对
N
‑
Q
时间序列数据进行多尺度分解
、
预处理及重构，得到不同频带上的子序列数据
。
[0020]进一步的，所述步骤
(2)
包括
[0021](2
‑
1)
采用精确度
、
平均绝对误差和均方根误差对预测结果进行评价，公式如下：
[0022][0023][0024][0025]其中，
JD
为精确度，
MAE
为平均绝对误差，
RMSE
为均方根误差，为第
i
项预测值，
x
i
为第
i
项实际值，
N
为总的预测数据个数；
n
END
为预测终止点的循环次数，
n
END
为实际终止点的循环次数，
N0为预测起点的循环次数；
[0026](2
‑
2)
利用
Mallat
算法进行频带分解的划分规则，分解层数取三层及以上，并选取小波基函数建立模型并对预测误差进行对比，确定小波分解层数；
[0027](2
‑
3)
选取不同小波基函数建立模型并对预测误差进行对比，确定小波基函数；
[0028](2
‑
4)
基于确定的分解层数和小波基函数，进行
N
‑
Q
时间序列的分解与重构，得到不同频带上的子序列数据
。
[0029]进一步的，所述分解的划分规则分解过程为非均匀频带划分，每次仅对低频分量作进一步分解
。
[0030]优选的，所述步骤
(3)
包括针对重构后的子序列数据建立
AR
自回归预测模型，采用
最小二乘法和
AIC
准则确定
AR
模型参数，对各子序列向前进行短期和长期多步在线预测，最后叠加各层预测结果得到总预测值
...

【技术保护点】

【技术特征摘要】
1.
一种锂电池剩余容量自适应监测方法，其特征在于，所述方法包括
(1)
在线检测并获取电池老化等效循环次数
N
及其对应的剩余容量
Q
；
(2)
对
N
‑
Q
时间序列数据进行处理并得到不同频带上的子序列数据；
(3)
根据子序列数据建立
AR
预测模型，进行预测并获取总预测值；
(4)
在线离线同步运行，基于电池剩余容量历史数据及预测误差，选择模型参数并对在线预测模块中的算法模型参数进行阶段性更新
。2.
根据权利要求1所述的一种锂电池剩余容量自适应监测方法，其特征在于，所述步骤
(1)
包括在线检测电池充放电状态及荷电状态变化，获得锂电池等效循环周期次数
N
，利用安时积分法得到对应循环周期内的实际放电量
Q
，得到电池老化过程中标准化的等效循环次数
N
及其对应的剩余容量
Q。3.
根据权利要求2所述的一种锂电池剩余容量自适应监测方法，其特征在于，所述步骤
(1)
包括
(1
‑
1)
在线检测电池充放电状态及荷电状态变化，对原始数据进行预处理剔除异常值；
(1
‑
2)
设电池荷电状态变化量的阈值
Δ
SOC
，阈值
Δ
SOC≤80
％；
(1
‑
3)
当电池处于放电状态时，连续记录不同放电阶段荷电状态的初始值及相对变化量
Δ
SOCi
，当累计荷电状态变化量每次从零变化到阈值
Δ
SOC
时，计为一个标准的等效循环周期；
(1
‑
4)
通过安时积分法计算每个等效循环周期内的实际放电量
Q
，则等效循环次数
N
及其对应的剩余容量
Q
计算公式为：计算公式为：其中，
i
为不同放电阶段的编号，
t
为不同放电阶段的累计放电时间，
I
为不同放电阶段的实际放电电流
。4.
根据权利要求1所述的一种锂电池剩余容量自适应监测方法，其特征在于，所述步骤
(2)
包括对
N
‑
Q
时间序列数据进行多尺度分解
、
预处理及重构，得到不同频带上的子序列数据
。5.
根据权利要求4所述的一种锂电池剩余容量自适应监测方法，其特征在于，所述步骤
(2)
包括
(2
‑
1)
采用精确度
、
平均绝对误差和均方根误差对预测结果进行评价，公式如下：平均绝对误差和均方根误差对预测结果进行评价，公式如下：平均绝对误差和均方根误差对预测结果进行评价，公式如下：
其中，
JD
为精确度，
MAE
为平均绝对误差，
RMSE
为均方根误差，为第
i
项预测值，
...

【专利技术属性】
技术研发人员：范雪麟，张浩，李勇，王芫芫，范新冉，孙伟，颜廷江，韩盼盼，陈科，石尧，
申请(专利权)人：中国石油化工股份有限公司胜利油田分公司，
类型：发明
国别省市：