一种锂离子电池健康状态自适应估计方法技术

本发明专利技术涉及一种锂离子电池健康状态自适应估计方法，方法包括：

【技术实现步骤摘要】
一种锂离子电池健康状态自适应估计方法


[0001]本专利技术涉及电池管理的
，尤其是涉及一种锂离子电池健康状态自适应估计方法
。

技术介绍

[0002]锂离子电池因其能量密度高
、
环境友好
、
性价比高等综合性优势在交通工具
、
消费电子
、
储能电站中得到广泛应用
。
然而在长期使用之后，锂离子电池容量和性能不可避免地衰减，严重时甚至发生失效，并容易引发安全事故
。
锂离子电池系统的性能衰减严重影响了电动汽车的续航里程，极大地阻碍了电动汽车的进一步推广与交通领域的电气化转型
。
因此，精确检测电池的健康状态对提升电动汽车的安全性和可靠性具有重要意义
。
[0003]目前，锂离子电池健康状态估计方法主要分为两种：第一种是基于模型的方法，主要通过电化学
、
等效电路等电池模型实现健康状态估计；该类估计方法精度较高，但电池模型的部分关键参数特别是电化学模型的关键参数仍然难以准确获取，此外，健本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种锂离子电池健康状态自适应估计方法，其特征在于，方法包括以下步骤：
1)
进行电池老化实验，并间隔一定充放电循环进行容量标定，同时采集不同荷电状态下电化学阻抗谱；
2)
对电化学阻抗谱进行时间尺度辨识并提取电化学阻抗时间尺度特征；
3)
依据皮尔逊相关系数选取与电池健康状态高度相关的电化学阻抗时间尺度特征，形成衰退特征数据集；
4)
基于衰退特征数据集，离线训练基于电化学阻抗时间尺度特征与集成学习的健康状态估计模型；
5)
在实际应用中获取电池当前荷电状态下电化学阻抗谱并提取和
3)
中相同类型的电化学阻抗时间尺度特征；
6)
将
5)
的电化学阻抗时间尺度特征输入训练完成的健康状态估计模型，得到电池健康状态估计结果；其中，训练健康状态估计模型的具体过程为：输入训练集，所述训练集包括参考健康状态和衰退特征数据集，所述参考健康状态基于标定的容量确定；定义回归函数
、
平方损失函数以及迭代次数，初始化回归函数；执行迭代，优化模型的参数，得到训练完成的健康状态估计模型
。2.
根据权利要求1所述的一种锂离子电池健康状态自适应估计方法，其特征在于，电化学阻抗时间尺度特征包括电化学阻抗弛豫时间分布曲线中特征峰的中心时间常数
τ
C
、
特征峰的中心时间常数对应的弛豫时间分布
γ
(
τ
C
)
以及特征峰对应的动力学过程界面电阻
R。3.
根据权利要求2所述的一种锂离子电池健康状态自适应估计方法，其特征在于，动力学过程界面电阻的表达式为：其中，
τ
L
和
τ
U
分别是每个动力学过程的下限时间常数和上限时间常数，
τ
是弛豫时间，
γ
(
τ
)
是弛豫时间分布函数
。4.
根据权利要求1所述的一种锂离子电池健康状态自适应估计方法，其特征在于，训练健康状态估计模型的具体过程中执行迭代的具体步骤为：预测上一轮更新的集成估计器的残差；利用损失函数拟合新增的基学习器和残差，从而确定新增基学习器的参数；更新集成估计器；重复上述步骤，直至迭代次数达到预设值，建立最终的集成估计器，最终的集成估计器为训练完成的健康状态估计模型；其中，迭代次数为1时，集成估计器为初始设置的回归函数
。5.
根据权利要求4所述的一种锂离子电池健康状态自适应估计方法，其特征在于，在迭代过程中，预测的上一轮集成估计器的残差具体为：其中，为第
i
个训练样本的上一轮集成估计器的残差，
y
i
是第
i
个训练样本的标签，也就是参考电池健康状态，
F
t
‑1(x
i<...

【专利技术属性】
技术研发人员：戴海峰，朱宇莉，魏学哲，王学远，朱建功，姜波，
申请(专利权)人：同济大学，
类型：发明
国别省市：