车用电池组连续变脉宽电流激励的健康度快速检测方法技术

技术编号:39678015 阅读:12 留言:0更新日期:2023-12-11 18:55
本发明专利技术公开了一种车用电池组连续变脉宽电流激励的健康度快速检测方法

【技术实现步骤摘要】
车用电池组连续变脉宽电流激励的健康度快速检测方法


[0001]本专利技术涉及车用电池组检测技术,具体涉及一种车用电池组连续变脉宽电流激励的健康度快速检测方法


技术介绍

[0002]动力电池组在纯电动汽车整车中的成本占比较大,对车用电池组实际可用容量及其健康度进行准确检测与评估,将有利于车辆残值评估并推动二手车市场的流通

但受制于运行数据难以实时测取

电池基础数据缺失以及模型参数和状态量不易精确辨识等技术困扰,使得除整车生产企业以外的机构难以对在用车辆的电池组健康状况进行准确评估,具体问题如下:
[0003]1、
整车直流充电条件下,可以根据电动汽车非车载传导式充电机与电池管理系统之间的通信协议,获取到充电车辆实时上报的电池组荷电状态
(SOC)、
电流以及单体的电压和温度值

但出于充电安全和放电过程中电池一致性保证的考虑,各主机厂均会对电池组进行一定程度的锁电,即整车表显电池组荷电状态
SOC
的0~
100
%区间所对应的电池容量不是电池真正的可用容量,使得利用公式:容量=安时积分
/
电池组荷电状态变化量,所得的计算结果与电池真实容量不符

[0004]2、
整车直流充电过程中,电流为单向充电电流且较为恒定,电池管理系统
(BMS)
通常采用“安时积分
+
电压修正”,需要主机厂依据预先存储的基础数据作为支撑,第三方检测机构难以对电池容量衰减程度

内阻实际表现情况以及开路电压
(OCV)
未知的电池,做出精确有效的检测与评估

[0005]3、
目前,针对电池组荷电状态
SOC
等状态量的估算,均是结合等效电路的构建以及模型参数的在线辨识予以实现,包括递推最小二乘法

卡尔曼滤波算法与极大似然法等,以上算法的运行均需要足够的输入信息,即要求获取变电流激励条件下的电压响应

但在整车直流充电工况下,电池管理系统
BMS
会预先设定充电规则,依据实时采集的电池电压和温度等参数对电流进行实时控制,使得充电电流表现得较为恒定且连续,无法获取到有利于电池参数在线辨识与状态估算的变电流激励

[0006]随着整车的使用,电池实际可用容量和电池内阻等参数均将发生不同程度的改变,有必要依据静置一定时间后,初次电流激励时的电压响应,在充电初期设计出有利于准确获取电池组荷电状态
SOC
和电池模型相关参数辨识的主动电流激励及其组合方式,并结合在线参数辨识与状态估算技术,在不依赖于电池基础数据的技术条件下,对车用电池组可用容量及其健康状况进行快速准确检测,同时,依据对电池可用容量与健康度实时计算结果收敛性的判断,可自动停止充电并输出最后的测取结果


技术实现思路

[0007]为解决上述问题,本专利技术提供了一种车用电池组连续变脉宽电流激励的健康度快速检测方法,采用主动电流激励用于整车健康度检测,以及利用主动电流激励获取的数据
来实现整车健康度快速检测

[0008]本专利技术的车用电池组连续变脉宽电流激励的健康度快速检测方法,包括以下步骤:
[0009]1)
设计脉冲充电电流的波形,脉冲充电电流包括第一波形

第二波形和第三波形:
[0010]第一波形包括第一至第五时刻
t1

t5
,从零时刻至第一时刻
t1
采用零电流,预留出用于充电设备的启动和响应的时间;从第一时刻
t1
至第二时刻
t2
为第一零状态响应阶段采用短时间充电电流,为恒定充电电流,短时间充电电流的持续时长
T
i1
,电流值为最大需求电流
I
MAX
,用于辨识短时间充电时的初始电池欧姆内阻和初始极化内阻;
[0011]第二时刻
t2
至第三时刻
t3
第一零输入响应阶段采用零电流,时长为
n
t
×
T
i1

n
t
代表时长的倍数,为
>2
的自然数,用于辨识短时间充电时极化
(RC)
环节的时间常数,第三时刻
t3
至第四时刻
t4
第二零状态响应阶段采用长时间充电电流,为恒定充电电流,长时间充电电流的持续时长
T
i2
,电流值为最大需求电流
I
MAX
,用于辨识长时间充电时的初始电池欧姆内阻和初始极化内阻;第四时刻
t4
至第五时刻
t5
第二零输入响应阶段采用零电流,时长为
n
t
×
T
i2
,用于辨识长时间充电时极化环节的时间常数;
[0012]第二波形包括第五至第六时刻
t5

t6
,采用周期性方波电流,方波的高电平电流为最大需求电流
I
MAX
,低电平电流为最小需求电流
I
MIN
,第二波形中方波的宽度为
T
i3
,占空比为
0.5

0.8
,一组高电平电流加低电平电流工作时长为一个周期,第二波形周期的个数为
Nt

Nt>10
的自然数;第二波形具有电流阶跃,用于辨识电池开路电压
OCV
和电池欧姆内阻
R0,并且电流切换频率较高,用于在线辨识极化参数,极化参数包括极化内阻
R
p
和极化电容
C
p
,第二波形中方波的宽度为
T
i3
,占空比为
0.5

0.8
的模式,以消除长时间恒流充电过程中的电池极化,避免电池过早进入电压平台,为算法提供信息更为丰富的原始数据;
[0013]第三波形采用持续恒流,持续恒流的电流为最大需求电流
I
MAX
,第三波形的持续恒流时间为
T
i4
;针对于二阶
RC
等效电路模型中反映浓差极化参数,浓差极化参数包括浓差极化内阻
R2和浓差极化电容
C2,浓差极化响应时间较长,浓差极化参数属于低频参数,以长时间恒流数据作为输入,通过优化算法辨识浓差极化参数;
[0014]2)
将车用电池组连接至充电设备,充电设备自带数据采集装置和控制器,采用步骤
1)
设计的脉冲充电电流的第一波形对车用电池组充电本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.
一种车用电池组连续变脉宽电流激励的健康度快速检测方法,其特征在于,所述健康度快速检测方法包括以下步骤:
1)
设计脉冲充电电流的波形,脉冲充电电流包括第一波形

第二波形和第三波形:第一波形包括第一至第五时刻
t1

t5
,从零时刻至第一时刻
t1
采用零电流,预留出用于充电设备的启动和响应的时间;从第一时刻
t1
至第二时刻
t2
为第一零状态响应阶段采用短时间充电电流,为恒定充电电流,短时间充电电流的持续时长
T
i1
,电流值为最大需求电流
I
MAX
,用于辨识短时间充电时的初始电池欧姆内阻和初始极化内阻;第二时刻
t2
至第三时刻
t3
第一零输入响应阶段采用零电流,时长为
n
t
×
T
i1

n
t
代表时长的倍数,为
>2
的自然数,用于辨识短时间充电时极化环节的时间常数,第三时刻
t3
至第四时刻
t4
第二零状态响应阶段采用长时间充电电流,为恒定充电电流,长时间充电电流的持续时长
T
i2
,电流值为最大需求电流
I
MAX
,用于辨识长时间充电时的初始电池欧姆内阻和初始极化内阻;第四时刻
t4
至第五时刻
t5
第二零输入响应阶段采用零电流,时长为
n
t
×
T
i2
,用于辨识长时间充电时极化环节的时间常数;第二波形包括第五至第六时刻
t5

t6
,采用周期性方波电流,方波的高电平电流为最大需求电流
I
MAX
,低电平电流为最小需求电流
I
MIN
,第二波形中方波的宽度为
T
i3
,占空比为
0.5

0.8
,一组高电平电流加低电平电流工作时长为一个周期,第二波形周期的个数为
Nt

Nt

>10
的自然数;第二波形具有电流阶跃,用于辨识电池开路电压
OCV
和电池欧姆内阻
R0,并且电流切换频率较高,用于在线辨识极化参数,极化参数包括极化内阻
R
p
和极化电容
C
p
,第二波形中方波的宽度为
T
i3
,占空比为
0.5

0.8
的模式,以消除长时间恒流充电过程中的电池极化,避免电池过早进入电压平台,为算法提供信息更为丰富的原始数据;第三波形采用持续恒流,持续恒流的电流为最大需求电流
I
MAX
,第三波形的持续恒流时间为
T
i4
;针对于二阶
RC
等效电路模型中反映浓差极化参数,浓差极化参数包括浓差极化内阻
R2和浓差极化电容
C2,浓差极化响应时间较长,浓差极化参数属于低频参数,以长时间恒流数据作为输入,通过优化算法辨识浓差极化参数;
2)
将车用电池组连接至充电设备,充电设备自带数据采集装置和控制器,采用步骤
1)
设计的脉冲充电电流的第一波形对车用电池组充电,同时通过充电设备自带的数据采集装置对第一波形对应的端电压测量值和电流测量值进行采样,第一波形充电结束后数据采样结束,充电设备对车用电池组停止充电,将采样得到的第一波形对应的端电压测量值和电流测量值输入至控制器;
3)
控制器判断电池最适模型:电池模型为一阶
RC
等效电路模型和二阶
RC
等效电路模型,一阶
RC
等效电路模型的初始电池参数包括初始欧姆内阻
R
0ini

初始极化内阻
R
pini
和初始极化电容
C
pini
,二阶
RC
等效电路模型的初始电池参数包括初始欧姆内阻
R
0ini

初始电化学极化内阻
R
1ini

初始电化学极化电容
C
1ini

初始浓差极化内阻
R
2ini
和初始浓差极化电容
C
2ini
;第一时刻第三时刻
t1

t3
采用短时间充电电流对初始电池参数进行离线辨识,第三至第五时刻
t3

t5
采用长时间充电电流对初始电池参数进行离线辨识;通过对比两个电池模型对端电压拟合精度以及同一电池模型在两种电流激励下参数辨识结果的一致性选择电池最适模型,同时输出电池最适模型的初始电池参数;
4)
预存参数初始化与脉冲电流曲线:
将步骤
3)
中得到的初始电池参数作为初始值用于后续计算,并将时间常数作为第二波形中方波的宽度
T
i3
和第三波形的持续恒流时间
T
i4
,将脉冲充电电流的第二波形和第三波形进行预存;
5)
充电设备为车用电池组充电,通过步骤
4)
预存的脉冲充电电流的第二波形和第三波进行充电,第二波形与第三波形循环执行,充电过程中,通过充电设备自带数据采集装置实时采样第二波形与第三波形对应的端电压测量值和电流测量值;
6)
多时间尺度在线辨识电池参数:在充电设备为车用电池组充电的同时,实时采样第二波形和第三波形对应的端电压测量值和电流测量值,并输入至充电设备自带的控制器,在充电设备为车用电池组充电的同时,针对电池模型的快慢变特性,在不同的时间尺度下在线辨识电池参数:当电池模型为一阶
RC
等效电路模型时,一阶
RC
等效电路模型的电池参数包括:开路电压
OCV、
欧姆内阻
R0、
极化内阻
Rp
和极化电容
Cp
;微观时间尺度下,采用带遗忘因子的递推最小二乘算法,通过第二波形在线辨识电池开路电压
OCV
和欧姆内阻
R0;宏观时间尺度下,采用自适应扩展卡尔曼滤波算法,通过第二波形在线辨识极化内阻
Rp
和极化电容
Cp
;当电池模型为二阶
RC
等效电路模型时,二阶
RC
等效电路模型的电池参数包括:开路电压
OCV、
欧姆内阻
R0、
电化学极化内阻
R1、
电化学极化电容
C1、
浓差极化内阻
R2和浓差极化电容
C2;微观时间尺度下,采用带遗忘因子的递推最小二乘算法,通过第二波形在线辨识开路电压
OCV
和欧姆内阻
R0;宏观时间尺度下,采用自适应扩展卡尔曼滤波算法,通过第二波形在线辨识电化学极化内阻
R1和电化学极化电容
C1,电化学极化内阻
R1和电化学极化电容
C1统称为电化学极化参数;采用遗传算法,通过第三波形在线辨识浓差极化内阻
R2和浓差极化电容
C2;
7)
精确估计电池组荷电状态
SOC
与健康状态
SOH
及判断其收敛性:在充电设备为车用电池组充电的同时,实时采样第二波形与第三波形对应的端电压测量值和电流测量值输入至充电设备控制器,在充电设备为车用电池组充电的同时,在不同的时间尺度下估计电池组荷电状态
SOC
与健康状态
SOH
及判断其收敛性:在微观时间尺度下,通过自适应扩展卡尔曼滤波算法估计电池组荷电状态
SOC
,估计电池组荷电状态
SOC
的同时输出预测端电压和观测端电压的差值,预测端电压和观测端电压的差值称为新息,通过新息的更新在当前宏观时间尺度估计健康状态
SOH
;宏观时间尺度估计健康状态
SOH
的结果输入下一宏观时间尺度进行计算,电池组荷电状态
SOC
和估计健康状态
SOH
结果相互修正,即联合估计电池组荷电状态
SOC
与健康状态
SOH
;当估计健康状态
SOH
的结果达到收敛性判断条件,充电结束,输出电池当前健康状态
SOH
,完成健康度快速检测
。2.
如权利要求1所述的健康度快速检测方法,其特征在于,在步骤
3)
中,判断电池最适模型包括以下步骤:
a)
离线辨识初始欧姆内阻:一阶
RC
等效电路模型和电池二阶
RC
等效电路模型对初始欧姆内阻
R
0ini
的辨识方法一致,通过电流介入瞬间产生的压降与电流的比值获得初始欧姆内阻
R
0ini
:式中,
Δ
U

为充电瞬间的电流阶跃时的电压变化量,
I

为充电瞬间的电流阶跃时的电
流变化量,
Δ
U

为静置瞬间的电流阶跃时的电压变化量,
I

为静置瞬间的电流阶跃时的电流变化量;
b)
离线辨识初始极化参数:一阶
RC
等效电路模型的初始极化参数辨识:
i.
第一和第二零输入响应阶段的电流为零电流,时间常数
τ

R
pini
C
pini

R
pini
为初始极化内阻,
C
pini
为初始极化电容;
k
时刻的端电压
U
L
(k)
在零输入响应阶段为:式中,
U
OCV
(k)

k
时刻的开路电压,
U
p
(k

1)

k
‑1时刻的极化电压,
Δ
t
为采样间隔,通过最小二乘法拟合得到时间常数
τ

ii.
第一和第二零状态响应阶段的电流为最大需求电流
I
MAX

k
时刻的端电压
U
L
(k)
在零状态响应阶段为:式中,
I(k)

k
时刻的充电电流;将上步骤
i)
中辨识所得的时间常数
τ
带入,通过最小二乘法拟合得初始极化内阻
R
pini
,进一步得到初始极化电容
C
pini

iii.
通过初始极化内阻
R
pini
和初始极化电容
C
pini
代入至零状态响应阶段的
k
时刻的端电压公式,求得
k
时刻的端电压拟合值
U
拟合
;二阶
RC
等效电路模型的初始极化参数辨识:
i.
第一和第二零输入响应阶段的电流为零电流,电化学时间常数
τ1=
R
1ini
C
1ini
,浓差时间常数
τ2=
R
2ini
C
2ini

R
1ini
为初始电化学极化内阻,
R
2ini
为初始浓差极化内阻,
C
1ini
为初始电化学极化电容,
C
2ini
为初始电化学极化电容,
k
时刻的端电压
U
L
(k)
在零输入响应阶段为:式中,
U1(k

1)

k
‑1时刻的电化学极化电压,
U2(k

1)

k
‑1时刻的浓差极化电压;通过最小二乘法拟合得到电化学时间常数
τ1和浓差时间常数
τ2;
ii.
第一和第二零状态响应阶段的电流为最大需求电流
I
MAX

k
时刻的端电压
U
L
(k)
在零状态响应阶段为:将电化学时间常数
τ1和浓差时间常数
τ2带入,通过最小二乘法拟合得到初始电化学极化内阻
R
1ini
和初始浓差极化内阻
R
2ini
,进一步得到初始电化学极化电容
C
1ini
和初始浓差极化电容
C
2ini

c)
判断电池最适模型:分别计算第一时刻至第三时刻
t1

t3
电流激励下一阶
RC
等效电路模型的端电压拟合精度和第三时刻至第五时刻
t3

t5
电流激励下一阶

【专利技术属性】
技术研发人员:于远彬黄腾飞李东光冯鸣跃刘镇宁张晓龙蒋俊宇
申请(专利权)人:华奥安心技术服务集团股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1