System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种电池状态检测方法及系统,尤其涉及一种电池健康度的评价方法及系统。
技术介绍
1、电动车最为昂贵和核心的零件是锂离子电池。随着电动车的使用,市场上将会面临如何处置大量的退役老旧电池的问题。为了更高效率地利用好这些老旧动力电池,提出了梯次利用,即按照不同的电池的健康度(soh)在不同的应用场景下再利用。
2、因此,需要对电池的健康度进行评价。目前,对于新能源汽车中的电池健康度的评价方式主要有以下几类:
3、定义法:定义法又称容量法,是通过电池的容量、能量、功率等特征量变化的比例关系进行soh评估。
4、内阻法:通过电池内阻估算其健康状态,首先要尽可能精确地测量电池内阻值,然后要明确电池老化程度与其内阻的相关性。
5、交流阻抗法:交流阻抗法是一种频域的测量方法,通过测量很宽频率范围内的阻抗谱来研究电极系统,可得到更多的动力学信息及电极界面结构信息。电极结构的变化与电池性能密切相关,因此将交流阻抗法应用于电池状态检测的研究过程中是可行的。
6、电压曲线法:电压曲线法是通过电池充电或放电曲线的外部特征来判断soh。
7、模型法:模型法是在研究电池老化机理的基础上,通过分析大量的实验数据,建立容量衰减与电池内部参数、温度、倍率、放电深度、自放电等参数的函数关系,来实现对电池健康状态的估计,包括电化学模型、经验模型、等效电路模型等。其中,电化学模型通过电池内部电化学反应机理描述电池老化规律;经验模型将影响电池性能的外部因素作为输入,以容量作为输出;电路模
8、此外,还有卡尔曼滤波法或是双卡尔曼滤波算法,其实在采集电流、电压等数据的基础上,对电池的寿命状态进行了估计,估算精度相对较高。
9、然而,现有的这些方法,存在估算不准确,不全面的问题。事实上,锂离子电池是一个非常复杂的化学反应系统,理论上说,不同的模型均存在评估不够精准的情况。
技术实现思路
1、本专利技术的目的之一在于提供一种电池健康度评价方法,其不仅能够为在役电池的筛选以及分级组合提供科学依据,而且能够有效延长动力电池服役期限,降低动力电池的全生命周期成本,提高资源利用的有效性和合理性。
2、为了实现上述目的,本专利技术提出了一种电池健康度评价方法,其包括步骤:
3、建立电池健康度样本影像数据库;
4、采用电池健康度样本影像数据库中打上标签的电池健康度样本数据训练长短时记忆网络,以使长短时记忆网络基于输入的电池健康度样本数据,对应输出该电池健康度样本数据对应的健康度;
5、在实际检测时,采集待测电池的影像数据,将其输入经过训练的长短时记忆网络中,所述经过训练的长短时记忆网络输出对应的健康度估算值。
6、本专利技术通过对大量健康度已知的电池的电芯进行影像扫描,导出统一格式的电芯照片,将这些照片进行标记(即打标签),导入到长短时记忆网络模型进行自学习和训练。后续,在实际检测过程中,只需输入待评测电芯的图像数据,即可通过长短时记忆网络预测得出该电池的健康度。
7、不同于传统的方法,本专利技术模型不再从电阻、电压、充放电曲线等电化学原理的角度对于电池健康度(soh)进行评测,而是通过电芯的内部形态结构的照片,采用长短时记忆网络模型进行学习和判断。随着后续数据量的增多,训练模型的准确率会不断地提高,最终形成一个准确且应用范围广的预测模型,解决锂离子电池,不同电化学体系,不同电池供应商的电池健康度(soh)预测的难题。
8、进一步地,在本专利技术所述的电池健康度评价方法中,所述电池健康度样本数据和待测电池的影像数据来自无损检测数据。
9、进一步地,在本专利技术所述的电池健康度评价方法中,所述电池健康度样本数据和待测电池的影像数据为对应电池的ct影像数据。
10、进一步地,本专利技术所述的电池健康度评价方法施用于磷酸铁锂电池。
11、进一步地,在本专利技术所述的电池健康度评价方法中,所述长短时记忆网络包括输入层、序列折叠层、卷积层、序列展开层、扁平化层、lstm层和输出层。
12、本专利技术的另一目的在于提供一种电池健康度评价系统,该系统不仅能够为在役电池的筛选以及分级组合提供科学依据,而且能够有效延长动力电池服役期限,降低动力电池的全生命周期成本,提高资源利用的有效性和合理性。
13、为了实现上述目的,本专利技术提出了一种电池健康度评价系统,其包括:
14、电池健康度样本影像数据库,其内存储有带有标签的电池健康度样本数据;
15、长短时记忆网络模块,采用带有标签的电池健康度样本数据训练所述长短时记忆网络模块,以使其基于输入的电池健康度样本数据,对应输出该电池健康度样本数据对应的健康度;
16、数据采集模块,其采集待测电池的影像数据;
17、在实际检测时,经过训练的长短时记忆网络模块基于输入其中的待测电池的影像数据,输出对应的健康度估算值。
18、进一步地,在本专利技术所述的电池健康度评价系统中,所述电池健康度样本数据和待测电池的影像数据来自无损检测数据。
19、进一步地,在本专利技术所述的电池健康度评价系统中,所述电池健康度样本数据和待测电池的影像数据为对应电池的ct影像数据。
20、进一步地,本专利技术所述的电池健康度评价系统施用于磷酸铁锂电池。
21、进一步地,在本专利技术所述的电池健康度评价系统中,所述长短时记忆网络包括输入层、序列折叠层、卷积层、序列展开层、扁平化层、lstm层和输出层。
22、本专利技术所述的电池健康度评价方法及系统具有如下优点和有益效果:
23、不同于传统的方法,本专利技术所述的方法不再从电阻、电压、充放电曲线等电化学原理的角度对于电池健康度(soh)进行评测,而是通过无损检测对电池的电芯进行影像扫描,然后采用样本数据库的样本数据对长短时记忆网络模型进行训练,从而可以整体全面地分析电池电芯,实现全覆盖,精准地评估电池的健康度和老化程度。
24、此外,随着后续数据量的增多,训练模型的准确率会不断地提高,最终形成一个准确且应用范围广的预测模型,解决锂离子电池,不同电化学体系,不同电池供应商的电池健康度(soh)预测的难题。
25、采用本专利技术可以对动力电池,包括退役的老旧电池,进行精准高效的健康度评测;并在此基础上可以对大量的退役动力电池进行健康度的分选再利用提供依据。
本文档来自技高网...【技术保护点】
1.一种电池健康度评价方法,其特征在于,包括步骤:
2.如权利要求1所述的电池健康度评价方法,其特征在于,所述电池健康度样本数据和待测电池的影像数据来自无损检测数据。
3.如权利要求1所述的电池健康度评价方法,其特征在于,所述电池健康度样本数据和待测电池的影像数据为对应电池的CT影像数据。
4.如权利要求1所述的电池健康度评价方法,其特征在于,其施用于磷酸铁锂电池。
5.如权利要求1所述的电池健康度评价方法,其特征在于,所述长短时记忆网络包括输入层、序列折叠层、卷积层、序列展开层、扁平化层、LSTM层和输出层。
6.一种电池健康度评价系统,其特征在于,包括:
7.如权利要求6所述的电池健康度评价系统,其特征在于,所述电池健康度样本数据和待测电池的影像数据来自无损检测数据。
8.如权利要求6所述的电池健康度评价系统,其特征在于,所述电池健康度样本数据和待测电池的影像数据为对应电池的CT影像数据。
9.如权利要求6所述的电池健康度评价系统,其特征在于,其施用于磷酸铁锂电池。
1
...【技术特征摘要】
1.一种电池健康度评价方法,其特征在于,包括步骤:
2.如权利要求1所述的电池健康度评价方法,其特征在于,所述电池健康度样本数据和待测电池的影像数据来自无损检测数据。
3.如权利要求1所述的电池健康度评价方法,其特征在于,所述电池健康度样本数据和待测电池的影像数据为对应电池的ct影像数据。
4.如权利要求1所述的电池健康度评价方法,其特征在于,其施用于磷酸铁锂电池。
5.如权利要求1所述的电池健康度评价方法,其特征在于,所述长短时记忆网络包括输入层、序列折叠层、卷积层、序列展开层、扁平化层、lstm层和输出层。
【专利技术属性】
技术研发人员:柯胜蓝,吕亚帆,董玉军,李丹,
申请(专利权)人:上汽大众汽车有限公司,
类型:发明
国别省市:
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。