【技术实现步骤摘要】
本专利技术涉及电池评估，更具体的说是涉及一种电动汽车动力电池的在线充电健康状态评估方法。
技术介绍
1、随着新能源汽车在中国汽车市场渗透率的进一步提高，用户对于新能源汽车的性能表现、安全性、使用寿命等方面要求也逐渐提高。另外，随着早期市场上的新能源汽车逐渐退役，动力电池的梯次利用也渐渐成为国家、行业重点关注的方向。要满足以上两方面的需求，准确的评估动力电池当前的健康状态是必不可少的。电池健康状态(stateofhealth，soh)通常由电池剩余可用容量来表示，可以较好的体现动力电池的衰减程度。
2、随着电动汽车产业化的不断推进，电动汽车soh作为表征电池性能的重要参数，成为国内外学者的研究热点话题，由此也衍生出了诸多电动汽车动力电池soh估计方法，在现有技术中，综合考虑了电池倍率性能下降和活性物质减少对电池容量衰退造成的影响，提出了修正sei膜电池的电池容量衰退机理模型。意大利的matteo galeotti等人通过对电动汽车动力电池电化学阻抗谱的探索和研究，得出了动力电池由于本身老化程度的不断加重所引起的物理和化学特性变化，即容量衰减变化的分析，进而得到电池soh的衰减变化，dubarry在实验室条件下对电动汽车动力模型进行老化型实验，结果发现dq/dv曲线很大程度上体现了电池老化趋势，进而建立电池soh与dq/dv曲线之间的映射模型估算动力电池soh。
3、目前电动汽车很多关键技术难题已经得到解决，但内部技术研究还有很大缺口，而且受实际复杂工况的影响，很多理论成果无法直接用于现实场景之中。其中soh
4、因此，提出一种电动汽车动力电池的在线充电健康状态评估方法，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种电动汽车动力电池的在线充电健康状态评估方法，用于解决现有技术中存在的技术问题。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种电动汽车动力电池的在线充电健康状态评估方法，包括以下步骤：
4、s1、获取数据：采集动力电池在充电过程中的状态参数得到充电数据，并将充电数据存储至数据库中；
5、s2、数据处理：根据特征指标处理方法对充电数据进行预处理，得到充电特征数据；
6、s3、数据分类：将充电特征数据划分为历史特征数据和日常充电特征数据；
7、s4、获取动力电池容量估计值：根据历史特征数据将日常充电特征数据进行补全，得到完整的日常充电特征数据，利用安时积分法对完整的日常充电特征数据进行计算得到动力电池的当前容量估计值；
8、s5、获取动力电池容量：以s4中得到的动力电池的当前容量估计值为卡尔曼滤波观测值，进行卡尔曼滤波迭代，得到动力电池当前容量值的最优估计，动力电池当前容量值的最优估计即为当前动力电池容量qnow；
9、s6、获取动力电池的初始容量：构建cnn-bilstm-am混合网络模型，对建立的cnn-bilstm-am混合网络模型进行训练，建立历史特征数据和电动汽车容量的对应关系，确定动力电池的初始容量qnew；
10、s7、计算动力电池的健康状态：根据动力电池的初始容量qnew和当前动力电池容量qnow，计算动力电池的健康状态soh。
11、可选的，s1中的状态参数包括但不限于：动力电池额定容量、动力电池额定电压、最高允许单体电压、最高允许充电电流、动力电池标称总能量、最高允许充电电压、最高允许温度、动力电池初始充电状态、动力电池初始电压、动力电池需求电压、动力电池需求电流、充电电压测量值、充电电流测量值、动力电池最高单体电压、动力电池当前充电状态、动力电池单体最高温度参数信息。
12、可选的，s1中的数据库为mysql数据库。
13、可选的，s2中预处理具体操作为：
14、采用拉依达法对充电数据进行离群点检测，删除充电数据中的异常数据；
15、采用均值填充对充电数据中的缺失值进行填补；
16、采用极差标准化的方法对充电数据进行归一化处理。
17、可选的，归一化处理后的数据范围为[0，1]。
18、可选的，s4中的安时积分法为：
19、
20、其中，q为当前动力电池的容量soc估计值，i为动力电池实时充电电流，单位为安培；t为动力电池从0电量充至满电量的总时间，单位为时；dt为积分符号。
21、可选的，s5中进行卡尔曼滤波迭代得到动力电池当前容量值的最优估计的具体过程为：首先初始化状态值、系统协方差以及迭代次数，然后进行ut变换，完成对称采样过程和sigma点集非线性变换过程得到下一时刻的系统状态预测值和协方差预测；然后，再次对系统状态预测进行ut变换，完成sigma点集采样并代入量测方程得到观测值预测和观测值协方差预测；计算得到卡尔曼增益，并结合系统观测和状态预测值更新得到k+1时刻的状态变量和状态方程协方差；然后开始下一次迭代过程；当迭代到最大迭代次数时，输出状态变量即为最优估计容量值。
22、可选的，s5中的卡尔曼滤波是一种通过系统输入输出观测数据，对系统状态进行最优估计的算法。
23、可选的，s6中构建的cnn-bilstm-am混合网络模型，其中cnn为卷积神经网络，其计算公式为：
24、ct＝f(wcnn*nt+bcnn)
25、其中，wcnn为权重系数，即卷积核；nt为t时刻的数据；*为卷积运算；bcnn为偏差系数；ct为数据序列；f为激活函数。
26、可选的，s7中计算动力电池的健康状态soh的公式为：
27、
28、其中，soh为动力电池的健康状态，qnew为动力电池的初始容量，qnow为当前动力电池容量。
29、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种电动汽车动力电池的在线充电健康状态评估方法，其有益效果为：本专利技术能够实时获取电动汽车电池的充电状态数据，从而实现在线评估电动汽车电池容量，然后计算出电动汽车电池soh，克服了传统离线评估方式的缺陷；本专利技术泛化能力强，可以解决电动汽车电池的电动汽车健康状态评估，且提高了模型准确性。
本文档来自技高网...【技术保护点】
1.一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，S1中的状态参数包括但不限于：动力电池额定容量、动力电池额定电压、最高允许单体电压、最高允许充电电流、动力电池标称总能量、最高允许充电电压、最高允许温度、动力电池初始充电状态、动力电池初始电压、动力电池需求电压、动力电池需求电流、充电电压测量值、充电电流测量值、动力电池最高单体电压、动力电池当前充电状态、动力电池单体最高温度参数信息。
3.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，S1中的数据库为MySQL数据库。
4.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，S2中预处理具体操作为：
5.根据权利要求4所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，归一化处理后的数据范围为[0，1]。
6.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在
7.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，S5中进行卡尔曼滤波迭代得到动力电池当前容量值的最优估计的具体过程为：首先初始化状态值、系统协方差以及迭代次数，然后进行UT变换，完成对称采样过程和Sigma点集非线性变换过程得到下一时刻的系统状态预测值和协方差预测；然后，再次对系统状态预测进行UT变换，完成Sigma点集采样并代入量测方程得到观测值预测和观测值协方差预测；计算得到卡尔曼增益，并结合系统观测和状态预测值更新得到k+1时刻的状态变量和状态方程协方差；然后开始下一次迭代过程；当迭代到最大迭代次数时，输出状态变量即为最优估计容量值。
8.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，S5中的卡尔曼滤波是一种通过系统输入输出观测数据，对系统状态进行最优估计的算法。
9.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，S6中构建的CNN-BiLSTM-AM混合网络模型，其中CNN为卷积神经网络，其计算公式为：
10.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，S7中计算动力电池的健康状态SOH的公式为：
...【技术特征摘要】
1.一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，s1中的状态参数包括但不限于：动力电池额定容量、动力电池额定电压、最高允许单体电压、最高允许充电电流、动力电池标称总能量、最高允许充电电压、最高允许温度、动力电池初始充电状态、动力电池初始电压、动力电池需求电压、动力电池需求电流、充电电压测量值、充电电流测量值、动力电池最高单体电压、动力电池当前充电状态、动力电池单体最高温度参数信息。
3.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，s1中的数据库为mysql数据库。
4.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，s2中预处理具体操作为：
5.根据权利要求4所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，归一化处理后的数据范围为[0，1]。
6.根据权利要求1所述的一种电动汽车动力电池的在线充电健康状态评估方法，其特征在于，s4中的安时积分法为：
7.根据权利要求1所述的一种电...
【专利技术属性】
技术研发人员：张晶，刘志宾，李涛永，张元星，王苾钰，蒋林洳，唐艳梅，高鹏，李斌，张照彦，刘志恒，陈前，张社，
申请(专利权)人：中国电力科学研究院有限公司，
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。