【技术实现步骤摘要】
本专利技术涉及电池，具体涉及一种电池状态联合估计方法及系统。
技术介绍
1、随着全球人口数量的增长和人类生活水平的提高，能源消费量也快速增长。世界能源革命已成为当今大国的核心战略议题之一。在能源结构转型的背景下，近些年以风电，光伏为代表的既环保又可持续的可再生能源飞速发展。近几年，随着新能源设施的推广和普及，各种形式的储能系统也越来越多。但是在惠及全社会的同时，国内外关于电化学储能系统重大事故的新闻也层出不穷，造成了严重的人生安全和经济损失。因此在储能系统的设计中，具有过电流、超高温、短路故障等故障诊断的bms（battery management system，电池管理系统）的设计也越来越重要。
2、bms的优劣取决于对电池电压、电流和温度等运行参数的有效检测和soc（stateof charge，剩余电量状态）、soh（stateof health，电池健康状态）、rul（remaining usefullife，电池剩余寿命）和功率状态（state of power，sop）等核心参数的准确评估。其中soc、soh和rul 是评估bms的关键指标。目前对剩余电量状态的估计广泛基于ukf算法(unscented kalman filter，无损卡尔曼滤波)，利用电池的等效电路模型构建剩余电量状态、电池端电压、电流和电池欧姆内阻的状态方程对剩余电量状态进行预测。但是随着电池的老化，电池电化学效能降低，电池的容量也会降低，从而导致电池等效电路模型中的阻容参数rc相应改变，进而出现对剩余电量状态估计的准确性下降的问题。
技术实现思路
1、本专利技术的目的在于：针对目前预测剩余电量状态时，影响因素考虑不完整导致难以进一步提升预测精准度的问题，提出一种电池状态联合估计方法及系统，综合考虑电池健康状态和剩余使用寿命对剩余电量状态的影响，提高剩余电量状态的预测精准度。
2、为了实现上述专利技术目的，本专利技术提供了一种电池状态联合估计方法，步骤包括：
3、采集电池在不同循环周期下的直接健康因子和对应的电池健康状态，记为第一训练集；
4、构建第一模型，将所述直接健康因子作为输入，所述电池健康状态作为输出，训练所述第一模型；所述第一模型为电池健康状态老化模型；
5、将所述直接健康因子输入训练好的所述第一模型得到所述电池健康状态；将所述电池健康状态和额定电池容量计算，得到第一预测电池容量；根据所述第一预测电池容量获取ocv—soc曲线图；使用所述曲线图中一一对应的ocv值和soc值代入电池等效电路方程，更新ukf算法中的阻容参数，计算出电池剩余电量状态。
6、作为本申请优选的技术方案，还包括对电池剩余使用寿命的估算，步骤包括：
7、采集所述电池容量退化数据中不同循环周期下的充电或放电数据，提取和电池容量相关的间接健康因子；所述循环周期和所述间接健康因子一一对应，所述间接健康因子用于表征电池寿命老化状态；
8、根据所述间接健康因子和电池容量的正比关系进行建模，构建第二模型；将所述间接健康因子作为输入，第二预测电池容量作为输出，训练所述第二模型，所述第二模型为电池剩余使用寿命老化模型；
9、采集前一次循环周期下的所述间接健康因子输入训练好的所述第二模型，持续输出未来所有电池循环周期下的对应的所述第二预测电池容量，直到到达寿命终止阈值，所述寿命终止阈值对应的循环周期数值即电池的剩余使用寿命。
10、作为本申请优选的技术方案，所述间接健康因子包括等压降放电时间、平均放电电压、恒流充电时间以及恒压充电时间。
11、作为本申请优选的技术方案，所述电池健康状态和所述剩余使用寿命采用慢尺度方式，每到达预测周期阈值的整数倍时进行一次估算。
12、作为本申请优选的技术方案，所述剩余电量状态的估算采用快尺度方式，在电池充电或放电的过程中持续进行。
13、作为本申请优选的技术方案，在实验室预设条件恒定的情形下，以电池等效电路中的阻容参数可视为恒定的时间为周期，采集电池在不同周期下的不同实际电池容量；同时对电池进行间歇性恒流放电并实时记录放电电压和剩余电量状态，得到多个不同实际电池容量下对应的所述ocv—soc曲线图。
14、作为本申请优选的技术方案，还包括计算相邻两次所述剩余使用寿命预测值的第一差值，根据所述第一差值随时间的变化关系得到寿命下降率；计算相邻两次所述寿命下降率的第二差值，根据所述第二差值随时间的变化关系得到寿命变化率；根据相邻两次所述寿命变化率的变化比例调整所述预测周期阈值。
15、作为本申请优选的技术方案，还包括获取均衡控制启动时间差值小于预设偏差阈值时电压最低的电池，记为第一异常电池；采集所述第一异常电池的历史电池健康状态，计算第一方差；采集所述第一异常电池的当次电池健康状态，计算第二方差；计算所述第一方差和所述第二方差的方差变化量；当所述方差变化量大于方差变化阈值，将所述第一异常电池断路。
16、一种电池状态联合估计系统，包括：
17、数据采集模块，用于采集不同循环周期下电池健康老化状态的直接健康因子和对应的电池健康状态，记为第一训练集；
18、模型训练模块，用于构建第一模型，将所述直接健康因子输入所述第一模型，输出电池健康状态；所述第一模型为电池健康状态老化模型；
19、数据处理模块，用于将所述直接健康因子输入训练好的所述第一模型得到所述电池健康状态；将所述电池健康状态和额定电池容量计算，得到第一预测电池容量；根据所述第一预测电池容量获取ocv—soc曲线图；使用所述曲线图中一一对应的ocv值和soc值代入电池等效电路方程，更新ukf算法中的阻容参数，计算出电池剩余电量状态。
20、与现有技术相比，本专利技术的有益效果：
21、1、本专利技术申请中可以利用电池健康状态和剩余使用寿命对电池的老化状态进行评估，而电池老化状态会影响电压、电流以及电池内阻的的变化程度，因此在对剩余电量状态估计时需要对这些因素重新校准，以提高对剩余电量状态估计的精度和可靠性。同时对电池健康状态和剩余使用寿命的准确预测，也可以减少单独评估剩余电量状态时带来的估计误差，降低误差在传播过程中的累积效应。
22、2、本专利技术申请中综合采集了多种和电池健康状态强相关的间接健康因子作为老化模型的输入，增强了系统的可靠性。实际使用过程中，对剩余电量状态的估计在整个充电或放电过程中是持续进行的。同时因为电流在通过电池内阻和线路内阻时，通常会出现热损耗导致电池温度的升高，从而影响对剩余电量状态的估计。本专利技术申请中的老化模型采用了lstm-rnn长短期记忆循环卷积网络，计算时会将上一时刻的隐藏层作为当前时刻的输入的一部分，使当前层可以融合上一时刻提取的信息特征，保持了剩余电量状态在连续时刻之间的关联性，也可以提高预测的准本文档来自技高网...
【技术保护点】
1.一种电池状态联合估计方法，其特征在于，步骤包括：
2.如权利要求1所述的一种电池状态联合估计方法，其特征在于，还包括对电池剩余使用寿命的估算，步骤包括：
3.如权利要求2任意一项所述的一种电池状态联合估计方法，其特征在于，所述间接健康因子包括等压降放电时间、平均放电电压、恒流充电时间以及恒压充电时间。
4.如权利要求2所述的一种电池状态联合估计方法，其特征在于，所述电池健康状态和所述剩余使用寿命采用慢尺度方式，当时间到达预测周期阈值的整数倍时进行一次估算。
5.如权利要求1或2任意一项所述的一种电池状态联合估计方法，其特征在于，所述剩余电量状态的估算采用快尺度方式，在电池充电或放电的过程中持续进行。
6.如权利要求1或2任意一项所述的一种电池状态联合估计方法，其特征在于，在实验室预设条件恒定的情形下，以电池等效电路中的阻容参数可视为恒定的时间为周期，采集电池在不同周期下的不同实际电池容量；同时对电池进行间歇性恒流放电并实时记录放电电压和剩余电量状态，得到多个不同实际电池容量下对应的所述OCV—SOC曲线图。
<...【技术特征摘要】
1.一种电池状态联合估计方法，其特征在于，步骤包括：
2.如权利要求1所述的一种电池状态联合估计方法，其特征在于，还包括对电池剩余使用寿命的估算，步骤包括：
3.如权利要求2任意一项所述的一种电池状态联合估计方法，其特征在于，所述间接健康因子包括等压降放电时间、平均放电电压、恒流充电时间以及恒压充电时间。
4.如权利要求2所述的一种电池状态联合估计方法，其特征在于，所述电池健康状态和所述剩余使用寿命采用慢尺度方式，当时间到达预测周期阈值的整数倍时进行一次估算。
5.如权利要求1或2任意一项所述的一种电池状态联合估计方法，其特征在于，所述剩余电量状态的估算采用快尺度方式，在电池充电或放电的过程中持续进行。
6.如权利要求1或2任意一项所述的一种电池状态联合估计方法，其特征在于，在实验室预设条件恒定的情形下，以电池等效电路中的阻容参数可视为恒定的时间为周期，采集电池在不同周期下的不同实际电池容量；同时对电池进行间歇性恒流放电并实时记录放...
【专利技术属性】
技术研发人员：孔少华，徐伟健，张榆平，樊惠莹，鲍捷，李爽爽，冯兴国，庄候毛，李国平，姜科，
申请(专利权)人：西藏大学，
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。