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】
本专利技术涉及锂离子电池,具体为一种考虑用户充电行为的锂离子电池健康状态估算方法。
技术介绍
1、电池作为能量存储及电动汽车动力源的关键部件,其使用性能,循环寿命备受关注,电池健康状态作为锂离子电池内部的关键参数之一,其精确估算有助于避免电池过度使用,保证电池使用安全,同时,也能为电池荷电状态估算提供参考,然而,由于电池内部化学反应复杂,现有方法难以保证其估算精度,目前,关于锂离子电池健康状态估计主要以机器学习方法为主,但该种方法需要首先提取合适的健康特征,再利用先进的机器学习方法估算健康状态,在现有的健康特征提取方法中通常需要完整的充电或者放电过程数据,这在实际使用过程中无法满足;且电池的充电行为是一个随机过程,用户可以从任意电压开始充电至任意电压结束,因此仅使用某一个固定电压来提取健康特征无法在每次充电过程中提取到对应的健康特征,导致能够获取到电池健康状态的频率降低。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本专利技术提供了一种考虑用户充电行为的锂离子电池健康状态估算方法,具备模型拟合度高、估计精度高等优点,解决了上述技术问题。
3、(二)技术方案
4、为实现上述目的,本专利技术提供如下技术方案:一种考虑用户充电行为的锂离子电池健康状态估算方法,包括以下步骤:
5、s1、采集实车循环充电过程中的数据;
6、s2、对采集的充电数据进行分析;
7、s3、在循环过程中提取电池充电过程的数据
8、s4、通过步骤s3得到的健康特征对健康状态估算模型进行建立;
9、s5、通过步骤s4建立的模型对电池健康状态进行估算。
10、作为本专利技术的优选技术方案,所述步骤s1中的采集的数据由对不同型号锂离子电池进行循环充电测试,直到各个型号电池放电容量低于标称容量的80%,并包括实时记录电池充电电压、充电容量、充电开始电压和结束电压数据。
11、作为本专利技术的优选技术方案,所述步骤s2中的分析过程如下:
12、s2.1、读取锂电池循环充电过程中的起始电压和终止电压的出现次数;
13、s2.2、统计不同起始电压和终止电压的出现频率;
14、s2.3、根据步骤s2.1的起始电压和终止电压的出现次数建立簇状柱形图,并与步骤s2.2中的起始电压和终止电压的出现频率进行整合,得到热力图。
15、作为本专利技术的优选技术方案,所述步骤s3的健康特征的设置具体过程如下:
16、s3.1、建立充电过程中的ic曲线;
17、s3.2、对步骤s3.1过程中的数据进行去噪;
18、s3.3、确定健康特征。
19、作为本专利技术的优选技术方案,所述步骤s3.1中ic曲线建立过程具体如下:
20、s3.1.1、确定容量与电压的关系,具体表达式如下:
21、s3.1.1、确定容量与电压的关系,具体表达式如下:
22、
23、
24、其中,qa表示充电容量,i表示充电电流,v表示电池电压,f(qa)表示qa到v的映射函数,f-1表示f的反函数,g表示反函数f-1的导数,∫idt表示电流对时间t的积分,dqa表示对充电容量qa的微分,dv表示电池电压v的微分,dt表示时间t的微分;
25、s3.1.2、引入拟合误差,对步骤s3.1.1中的dv替换为固定电压区间δv。
26、作为本专利技术的优选技术方案,所述步骤s3.2中的去噪过程选用卡尔曼滤波算法进行去噪,并建立状态方程和测量方程,具体表达式如下:
27、
28、其中,xk表示k时刻的容量增量数据,ωk表示控制系统的噪声,xk-1表示k-1时刻的容量增量数据,yk表示对xk的噪声污染测量,vk表示测量的噪声,去噪的计算过程如下:
29、
30、其中,q与r过程噪声和测量噪声的协方差矩阵,表示为k时刻的先验估计状态值,表示为k-1时刻的先验估计状态值,表示k时刻的后验估计状态值,表示k时刻先验估计协方差,表示k时刻后验估计协方差,表示k-1时刻后验估计协方差,kk表示最优估计条件下的卡尔曼增益矩阵,并在计算完成后得出ic曲线。
31、作为本专利技术的优选技术方案,所述步骤s3.3中选取健康特征的数据分别为步骤s3.2中去噪后的ic曲线的两个波峰和一个波谷到的对应峰值,以及取电压范围为3.718v至4.0v的电压值中位数。
32、作为本专利技术的优选技术方案,所述步骤s4的具体过程如下:
33、s4.1、建立tcn-bigru模型;
34、s4.2、将步骤s3得到的前70%循环数据特征作为tcn-bigru网络的输入,对应健康状态值作为tcn-bigru网络的输出,利用tcn-bigru网络计算得到电池健康值,以此完成模型的构建。
35、作为本专利技术的优选技术方案,所述tcn-bigru模型包括正向传播gru单元和反向传播gru单元,其操作表达式如下:
36、
37、
38、
39、其中,g(*)表示对正向传播gru单元和反向传播gru单元的定义函数,ht表示当前时刻t的输出,bt表示输出层的偏置,wt和vt分别为时刻t正向gru输出的权重和反向gru输出的权重,表示正向输出,表示反向输出,xt表示输入值。
40、与现有技术相比,本专利技术提供了一种考虑用户充电行为的锂离子电池健康状态估算方法,具备以下有益效果:
41、1、本专利技术通过对用户的充电数据进行读取,并对起始电压和终止电压的出现次数和频率进行统计,整合成热力图,并绘制充放电过程的ic曲线,使得任意的充电行为均能够提取到电池老化的健康特征,并根据建立的tcn-bigru模型对电池健康值进行预测,从而完成对锂电池健康状态进行估计。
本文档来自技高网...【技术保护点】
1.一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤S1中的采集的数据有对不同型号锂离子电池进行循环充电测试,直到各个型号电池放电容量低于标称容量的80%所得到,并包括实时记录电池充电电压、充电容量、充电开始电压和结束电压数据。
3.根据权利要求2所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤S2中的分析过程如下:
4.根据权利要求3所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤S3的健康特征的设置具体过程如下:
5.根据权利要求4所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤S3.1中IC曲线建立过程具体如下:
6.根据权利要求4所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤S3.2中的去噪过程选用卡尔曼滤波算法进行去噪,并建立状态方程和测量方程,具体表达式如下:
7
8.根据权利要求1所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤S4的具体过程如下:
9.根据权利要求8所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述TCN-BiGRU模型包括正向传播GRU单元和反向传播GRU单元,其操作表达式如下:
...【技术特征摘要】
1.一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤s1中的采集的数据有对不同型号锂离子电池进行循环充电测试,直到各个型号电池放电容量低于标称容量的80%所得到,并包括实时记录电池充电电压、充电容量、充电开始电压和结束电压数据。
3.根据权利要求2所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤s2中的分析过程如下:
4.根据权利要求3所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤s3的健康特征的设置具体过程如下:
5.根据权利要求4所述的一种考虑用户充电行为的锂离子电池健康状态估算方法,其特征在于:所述步骤s3.1中ic曲线建立过程具体如下...
【专利技术属性】
技术研发人员:舒星,周美颜,胡远志,冯仁华,林春景,齐创,
申请(专利权)人:重庆理工大学,
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。