一种基于弛豫过程的锂电池的SOH估计方法及装置制造方法及图纸

本发明专利技术涉及电池储能技术领域，公开了一种基于弛豫过程的锂电池的SOH估计方法及装置，该方法包括：对锂电池进行不同条件下的充放电测试，采集电压和温度序列数据；将电压序列数据输入至一维卷积神经网络模型进行预测得到预测的弛豫电压值；分别计算电压统计特征和温度统计特征；基于锂电池弛豫过程，建立二阶RC等效电路模型，计算等效电路模型参数；利用弛豫电压值、电压统计特征、温度统计特征和等效电路模型参数对Xgboost模型进行训练；将锂电池实际充放电过程中的电压和温度序列数据，输入至Xgboost模型中，得到锂电池的SOH估计结果，本发明专利技术采用相对稳定的电池弛豫过程，有效完成对锂电池SOH的估计，提高准确性。

【技术实现步骤摘要】

本专利技术涉及电池储能，具体涉及一种基于弛豫过程的锂电池的soh估计方法及装置。

技术介绍

1、随着全球对环境保护和可持续发展的日益重视，清洁能源的地位愈发凸显，特别是在储能领域，锂离子电池因其高能量密度、长循环寿命和较低的自放电率而广受青睐，广泛应用于家庭储能、电动汽车、光伏电网储能等多个场景中。在这些应用中，电池管理系统(bms，battery management system)扮演着至关重要的角色，其中电池健康状态(soh，state of health)的准确估计对于保障系统高效、安全运行至关重要。

2、在现有技术中，常常基于理想化的模型或固定的参数对电池soh进行估计，然而这种估计方式难以准确地反映电池在复杂工况下的实际性能，进而影响对电池性能的准确评估。

技术实现思路

1、有鉴于此，本专利技术提供了一种基于弛豫过程的锂电池的soh估计方法及装置，以解决现有技术中基于理想化的模型或固定的参数对电池soh估计，导致估计准确度低的问题。

2、第一方面，本专利技术提供了一种基于弛本文档来自技高网...

【技术保护点】

1.一种基于弛豫过程的锂电池的SOH估计方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在将采集到的电压序列数据输入至训练好的一维卷积神经网络模型进行预测之前，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述将采集到的电压序列数据输入至训练好的一维卷积神经网络模型进行预测，得到预测的弛豫电压值，包括：

4.根据权利要求1所述的方法，其特征在于，所述等效电路模型参数包括极化电阻值、极化电容值以及直流内阻值，按照如下公式计算等效电路模型参数：

5.根据权利要求1所述的方法，其特征在于，所述利用所述弛豫...

【技术特征摘要】

1.一种基于弛豫过程的锂电池的soh估计方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在将采集到的电压序列数据输入至训练好的一维卷积神经网络模型进行预测之前，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述将采集到的电压序列数据输入至训练好的一维卷积神经网络模型进行预测，得到预测的弛豫电压值，包括：

4.根据权利要求1所述的方法，其特征在于，所述等效电路模型参数包括极化电阻值、极化电容值以及直流内阻值，按照如下公式计算等效电路模型参数：

5.根据权利要求1所述的方法，其特征在于，所述利用所述弛豫电压值、电压统计特征、温度统计特征和等效电路模型参数对xgboost模型进行训练，包括：

6.根据权利要求1...

【专利技术属性】
技术研发人员：朱梓寒，蒋文，张衡，赵浩剀，李武杰，
申请(专利权)人：固德威技术股份有限公司，
类型：发明
国别省市：