《電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法和系統(tǒng).pdf》由會(huì)員分享，可在線閱讀，更多相關(guān)《電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法和系統(tǒng).pdf（17頁(yè)完成版）》請(qǐng)?jiān)趯＠樵兙W(wǎng)上搜索。

1、(19)中華人民共和國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局 (12)發(fā)明專利申請(qǐng) (10)申請(qǐng)公布號(hào) (43)申請(qǐng)公布日 (21)申請(qǐng)?zhí)?202010191066.9 (22)申請(qǐng)日 2020.03.18 (71)申請(qǐng)人 北京理工大學(xué) 地址 100081 北京市海淀區(qū)中關(guān)村南大街5 號(hào) 申請(qǐng)人 北京理工新源信息科技有限公司 (72)發(fā)明人 王震坡張雷劉鵬王秋詩(shī) 佘承其 (74)專利代理機(jī)構(gòu) 北京高沃律師事務(wù)所 11569 代理人 劉鳳玲 (51)Int.Cl. G01R 31/392(2019.01) G01R 31/367(2019.01) (54)發(fā)明名稱 一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確 定方法和系統(tǒng) (。

2、57)摘要 本發(fā)明提供的電動(dòng)汽車動(dòng)力電池組健康狀 態(tài)在線確定方法和系統(tǒng)， 通過(guò)采用動(dòng)力電池組健 康狀態(tài)在線估計(jì)模型， 根據(jù)應(yīng)用數(shù)據(jù)就可以確定 得到所述電動(dòng)汽車動(dòng)力電池的容量增量曲線的 第二峰值， 然后根據(jù)第二峰值就可以精確得到電 動(dòng)汽車動(dòng)力電池組的健康狀態(tài)。 并且， 本發(fā)明所 提供的電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定 方法和系統(tǒng)， 僅需要根據(jù)所獲取的應(yīng)用數(shù)據(jù)就可 以得到電動(dòng)汽車動(dòng)力電池組健康狀態(tài)， 這就能夠 簡(jiǎn)化電動(dòng)汽車動(dòng)力電池組健康狀態(tài)確定過(guò)程， 解 決現(xiàn)有技術(shù)中電動(dòng)汽車動(dòng)力電池組健康狀態(tài)確 定方法應(yīng)用困難的問(wèn)題。 權(quán)利要求書(shū)2頁(yè) 說(shuō)明書(shū)10頁(yè) 附圖4頁(yè) CN 111323719 A 202。

3、0.06.23 CN 111323719 A 1.一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法， 其特征在于， 包括： 獲取電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 所述應(yīng)用數(shù)據(jù)包括： 電動(dòng)汽車的累計(jì)行駛里程值、 充電起始 SOC值、 平均充電電流、 平均行駛溫度、 平均充電溫度以及分類因子； 所述分類因子為依據(jù)電 動(dòng)汽車車輛衰退速率不同而劃分的類別； 獲取以應(yīng)用數(shù)據(jù)為輸入， 以電動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值為輸出的動(dòng) 力電池組健康狀態(tài)在線估計(jì)模型； 根據(jù)所述應(yīng)用數(shù)據(jù)， 利用所述動(dòng)力電池組健康狀態(tài)在線估計(jì)模型確定所述電動(dòng)汽車動(dòng) 力電池的容量增量曲線的第二峰值； 根據(jù)所述第二峰值確定所述電動(dòng)汽車動(dòng)力電池組的。

4、健康狀態(tài)。 2.根據(jù)權(quán)利要求1所述的一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法， 其特征在 于， 所述獲取以應(yīng)用數(shù)據(jù)為輸入， 以電動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值為輸出 的動(dòng)力電池組健康狀態(tài)在線估計(jì)模型之前還包括： 采集電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 根據(jù)采集的應(yīng)用數(shù)據(jù)， 確定與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng)汽車動(dòng)力電池的容量增量 曲線的第二峰值； 將采集的應(yīng)用數(shù)據(jù)以及與該應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的第二峰值作為數(shù)據(jù)訓(xùn)練對(duì)； 采用所述數(shù)據(jù)訓(xùn)練對(duì)對(duì)所述動(dòng)力電池組健康狀態(tài)在線估計(jì)模型進(jìn)行訓(xùn)練。 3.根據(jù)權(quán)利要求2所述的一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法， 其特征在 于， 所述根據(jù)采集的應(yīng)用數(shù)據(jù)， 確定與采集的。

5、應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng)汽車動(dòng)力電池的容量 增量曲線的第二峰值具體包括： 根據(jù)采集的應(yīng)用數(shù)據(jù)， 采用增量容量分析法得到電動(dòng)汽車的容量-電壓曲線； 根據(jù)所述容量-電壓曲線確定所述電動(dòng)汽車的端電壓和充電容量； 采用SVR算法， 以所述端電壓為輸入， 以所述充電容量為輸出對(duì)容量-電壓曲線進(jìn)行擬 合， 得到擬合后的容量-電壓曲線； 根據(jù)所述擬合后的容量-電壓曲線得到容量增量曲線， 并確定所述容量增量曲線的第 二峰值； 所述容量增量曲線的第二峰值即為與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng)汽車動(dòng)力電池 的容量增量曲線的第二峰值。 4.根據(jù)權(quán)利要求1所述的一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法， 其特征在 于， 所述。

6、獲取電動(dòng)汽車的應(yīng)用數(shù)據(jù)之前還包括： 采集所述電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 對(duì)所采集的應(yīng)用數(shù)據(jù)進(jìn)行預(yù)處理； 所述預(yù)處理包括： 均值處理和絕對(duì)值處理。 5.一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定系統(tǒng)， 其特征在于， 包括： 應(yīng)用數(shù)據(jù)獲取模塊， 用于獲取電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 所述應(yīng)用數(shù)據(jù)包括： 電動(dòng)汽車的累 計(jì)行駛里程值、 充電起始SOC值、 平均充電電流、 平均行駛溫度、 平均充電溫度以及分類因 子； 所述分類因子為依據(jù)電動(dòng)汽車車輛衰退速率不同而劃分的類別； 在線估計(jì)模型獲取模塊， 用于獲取以應(yīng)用數(shù)據(jù)為輸入， 以電動(dòng)汽車動(dòng)力電池的容量增 量曲線的第二峰值為輸出的動(dòng)力電池組健康狀態(tài)在線估計(jì)模型； 第一峰值確。

7、定模塊， 用于根據(jù)所述應(yīng)用數(shù)據(jù)， 利用所述動(dòng)力電池組健康狀態(tài)在線估計(jì) 模型確定所述電動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值； 權(quán)利要求書(shū) 1/2 頁(yè) 2 CN 111323719 A 2 健康狀態(tài)確定模塊， 用于根據(jù)所述第二峰值確定所述電動(dòng)汽車動(dòng)力電池組的健康狀 態(tài)。 6.根據(jù)權(quán)利要求5所述的一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定系統(tǒng)， 其特征在 于， 所述系統(tǒng)還包括： 第一應(yīng)用數(shù)據(jù)采集模塊， 用于采集電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 第二峰值確定模塊， 用于根據(jù)采集的應(yīng)用數(shù)據(jù)， 確定與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng) 汽車動(dòng)力電池的容量增量曲線的第二峰值； 數(shù)據(jù)訓(xùn)練對(duì)構(gòu)建模塊， 用于將采集的應(yīng)用數(shù)據(jù)以及與該應(yīng)。

8、用數(shù)據(jù)相對(duì)應(yīng)的第二峰值作 為數(shù)據(jù)訓(xùn)練對(duì)； 模型訓(xùn)練模塊， 用于采用所述數(shù)據(jù)訓(xùn)練對(duì)對(duì)所述動(dòng)力電池組健康狀態(tài)在線估計(jì)模型進(jìn) 行訓(xùn)練。 7.根據(jù)權(quán)利要求6所述的一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定系統(tǒng)， 其特征在 于， 所述第二峰值確定模塊具體包括： 容量-電壓曲線確定單元， 用于根據(jù)采集的應(yīng)用數(shù)據(jù)， 采用增量容量分析法得到電動(dòng)汽 車的容量-電壓曲線； 端電壓和充電容量確定單元， 用于根據(jù)所述容量-電壓曲線確定所述電動(dòng)汽車的端電 壓和充電容量； 容量-電壓曲線擬合單元， 用于采用SVR算法， 以所述端電壓為輸入， 以所述充電容量為 輸出對(duì)容量-電壓曲線進(jìn)行擬合， 得到擬合后的容量-電壓曲線； 峰值。

9、確定單元， 用于根據(jù)所述擬合后的容量-電壓曲線得到容量增量曲線， 并確定所述 容量增量曲線的第二峰值； 所述容量增量曲線的第二峰值即為與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的 電動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值。 8.根據(jù)權(quán)利要求5所述的一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定系統(tǒng)， 其特征在 于， 所述系統(tǒng)還包括： 第二應(yīng)用數(shù)據(jù)采集模塊， 用于采集所述電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 預(yù)處理模塊， 用于對(duì)所采集的應(yīng)用數(shù)據(jù)進(jìn)行預(yù)處理； 所述預(yù)處理包括： 均值處理和絕對(duì) 值處理。 權(quán)利要求書(shū) 2/2 頁(yè) 3 CN 111323719 A 3 一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法和系統(tǒng) 技術(shù)領(lǐng)域 0001 本發(fā)明涉。

10、及動(dòng)力電池管理技術(shù)領(lǐng)域， 特別是涉及一種電動(dòng)汽車動(dòng)力電池組健康狀 態(tài)在線確定方法和系統(tǒng)。 背景技術(shù) 0002 電動(dòng)汽車的推廣應(yīng)用已被認(rèn)為是減少人類對(duì)化石燃料的依賴以及溫室氣體排放 的可行途徑。 鋰離子電池由于其在能量密度、 循環(huán)壽命等方面的優(yōu)勢(shì)， 在電動(dòng)汽車中被廣泛 用作能量存儲(chǔ)設(shè)備。 然而， 鋰離子電池由于存在不斷出現(xiàn)的副反應(yīng)而不可避免地會(huì)在其使 用期間出現(xiàn)性能下降， 也稱為老化現(xiàn)象。 一般而言， 動(dòng)力電池內(nèi)阻增加100或容量衰減 20會(huì)被視為達(dá)到其使用壽命終止 (End OfLife， EOL)， 不再適合汽車應(yīng)用。 此外， 容量的 精確計(jì)量對(duì)于電池組的SOC估計(jì)和故障診斷以及電動(dòng)汽車的剩。

11、余行駛里程預(yù)測(cè)也至關(guān)重 要。 然而， 由于測(cè)試條件和設(shè)備限制， 電池健康狀態(tài)(State OfHealth， SOH)在車輛行駛過(guò)程 中難以測(cè)量。 因此， 作為電池管理系統(tǒng)(BMS)的核心任務(wù)之一， 準(zhǔn)確的SOH估算是提高電池系 統(tǒng)的效率， 安全性和耐用性的保證。 0003 現(xiàn)有鋰離子電池健康狀態(tài)的定義主要有容量定義法和內(nèi)阻定義法， 其計(jì)算公式如 式(1)和式(2)所示。 0004 0005 式中， C0為初始標(biāo)稱容量， Ci為第i次充電容量。 0006 0007 式中： Rnew為電池出廠時(shí)的歐姆內(nèi)阻， REOL為電池壽命結(jié)束(EoL)時(shí)的歐姆內(nèi)阻， Ri 為第i次測(cè)得的電池歐姆內(nèi)阻。 00。

12、08 利用容量法對(duì)電動(dòng)汽車動(dòng)力電池組進(jìn)行SOH評(píng)估時(shí)， 需要在恒定的溫度條件下， 采 用恒流恒壓(其中恒流段一般選擇1/3C電流倍率)的方式將動(dòng)力電池組充至滿電狀態(tài)， 靜置 1小時(shí)， 然后采用恒流(一般為1C)方式將電池放電至截止電壓， 并循環(huán)以上步驟至少3次， 用 其穩(wěn)定后的放電容量平均值作為當(dāng)前狀態(tài)的最大可用容量值， 進(jìn)而計(jì)算SOH。 這種方式不僅 耗時(shí)長(zhǎng)， 而且深度的放電對(duì)電池也具有一定程度的損害。 0009 利用內(nèi)阻表征電池組SOH的方法在實(shí)際的測(cè)試過(guò)程中， 需要用到脈沖法和電化學(xué) 阻抗譜法， 一方面， 實(shí)際應(yīng)用中電池包整體內(nèi)阻隨老化變化幅度較小， 不適合用來(lái)進(jìn)行健康 狀態(tài)評(píng)估， 另一。

13、方面， 測(cè)量?jī)?nèi)阻需要特定的實(shí)驗(yàn)設(shè)備， 難以實(shí)現(xiàn)在線估計(jì)。 0010 針對(duì)以上問(wèn)題， 現(xiàn)有文獻(xiàn)中已經(jīng)提出了許多用于電池SOH估計(jì)的方法， 這些方法可 以粗略地分為三類， 即基于物理的方法， 基于經(jīng)驗(yàn)的方法和數(shù)據(jù)驅(qū)動(dòng)的方法。 基于物理的方 法使用偏微分方程(PDE)來(lái)描述與電池老化密切相關(guān)的電池動(dòng)力學(xué)， 從而實(shí)現(xiàn)SOH估算。 這 種方法能夠?qū)崿F(xiàn)較高的估計(jì)精度， 但需要精確測(cè)量大量電化學(xué)參數(shù)， 這些參數(shù)無(wú)法準(zhǔn)確獲 ??； 此外， 模型涉及復(fù)雜的偏微分計(jì)算， 運(yùn)算量極大， 難以應(yīng)用于車載BMS中。 基于經(jīng)驗(yàn)的方 說(shuō)明書(shū) 1/10 頁(yè) 4 CN 111323719 A 4 法采用等效電路模型來(lái)描述電池動(dòng)力。

14、學(xué)， 并設(shè)計(jì)狀態(tài)觀測(cè)器來(lái)估計(jì)模型參數(shù)。 然而， 使用的 經(jīng)驗(yàn)電池模型在模型擬合不同的工作條件下使用時(shí)， 缺乏物理意義， 并且模型精度有限， 因 此顯著降低了SOH估算精度。 近年來(lái)， 數(shù)據(jù)驅(qū)動(dòng)的方法例如高斯過(guò)程回歸和支持向量機(jī)， 受 到了越來(lái)越多的關(guān)注， 因?yàn)樗鼈儾恍枰私怆姵剡\(yùn)行過(guò)程中電化學(xué)反應(yīng)的詳細(xì)過(guò)程。 在這 些方法中， 需要大量測(cè)試數(shù)據(jù)來(lái)訓(xùn)練電池SOH模型， 可以直接描述SOH及其影響因素之間的 非線性關(guān)系。 0011 對(duì)本領(lǐng)域相關(guān)專利進(jìn)行檢索， 現(xiàn)將其中與本發(fā)明相近的技術(shù)方案陳述如下。 申請(qǐng) 號(hào)為201810504744.5的發(fā)明專利公開(kāi)了一種電池健康狀態(tài)分析方法及裝置。 方法包括：。

15、 獲 得樣本電池在不同SOH下， 樣本電池的SOC與樣本電池的OCV的關(guān)系曲線； 將SOH為設(shè)定值時(shí)， 樣本電池的SOC與OCV的關(guān)系曲線作為參考曲線； 將不同SOH下， 樣本電池的SOC與OCV的關(guān)系 曲線與參考曲線作差， 得到樣本電池的SOC與開(kāi)路電壓變化量OCV的關(guān)系曲線； 根據(jù)不同 SOH下， 樣本電池的SOC與OCV的關(guān)系曲線， 分析得到SOC與OCV的關(guān)系曲線中兩點(diǎn)之間的 斜率k； 根據(jù)不同SOH下， 斜率k的變化， 得到SOH與斜率k的對(duì)應(yīng)關(guān)系； 基于樣本電池SOH與斜 率k的對(duì)應(yīng)關(guān)系， 根據(jù)待檢測(cè)鋰離子電池的斜率k的值， 分析得到待檢測(cè)鋰離子電池的SOH。 這種方法通過(guò)電池老化。

16、后OCV曲線與初始狀態(tài)的差異估算SOH， 理論上具有可信度， 然而， 開(kāi) 路電壓與SOC在實(shí)車應(yīng)用中都較難測(cè)量， 所以會(huì)導(dǎo)致算法存在誤差。 0012 申請(qǐng)?zhí)枮?01610913062.0的發(fā)明專利公開(kāi)了一種電池健康狀態(tài)在線估計(jì)方法和 系統(tǒng)， 該方法計(jì)算電池充放電過(guò)程中容量變化與電壓變化的比值， 并將其最大處作為參考 點(diǎn)， 在此參考點(diǎn)鄰域選取一個(gè)電壓區(qū)間V1+和V1-， 對(duì)該區(qū)間內(nèi)容量變化值進(jìn)行濾波， 并計(jì)算 出區(qū)間內(nèi)的容量CT， 同時(shí)測(cè)定電池在當(dāng)前狀態(tài)下的實(shí)際容量CA， 并通過(guò)線性回歸擬合CT與CA 之間的對(duì)應(yīng)關(guān)系， 進(jìn)而通過(guò)CT值來(lái)預(yù)測(cè)CA值。 該方法可以實(shí)現(xiàn)電池健康狀態(tài)的在線估計(jì)， 但 由。

17、于不同類型的電池CT與CA的關(guān)系可能存在非線性， 因此會(huì)導(dǎo)致此方法的估計(jì)結(jié)果會(huì)出現(xiàn) 較大誤差。 0013 申請(qǐng)?zhí)枮?01810205365.6的發(fā)明專利公開(kāi)了一種基于粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的 健康狀態(tài)估計(jì)方法。 首先通過(guò)采集電池循環(huán)過(guò)程中的電壓、 電流以及時(shí)間數(shù)據(jù)， 繪制容量增 量曲線， 經(jīng)濾波后得到容量增量峰值以及峰值位置數(shù)據(jù)， 將其作為輸入數(shù)據(jù)， 并將電池實(shí)際 的健康狀態(tài)作為輸出， 建立RBF神經(jīng)網(wǎng)絡(luò)模型， 應(yīng)用粒子群優(yōu)化算法求解神經(jīng)網(wǎng)絡(luò)模型參 數(shù)。 該方法可以較好的建立容量增量峰值與電池健康狀態(tài)之間的非線性關(guān)系， 然而， 在實(shí)車 應(yīng)用工況下， 充電過(guò)程常常并不完整， 而且電壓和電流數(shù)據(jù)。

18、常常精度較低， 難以繪制完整的 容量增量曲線， 因此， 實(shí)際應(yīng)用存在困難。 0014 因此， 本領(lǐng)域亟待提供一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)的確定方法， 以解決現(xiàn) 有技術(shù)在確定電動(dòng)汽車動(dòng)力電池組健康狀態(tài)過(guò)程中所存在的估計(jì)不精確和應(yīng)用困難的問(wèn) 題。 發(fā)明內(nèi)容 0015 本發(fā)明的目的是提供一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法和系統(tǒng)， 解 決現(xiàn)有技術(shù)在確定電動(dòng)汽車動(dòng)力電池組健康狀態(tài)過(guò)程中所存在的估計(jì)不精確和應(yīng)用困難 的問(wèn)題。 0016 為實(shí)現(xiàn)上述目的， 本發(fā)明提供了如下方案： 說(shuō)明書(shū) 2/10 頁(yè) 5 CN 111323719 A 5 0017 一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法， 包括。

19、： 0018 獲取電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 所述應(yīng)用數(shù)據(jù)包括： 電動(dòng)汽車的累計(jì)行駛里程值、 充電 起始SOC值、 平均充電電流、 平均行駛溫度、 平均充電溫度以及分類因子； 所述分類因子為依 據(jù)電動(dòng)汽車車輛衰退速率不同而劃分的類別； 0019 獲取以應(yīng)用數(shù)據(jù)為輸入， 以電動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值為輸出 的動(dòng)力電池組健康狀態(tài)在線估計(jì)模型； 0020 根據(jù)所述應(yīng)用數(shù)據(jù)， 利用所述動(dòng)力電池組健康狀態(tài)在線估計(jì)模型確定所述電動(dòng)汽 車動(dòng)力電池的容量增量曲線的第二峰值； 0021 根據(jù)所述第二峰值確定所述電動(dòng)汽車動(dòng)力電池組的健康狀態(tài)。 0022 優(yōu)選的， 所述獲取以應(yīng)用數(shù)據(jù)為輸入， 以電動(dòng)汽車動(dòng)力。

20、電池的容量增量曲線的第 二峰值為輸出的動(dòng)力電池組健康狀態(tài)在線估計(jì)模型之前還包括： 0023 采集電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 0024 根據(jù)采集的應(yīng)用數(shù)據(jù)， 確定與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng)汽車動(dòng)力電池的容量 增量曲線的第二峰值； 0025 將采集的應(yīng)用數(shù)據(jù)以及與該應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的第二峰值作為數(shù)據(jù)訓(xùn)練對(duì)； 0026 采用所述數(shù)據(jù)訓(xùn)練對(duì)對(duì)所述動(dòng)力電池組健康狀態(tài)在線估計(jì)模型進(jìn)行訓(xùn)練。 0027 優(yōu)選的， 所述根據(jù)采集的應(yīng)用數(shù)據(jù)， 確定與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng)汽車動(dòng) 力電池的容量增量曲線的第二峰值具體包括： 0028 根據(jù)采集的應(yīng)用數(shù)據(jù)， 采用增量容量分析法得到電動(dòng)汽車的容量-電壓曲線； 0029 根據(jù)。

21、所述容量-電壓曲線確定所述電動(dòng)汽車的端電壓和充電容量； 0030 采用SVR算法， 以所述端電壓為輸入， 以所述充電容量為輸出對(duì)容量-電壓曲線進(jìn) 行擬合， 得到擬合后的容量-電壓曲線； 0031 根據(jù)所述擬合后的容量-電壓曲線得到容量增量曲線， 并確定所述容量增量曲線 的第二峰值； 所述容量增量曲線的第二峰值即為與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng)汽車動(dòng)力 電池的容量增量曲線的第二峰值。 0032 優(yōu)選的， 所述獲取電動(dòng)汽車的應(yīng)用數(shù)據(jù)之前還包括： 0033 采集所述電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 0034 對(duì)所采集的應(yīng)用數(shù)據(jù)進(jìn)行預(yù)處理； 所述預(yù)處理包括： 均值處理和絕對(duì)值處理。 0035 一種電動(dòng)汽車動(dòng)力電池組。

22、健康狀態(tài)在線確定系統(tǒng)， 包括： 0036 應(yīng)用數(shù)據(jù)獲取模塊， 用于獲取電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 所述應(yīng)用數(shù)據(jù)包括： 電動(dòng)汽車 的累計(jì)行駛里程值、 充電起始SOC值、 平均充電電流、 平均行駛溫度、 平均充電溫度以及分類 因子； 所述分類因子為依據(jù)電動(dòng)汽車車輛衰退速率不同而劃分的類別； 0037 在線估計(jì)模型獲取模塊， 用于獲取以應(yīng)用數(shù)據(jù)為輸入， 以電動(dòng)汽車動(dòng)力電池的容 量增量曲線的第二峰值為輸出的動(dòng)力電池組健康狀態(tài)在線估計(jì)模型； 0038 第一峰值確定模塊， 用于根據(jù)所述應(yīng)用數(shù)據(jù)， 利用所述動(dòng)力電池組健康狀態(tài)在線 估計(jì)模型確定所述電動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值； 0039 健康狀態(tài)確定模。

23、塊， 用于根據(jù)所述第二峰值確定所述電動(dòng)汽車動(dòng)力電池組的健康 狀態(tài)。 0040 優(yōu)選的， 所述系統(tǒng)還包括： 說(shuō)明書(shū) 3/10 頁(yè) 6 CN 111323719 A 6 0041 第一應(yīng)用數(shù)據(jù)采集模塊， 用于采集電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 0042 第二峰值確定模塊， 用于根據(jù)采集的應(yīng)用數(shù)據(jù)， 確定與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的 電動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值； 0043 數(shù)據(jù)訓(xùn)練對(duì)構(gòu)建模塊， 用于將采集的應(yīng)用數(shù)據(jù)以及與該應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的第二峰 值作為數(shù)據(jù)訓(xùn)練對(duì)； 0044 模型訓(xùn)練模塊， 用于采用所述數(shù)據(jù)訓(xùn)練對(duì)對(duì)所述動(dòng)力電池組健康狀態(tài)在線估計(jì)模 型進(jìn)行訓(xùn)練。 0045 優(yōu)選的， 所述第二峰值確定模。

24、塊具體包括： 0046 容量-電壓曲線確定單元， 用于根據(jù)采集的應(yīng)用數(shù)據(jù)， 采用增量容量分析法得到電 動(dòng)汽車的容量-電壓曲線； 0047 端電壓和充電容量確定單元， 用于根據(jù)所述容量-電壓曲線確定所述電動(dòng)汽車的 端電壓和充電容量； 0048 容量-電壓曲線擬合單元， 用于采用SVR算法， 以所述端電壓為輸入， 以所述充電容 量為輸出對(duì)容量-電壓曲線進(jìn)行擬合， 得到擬合后的容量-電壓曲線； 0049 峰值確定單元， 用于根據(jù)所述擬合后的容量-電壓曲線得到容量增量曲線， 并確定 所述容量增量曲線的第二峰值； 所述容量增量曲線的第二峰值即為與采集的應(yīng)用數(shù)據(jù)相對(duì) 應(yīng)的電動(dòng)汽車動(dòng)力電池的容量增量曲線的第。

25、二峰值。 0050 優(yōu)選的， 所述系統(tǒng)還包括： 0051 第二應(yīng)用數(shù)據(jù)采集模塊， 用于采集所述電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 0052 預(yù)處理模塊， 用于對(duì)所采集的應(yīng)用數(shù)據(jù)進(jìn)行預(yù)處理； 所述預(yù)處理包括： 均值處理和 絕對(duì)值處理。 0053 根據(jù)本發(fā)明提供的具體實(shí)施例， 本發(fā)明公開(kāi)了以下技術(shù)效果： 0054 本發(fā)明提供的電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法和系統(tǒng)， 通過(guò)采用動(dòng)力 電池組健康狀態(tài)在線估計(jì)模型， 根據(jù)應(yīng)用數(shù)據(jù)就可以確定得到所述電動(dòng)汽車動(dòng)力電池的容 量增量曲線的第二峰值， 然后根據(jù)第二峰值就可以精確得到電動(dòng)汽車動(dòng)力電池組的健康狀 態(tài)。 并且， 本發(fā)明所提供的電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方。

26、法和系統(tǒng)， 僅需要根據(jù) 所獲取的應(yīng)用數(shù)據(jù)就可以得到電動(dòng)汽車動(dòng)力電池組健康狀態(tài)， 這就能夠簡(jiǎn)化電動(dòng)汽車動(dòng)力 電池組健康狀態(tài)確定過(guò)程， 解決現(xiàn)有技術(shù)中電動(dòng)汽車動(dòng)力電池組健康狀態(tài)確定方法應(yīng)用困 難的問(wèn)題。 附圖說(shuō)明 0055 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案， 下面將對(duì)實(shí)施例中所 需要使用的附圖作簡(jiǎn)單地介紹， 顯而易見(jiàn)地， 下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施 例， 對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講， 在不付出創(chuàng)造性勞動(dòng)性的前提下， 還可以根據(jù)這些附圖 獲得其他的附圖。 0056 圖1為本發(fā)明實(shí)施例提供中所提供方案的總體流程圖； 0057 圖2為本發(fā)明實(shí)施例提供的電動(dòng)汽車動(dòng)力電池組健康。

27、狀態(tài)在線確定方法的流程 圖； 0058 圖3為本發(fā)明實(shí)施例提供的擬合后的容量-電壓曲線圖； 說(shuō)明書(shū) 4/10 頁(yè) 7 CN 111323719 A 7 0059 圖4為本發(fā)明實(shí)施例提供的濾波后不同里程下的IC曲線圖； 0060 圖5為本發(fā)明實(shí)施例中所有研究車輛的IC峰值隨累計(jì)里程的變化曲線圖； 0061 圖6為本發(fā)明實(shí)施例中擬合后的IC峰值圖； 0062 圖7為本發(fā)明實(shí)施例中徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)示意圖； 0063 圖8為本發(fā)明實(shí)施例提供的電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定系統(tǒng)的結(jié)構(gòu)示 意圖。 具體實(shí)施方式 0064 下面將結(jié)合本發(fā)明實(shí)施例中的附圖， 對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、。

28、 完 整地描述， 顯然， 所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例， 而不是全部的實(shí)施例。 基于 本發(fā)明中的實(shí)施例， 本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例， 都屬于本發(fā)明保護(hù)的范圍。 0065 本發(fā)明的目的是提供一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法和系統(tǒng)， 解 決現(xiàn)有技術(shù)在確定電動(dòng)汽車動(dòng)力電池組健康狀態(tài)過(guò)程中所存在的估計(jì)不精確和應(yīng)用困難 的問(wèn)題。 0066 為使本發(fā)明的上述目的、 特征和優(yōu)點(diǎn)能夠更加明顯易懂， 下面結(jié)合附圖和具體實(shí) 施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。 0067 術(shù)語(yǔ)解釋： 0068 動(dòng)力電池健康狀態(tài)(State Of Health， SOH)。

29、： 表征動(dòng)力電池當(dāng)前性能狀態(tài)與初始 性能狀態(tài)之間的比例， 常見(jiàn)的表示方法由容量表示法和內(nèi)阻表示法。 0069 容量增量分析法(Incremental Capacity Analysis， ICA)： 利用容量差分與電壓 差分的比， 從電池電壓曲線上提取相關(guān)特征的一種方法。 其中， 容量增量(Incremental Capacity， IC) 0070 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network， RBFNN)： 使用徑 向基函數(shù)作為隱層神經(jīng)元激活函數(shù)的前饋神經(jīng)網(wǎng)絡(luò)。 0071 電池管理系統(tǒng)(Battery Management System， 。

30、BMS)： 一般包括電池狀態(tài)估計(jì)、 熱管 理、 均衡等功能。 0072 荷電狀態(tài)(State Of Charge， SOC)： 電池剩余容量與當(dāng)前最大可用容量之比。 0073 開(kāi)路電壓(Open Circuit Voltage， OCV)： 電化學(xué)平衡狀態(tài)下電池正負(fù)極之間的電 勢(shì)差。 0074 恒流恒壓充電法(Constant Current Constant Voltage， CCCV)： 先恒流充電至電 池廠商所規(guī)定的充電截止電壓， 再轉(zhuǎn)換為恒壓充電的一種充電模式。 0075 充放電倍率(C率)： 表示充電電流與額定容量的比。 例如， 1/3C電流表示三小時(shí)可 以將電池充至滿電量所需的電流。

31、大小。 0076 支持向量回歸(Support Vector Regression， SVR)： 一種可以高精度擬合非線性 關(guān)系的機(jī)器學(xué)習(xí)方法。 0077 放電深度(Depth Of Discharge， DOD)： 電池放電量與電池額定容量的百分比。 0078 本發(fā)明的整體設(shè)計(jì)思路如圖1所示， 具體為： 首先， 以大數(shù)據(jù)平臺(tái)上采集的電動(dòng)汽 車實(shí)車行駛和充電數(shù)據(jù)為原始數(shù)據(jù)， 劃分為充電和行駛片段， 提取有效的充電片段， 采用插 說(shuō)明書(shū) 5/10 頁(yè) 8 CN 111323719 A 8 值方法填補(bǔ)缺失幀， 采取SVR支持向量回歸對(duì)其容量- 電壓曲線進(jìn)行擬合， 并繪制容量增量 曲線， 利用高斯窗。

32、口濾波對(duì)容量增量曲線進(jìn)行平滑， 并求出其第二峰值， 利用SVR(或最小二 乘回歸、 嶺回歸等方式) 對(duì)不同里程下的容量增量峰值進(jìn)行填補(bǔ)和回歸， 得到完整的容量 增量峰值隨里程的變化關(guān)系， 將處理后的容量增量峰值作為健康狀態(tài)估計(jì)模型的輸出參 數(shù)。 其次， 從充電片段中提取累計(jì)行駛里程、 充電起始SOC、 平均充電電流、 平均充電溫度， 從 行駛片段中提取平均行駛溫度， 將其作為健康狀態(tài)估計(jì)模型的輸入?yún)?shù)。 最后， 使用徑向基 函數(shù)神經(jīng)網(wǎng)絡(luò)(Radical Basis Function， RBFNN)， 建立基于大數(shù)據(jù)的動(dòng)力電池組健康狀態(tài) 在線估計(jì)模型。 0079 用以上輸入和輸出參數(shù)， 對(duì)14輛。

33、純電動(dòng)汽車的數(shù)據(jù)進(jìn)行訓(xùn)練， 并用另外 4輛車的 數(shù)據(jù)進(jìn)行驗(yàn)證， 結(jié)果顯示， 平均誤差為4， 模型有較好的健康狀態(tài)估計(jì)能力。 0080 本發(fā)明的具體實(shí)施方案為： 0081 圖2為本發(fā)明實(shí)施例提供的電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法的流程 圖， 如圖2所示， 一種電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法， 包括： 0082 S1、 獲取電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 所述應(yīng)用數(shù)據(jù)包括： 電動(dòng)汽車的累計(jì)行駛里程值、 充電起始SOC值、 平均充電電流、 平均行駛溫度、 平均充電溫度以及分類因子； 所述分類因子 為依據(jù)電動(dòng)汽車車輛衰退速率不同而劃分的類別； 其中， 車輛的累計(jì)行駛里程可以反映其 電池系統(tǒng)在實(shí)際操。

34、作中的安時(shí)吞吐量， 對(duì)電池的退化產(chǎn)生至關(guān)重要的影響。 初始充電SOC是 前序行程中DOD的直接反應(yīng)。 0083 S2、 獲取以應(yīng)用數(shù)據(jù)為輸入， 以電動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值為 輸出的動(dòng)力電池組健康狀態(tài)在線估計(jì)模型； 0084 S3、 根據(jù)所述應(yīng)用數(shù)據(jù)， 利用所述動(dòng)力電池組健康狀態(tài)在線估計(jì)模型確定所述電 動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值； 0085 S4、 根據(jù)所述第二峰值確定所述電動(dòng)汽車動(dòng)力電池組的健康狀態(tài)。 0086 為了提高對(duì)電動(dòng)汽車動(dòng)力電池組的健康狀態(tài)進(jìn)行估計(jì)的精確度， 在上述S2之前還 可以包括： 0087 采集電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 0088 根據(jù)采集的應(yīng)用數(shù)據(jù)， 。

35、確定與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng)汽車動(dòng)力電池的容量 增量曲線的第二峰值； 0089 將采集的應(yīng)用數(shù)據(jù)以及與該應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的第二峰值作為數(shù)據(jù)訓(xùn)練對(duì)； 0090 采用所述數(shù)據(jù)訓(xùn)練對(duì)對(duì)所述動(dòng)力電池組健康狀態(tài)在線估計(jì)模型進(jìn)行訓(xùn)練。 0091 其中， 根據(jù)采集的應(yīng)用數(shù)據(jù)， 確定與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng)汽車動(dòng)力電池 的容量增量曲線的第二峰值的過(guò)程具體包括： 0092 根據(jù)采集的應(yīng)用數(shù)據(jù)， 采用增量容量分析法得到電動(dòng)汽車的容量-電壓曲線， 具體 為： 0093 在一個(gè)充電片段中， 充電容量由下式計(jì)算得到： 0094 0095 其中， Q為充電容量， I(t)為第t時(shí)刻的充電電流， T為采樣周期。 00。

36、96 將式(3)離散化， 使用k代表離散的時(shí)間步， 進(jìn)而計(jì)算每一個(gè)電壓位置的IC值： 說(shuō)明書(shū) 6/10 頁(yè) 9 CN 111323719 A 9 0097 0098 其中， Qk表示電池在第k時(shí)刻的充電容量， Vk表示電池在第k時(shí)刻的電壓， Qk-1代表電 池在第k-1時(shí)刻的充電容量， Vk-1代表電池在第k-1時(shí)刻的電壓。 0099 根據(jù)所述容量-電壓曲線確定所述電動(dòng)汽車的端電壓和充電容量； 0100 但是， 由于電壓測(cè)量精度的影響， 有可能出現(xiàn)在某些連續(xù)時(shí)間步內(nèi)， 測(cè)量到的電壓 沒(méi)有發(fā)生變化， 如圖3中黑色實(shí)線所示。 這將導(dǎo)致IC曲線推導(dǎo)中的零分母問(wèn)題。 為了解決這 一問(wèn)題， 采用支持向量。

37、回歸(SVR)算法(或高斯過(guò)程回歸、 決策樹(shù)回歸等機(jī)器學(xué)習(xí)回歸模型) 對(duì)數(shù)據(jù)集(圖3中黑色實(shí)線所表示的原始數(shù)據(jù))進(jìn)行預(yù)處理， 即采用SVR算法， 以所述端電壓 為輸入， 以所述充電容量為輸出對(duì)容量-電壓曲線進(jìn)行擬合， 得到擬合后的容量-電壓曲線。 這一擬合過(guò)程具體為： 0101 設(shè)數(shù)據(jù)集(x1， y1)， (x2， y2)， ， (xl， yl)， 其中xiRn是特征向量， yiR 是目標(biāo)輸 出， 則系統(tǒng)方程可以表示成如下形式： 0102 y +b,X,bR, 0103 SVR算法將方程轉(zhuǎn)化為以下優(yōu)化問(wèn)題： 0104 0105 0106式中， 向量表示以C0為正則化參數(shù)的模型參數(shù)， 表示上限的。

38、松弛變量， i表 示下限的松弛變量， yi表示目標(biāo)輸出， xi表示特征向量。 通過(guò)求解上述方程， 可以導(dǎo)出近似函 數(shù)： 0107 0108其中， i和均為拉格朗日算子， k(xi,xc)表示核函數(shù)。 本發(fā)明應(yīng)用高斯徑向基核 函數(shù)(RBF)， 其表達(dá)式為： 0109 0110 其中， k(.)表示選擇的核， xi表示采樣點(diǎn)， xc表示中心點(diǎn)， 是高斯函數(shù)的標(biāo)準(zhǔn)偏差， 表示RBF核的寬度。 在本發(fā)明所涉及的電池充電過(guò)程中， 已充入電量可以由下式計(jì)算： 0111 0112 其中， Cr是額定電池容量， Ck是在Vk電壓下的已充入電量， k代表時(shí)間步， s0是充電 操作的初始SOC值， Ik是充電電流。

39、， 而T是采樣間隔。 說(shuō)明書(shū) 7/10 頁(yè) 10 CN 111323719 A 10 0113 值得一提的是， 由于實(shí)際電池容量的降低， 可能導(dǎo)致每個(gè)特定電壓下的計(jì)算容量 與實(shí)際值存在偏差， 然而， 由于IC值的計(jì)算僅需要用到兩個(gè)采樣點(diǎn)間充電容量的差值(增 量)， 因此對(duì)IC曲線推導(dǎo)的影響有限。 充電容量和相關(guān)電壓之間的關(guān)系可以近似為 0114 Ckf(Vk) 0115 在本發(fā)明中， 根據(jù)公式(11)得到容量-電壓的曲線圖， 如圖4所示。 SVR 算法被用來(lái) 擬合容量增量曲線， 以消除原始數(shù)據(jù)波動(dòng)帶來(lái)的影響。 其中， 輸入為端電壓Vk， 輸出為充電 容量Ck。 0116 基于圖3中的SVR擬合。

40、后的容量-電壓曲線， 依據(jù)公式(4)， 可以得出每輛車的IC曲 線。 0117 然而， 電壓和電流的測(cè)量精度不可避免地會(huì)影響所獲得的IC曲線， 使其出現(xiàn)異常 的波動(dòng)。 為了有效地提取IC曲線的特征， 需要采用一定的濾波算法。 在本發(fā)明使用高斯窗口 (GW)濾波(方法或滑動(dòng)均值濾波、 低通濾波、 小波等濾波等方式)用于平滑IC曲線， 濾波后不 同里程下的IC曲線如圖5所示。 0118 可以看出， IC曲線的第二峰值通常隨著累積里程的增加而降低， 因此可以用其表 征電池SOH。 即通過(guò)IC曲線的第二峰值對(duì)電動(dòng)汽車動(dòng)力電池組的健康狀態(tài)進(jìn)行確定， 那么在 得到容量增量曲線后就可以確定其第二峰值。 01。

41、19 圖5描繪了不同車輛的峰值演變。 可以看出， 所有峰值演化都具有相似的模式， 但 曲線斜率不同。 通過(guò)聚類， 可以將研究的車輛分為兩組。 由此， 引入分類因子， 對(duì)車輛所屬類 別進(jìn)行區(qū)分(在本發(fā)明中以規(guī)定的衰退速率為界限按照當(dāng)前電動(dòng)汽車的車輛衰退速率將電 動(dòng)汽車分為兩種類別)， 以提高預(yù)測(cè)準(zhǔn)確率。 0120 進(jìn)一步， 由于對(duì)數(shù)據(jù)要求較為嚴(yán)格， 并非所有充電過(guò)程中的電壓變化曲線都可以 用于IC曲線推導(dǎo)。 為了獲得每次充電過(guò)程的IC值， 需要再次使用SVR 算法來(lái)獲取IC值隨著 累積里程增加而演變的趨勢(shì)， 擬合結(jié)果在圖6中顯示。 可以看出， 擬合曲線可以充分代表IC 值的演化路線并濾除異常值。。

42、 該擬合曲線可用于獲取特定累積里程的確切IC值， 可用作模 型訓(xùn)練和驗(yàn)證的模型輸出。 0121 為了進(jìn)一步提高本發(fā)明所提供的電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法的 評(píng)估準(zhǔn)確性， 在采集得到電動(dòng)汽車的應(yīng)用數(shù)據(jù)之后， 還需要對(duì)采集得到的應(yīng)用數(shù)據(jù)進(jìn)行預(yù) 處理。 所述預(yù)處理具體包括： 均值處理和絕對(duì)值處理。 0122 作為本發(fā)明的另一實(shí)施例， 本發(fā)明所采用的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radical Basis Function， RBFNN)模型的具體構(gòu)建過(guò)程為： 0123 相比于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)(ANN)， RBFNN模型的區(qū)別主要在于隱層數(shù)和輸入節(jié)點(diǎn) 的激活函數(shù)。 由于RBFNN模型的激活函數(shù)可以將。

43、輸入變量映射到高維， 將非線性關(guān)系轉(zhuǎn)化為 線性關(guān)系， 使得RBFNN模型只需要一個(gè)隱層。 因此， RBFNN模型的訓(xùn)練也比一般的ANN更為有 效， 可以防止模型訓(xùn)練陷入局部極小值。 0124 本發(fā)明利用RBFNN模型建立了動(dòng)力電池組健康狀態(tài)在線估計(jì)模型， 并利用梯度下 降算法(或粒子群優(yōu)化、 遺傳算法等)進(jìn)行模型訓(xùn)練和驗(yàn)證。 開(kāi)發(fā)的動(dòng)力電池組健康狀態(tài)在 線估計(jì)模型可以嵌入到現(xiàn)實(shí)的電池管理系統(tǒng) (BATTERY MANAGEMENT SYSTEM， BMS)中進(jìn)行 在線計(jì)算。 RBFNN神經(jīng)網(wǎng)絡(luò)模型的基本結(jié)構(gòu)為： 說(shuō)明書(shū) 8/10 頁(yè) 11 CN 111323719 A 11 0125 0126。

44、 0127 式中， Y表示輸出參數(shù)， k表示隱層節(jié)點(diǎn)個(gè)數(shù)， wj為第jth個(gè)隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間 的權(quán)重， w0為隱層節(jié)點(diǎn)到輸出節(jié)點(diǎn)的偏置項(xiàng)。 所建立模型的結(jié)構(gòu)如圖7所示。 它由一個(gè)輸入 層， 一個(gè)隱藏層和一個(gè)輸出層組成。 輸入層包含六個(gè)特征參數(shù)， 分別為車輛的累計(jì)行駛里 程、 初始充電SOC、 平均充電溫度、 平均充電電流、 平均放電溫度以及分類因子， 而IC曲線的 第二峰值是輸出層中唯一的模型輸出。 0128 BP(Back Propagation)訓(xùn)練算法已被廣泛用于RBFNN的訓(xùn)練。 優(yōu)選地， 本發(fā)明選擇 梯度下降(Gradient Descent)法來(lái)解決擬合問(wèn)題， 并且將學(xué)習(xí)率設(shè)。

45、置為0.001。 由此， 上式 中的參數(shù)可以由下式更新： 0129 xcj(i)xcj(i-1)+ xcj+ (xcj(i-1)-xcj(i-2) 0130 xcj(i)xcj(i-1)+ xcj+ (xcj(i-1)-xcj(i-2) 0131 xcj(i)xcj(i-1)+ xcj+ (xcj(i-1)-xcj(i-2) 0132 其中， wj為第jth個(gè)隱節(jié)點(diǎn)的權(quán)重， j為第jth個(gè)隱節(jié)點(diǎn)的標(biāo)準(zhǔn)差， xcj為第 jth個(gè)隱節(jié) 點(diǎn)的中心值， i代表迭代次數(shù)， 0,1為學(xué)習(xí)率， 0,1為動(dòng)量因子。 0133 此外， 對(duì)應(yīng)于上述電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法， 本發(fā)明還提供了 一種電動(dòng)。

46、汽車動(dòng)力電池組健康狀態(tài)在線確定系統(tǒng)， 如圖8所示， 該系統(tǒng)包括： 應(yīng)用數(shù)據(jù)獲取 模塊1、 在線估計(jì)模型獲取模塊2、 第一峰值確定模塊3 和健康狀態(tài)確定模塊4。 0134 應(yīng)用數(shù)據(jù)獲取模塊1用于獲取電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 所述應(yīng)用數(shù)據(jù)包括： 電動(dòng)汽車 的累計(jì)行駛里程值、 充電起始SOC值、 平均充電電流、 平均行駛溫度、 平均充電溫度以及分類 因子； 所述分類因子為依據(jù)電動(dòng)汽車車輛衰退速率不同而劃分的類別； 0135 在線估計(jì)模型獲取模塊2用于獲取以應(yīng)用數(shù)據(jù)為輸入， 以電動(dòng)汽車動(dòng)力電池的容 量增量曲線的第二峰值為輸出的動(dòng)力電池組健康狀態(tài)在線估計(jì)模型； 0136 第一峰值確定模塊3用于根據(jù)所述應(yīng)用數(shù)。

47、據(jù)， 利用所述動(dòng)力電池組健康狀態(tài)在線 估計(jì)模型確定所述電動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值； 0137 健康狀態(tài)確定模塊4用于根據(jù)所述第二峰值確定所述電動(dòng)汽車動(dòng)力電池組的健康 狀態(tài)。 0138 為了進(jìn)一步提高心痛預(yù)測(cè)的精確性， 上述系統(tǒng)還包括： 第一應(yīng)用數(shù)據(jù)采集模塊、 第 二峰值確定模塊、 數(shù)據(jù)訓(xùn)練對(duì)構(gòu)建模塊和模型訓(xùn)練模塊。 0139 其中， 第一應(yīng)用數(shù)據(jù)采集模塊用于采集電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 第二峰值確定模塊 用于根據(jù)采集的應(yīng)用數(shù)據(jù)， 確定與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電動(dòng)汽車動(dòng)力電池的容量增量 曲線的第二峰值； 數(shù)據(jù)訓(xùn)練對(duì)構(gòu)建模塊用于將采集的應(yīng)用數(shù)據(jù)以及與該應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的 第二峰值作為數(shù)據(jù)訓(xùn)。

48、練對(duì)； 模型訓(xùn)練模塊用于采用所述數(shù)據(jù)訓(xùn)練對(duì)對(duì)所述動(dòng)力電池組健康 狀態(tài)在線估計(jì)模型進(jìn)行訓(xùn)練。 0140 上述第二峰值確定模塊具體包括： 容量-電壓曲線確定單元、 端電壓和充電容量確 定單元、 容量-電壓曲線擬合單元和峰值確定單元。 說(shuō)明書(shū) 9/10 頁(yè) 12 CN 111323719 A 12 0141 容量-電壓曲線確定單元用于根據(jù)采集的應(yīng)用數(shù)據(jù)， 采用增量容量分析法得到電 動(dòng)汽車的容量-電壓曲線； 端電壓和充電容量確定單元用于根據(jù)所述容量-電壓曲線確定所 述電動(dòng)汽車的端電壓和充電容量； 容量-電壓曲線擬合單元用于采用SVR算法， 以所述端電 壓為輸入， 以所述充電容量為輸出對(duì)容量-電壓曲線進(jìn)。

49、行擬合， 得到擬合后的容量-電壓曲 線； 峰值確定單元用于根據(jù)所述擬合后的容量-電壓曲線得到容量增量曲線， 并確定所述容 量增量曲線的第二峰值； 所述容量增量曲線的第二峰值即為與采集的應(yīng)用數(shù)據(jù)相對(duì)應(yīng)的電 動(dòng)汽車動(dòng)力電池的容量增量曲線的第二峰值。 0142 除上述部件之外， 本發(fā)明所提供的系統(tǒng)還可以包括有： 第二應(yīng)用數(shù)據(jù)采集模塊和 預(yù)處理模塊。 0143 其中， 第二應(yīng)用數(shù)據(jù)采集模塊用于采集所述電動(dòng)汽車的應(yīng)用數(shù)據(jù)； 預(yù)處理模塊用 于對(duì)所采集的應(yīng)用數(shù)據(jù)進(jìn)行預(yù)處理； 所述預(yù)處理包括： 均值處理和絕對(duì)值處理。 0144 本說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述， 每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他 實(shí)施例的。

50、不同之處， 各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。 對(duì)于實(shí)施例公開(kāi)的系統(tǒng) 而言， 由于其與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)， 所以描述的比較簡(jiǎn)單， 相關(guān)之處參見(jiàn)方法部分說(shuō) 明即可。 0145 本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述， 以上實(shí)施例的說(shuō) 明只是用于幫助理解本發(fā)明的方法及其核心思想； 同時(shí)， 對(duì)于本領(lǐng)域的一般技術(shù)人員， 依據(jù) 本發(fā)明的思想， 在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處。 綜上所述， 本說(shuō)明書(shū)內(nèi)容不 應(yīng)理解為對(duì)本發(fā)明的限制。 說(shuō)明書(shū) 10/10 頁(yè) 13 CN 111323719 A 13 圖1 圖2 說(shuō)明書(shū)附圖 1/4 頁(yè) 14 CN 111323719 A 1。

相關(guān)知識(shí)

電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法和系統(tǒng).pdf
增程式電動(dòng)車動(dòng)力電池健康狀態(tài)的檢測(cè)方法及系統(tǒng).pdf
電動(dòng)汽車動(dòng)力電池健康狀態(tài)在線動(dòng)態(tài)估算方法
鋰離子電池組單體容量及健康狀態(tài)在線測(cè)量系統(tǒng)及方法與流程
【標(biāo)準(zhǔn)解讀】《電動(dòng)汽車動(dòng)力蓄電池健康狀態(tài)評(píng)價(jià)指標(biāo)及估算誤差試驗(yàn)方法》
電動(dòng)汽車電池健康狀態(tài)怎么看？怎么檢測(cè)電池壽命？
汽車電池健康狀態(tài)的判斷方法
電動(dòng)汽車換電后如何檢查電池狀態(tài)
無(wú)線電池管理系統(tǒng)：實(shí)現(xiàn)智能電池生態(tài)系統(tǒng)解決方案
電動(dòng)汽車電池健康狀態(tài)怎么看？怎么檢測(cè)新能源電池健康度？

網(wǎng)址: 電動(dòng)汽車動(dòng)力電池組健康狀態(tài)在線確定方法和系統(tǒng).pdf http://www.u1s5d6.cn/newsview1219403.html