本發(fā)明涉及電池健康狀態(tài)評估，尤其涉及一種基于最優(yōu)電壓片段搜索的電池健康狀態(tài)評估方法及系統(tǒng)。

背景技術(shù)：

1、本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

2、鋰離子電池具有高能量密度、輕量化、長循環(huán)壽命和低自放電率等特點(diǎn)，其促進(jìn)了近十年可再生能源及其相關(guān)技術(shù)的大規(guī)模創(chuàng)新與應(yīng)用。隨著交通電氣化進(jìn)程的加速，以鋰離子電池為儲(chǔ)能設(shè)備的電動(dòng)汽車迎來了前所未有的發(fā)展機(jī)遇和挑戰(zhàn)。然而，受循環(huán)充放電、高溫、過充、過放等因素的影響，鋰離子電池的性能會(huì)出現(xiàn)難以避免且不可逆轉(zhuǎn)的衰退，并伴隨著極大的安全隱患。

3、電池性能衰退主要體現(xiàn)在可用容量和輸出功率下降，這導(dǎo)致電動(dòng)汽車?yán)m(xù)航性能惡劣。因此，有效、高效地獲取準(zhǔn)確的鋰離子電池健康狀態(tài)(state of health,soh)對于電池的容量衰減程度和老化程度的評估具有至關(guān)重要的必要性。

4、當(dāng)前，電池健康狀態(tài)定義具有多種傳統(tǒng)形式，它通?？梢杂扇萘俊?nèi)阻、功率等參數(shù)隨使用周期的變化來定義，這常需要完整的充電或放電作為支撐。其中，基于容量的定義是最為主流的定義方法，它被描述為電池實(shí)際容量與額定容量的百分比。然而，實(shí)際電動(dòng)汽車充電中完全放盡電量和完全充滿電量均是很少見的充電行為，導(dǎo)致傳統(tǒng)定義形式難以實(shí)際應(yīng)用。

5、在傳統(tǒng)定義方法受限的背景下，各類估計(jì)方法不斷涌現(xiàn)，主要包括基于模型的方法和數(shù)據(jù)驅(qū)動(dòng)的方法。基于模型的方法是通過構(gòu)建電池模型來模擬電池性能衰退。然而，其依賴于精準(zhǔn)的機(jī)理和數(shù)學(xué)模型，計(jì)算量龐大且復(fù)雜，導(dǎo)致在實(shí)際中適用性差。數(shù)據(jù)驅(qū)動(dòng)的方法是通過借助機(jī)器學(xué)習(xí)和統(tǒng)計(jì)工具建立電池健康狀態(tài)和老化特征之間的映射關(guān)系。然而，其在實(shí)際任務(wù)中的部署和表現(xiàn)受到數(shù)據(jù)質(zhì)量、計(jì)算資源、模型解釋性以及過擬合等方面的限制。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述問題，本發(fā)明提出了一種基于最優(yōu)電壓片段搜索的電池健康狀態(tài)評估方法及系統(tǒng)，通過搜索最優(yōu)充電片段對實(shí)際可測量數(shù)據(jù)進(jìn)行特征篩選，基于篩選的特征數(shù)據(jù)重新定義電池健康狀態(tài)，實(shí)現(xiàn)在實(shí)際復(fù)雜工況中對電池老化程度進(jìn)行有效、高效評估。

2、在一些實(shí)施方式中，采用如下技術(shù)方案：

3、一種最優(yōu)電壓片段搜索方法，包括：

4、獲取鋰離子電池在某一單次循環(huán)中的充電數(shù)據(jù)，對數(shù)據(jù)進(jìn)行預(yù)處理后進(jìn)行二維曲線重組；所述充電數(shù)據(jù)包括充電電壓和充電量；

5、利用滑動(dòng)窗口對重組后的二維曲線數(shù)據(jù)進(jìn)行窗口劃分，計(jì)算每個(gè)窗口中的平均斜率，選取平均斜率最小的窗口作為最優(yōu)充電片段。

6、在另一些實(shí)施方式中，采用如下技術(shù)方案：

7、一種基于最優(yōu)電壓片段搜索的電池健康狀態(tài)評估方法，包括：

8、定義最優(yōu)充電片段中在充電量方向上的跨度作為特征容量；

9、選取鋰離子電池初始投入使用時(shí)期前k個(gè)循環(huán)的充電數(shù)據(jù)，采用上述的最優(yōu)電壓片段搜索方法確定每個(gè)循環(huán)的最優(yōu)充電片段，確定初始特征容量；

10、獲取當(dāng)前循環(huán)的充電數(shù)據(jù)，采用上述的最優(yōu)電壓片段搜索方法確定當(dāng)前循環(huán)的最優(yōu)充電片段，確定當(dāng)前特征容量；

11、將當(dāng)前特征容量與初始特征容量的百分比值作為電池健康狀態(tài)，進(jìn)而實(shí)現(xiàn)電池健康狀態(tài)評估。

12、在另一些實(shí)施方式中，采用如下技術(shù)方案：

13、一種基于最優(yōu)電壓片段搜索的電池健康狀態(tài)評估系統(tǒng)，包括：

14、最優(yōu)電壓片段搜索模塊，用于獲取鋰離子電池在某一單次循環(huán)中的充電數(shù)據(jù)，對數(shù)據(jù)進(jìn)行預(yù)處理后進(jìn)行二維曲線重組；所述充電數(shù)據(jù)包括充電電壓和充電量；利用滑動(dòng)窗口對重組后的二維曲線數(shù)據(jù)進(jìn)行窗口劃分，計(jì)算每個(gè)窗口中的平均斜率，選取平均斜率最小的窗口作為最優(yōu)充電片段；

15、初始特征容量確定模塊，用于選取鋰離子電池初始投入使用時(shí)期前k個(gè)循環(huán)的充電數(shù)據(jù)，通過最優(yōu)電壓片段搜索模塊確定每個(gè)循環(huán)的最優(yōu)充電片段，確定初始特征容量；其中，定義最優(yōu)充電片段中在充電量方向上的跨度作為特征容量；

16、當(dāng)前特征容量確定模塊，用于獲取當(dāng)前循環(huán)的充電數(shù)據(jù)，通過最優(yōu)電壓片段搜索模塊確定當(dāng)前循環(huán)的最優(yōu)充電片段，確定當(dāng)前特征容量；

17、健康狀態(tài)評估模塊，將當(dāng)前特征容量與初始特征容量的百分比值作為電池健康狀態(tài)，進(jìn)而實(shí)現(xiàn)電池健康狀態(tài)評估。

18、在另一些實(shí)施方式中，采用如下技術(shù)方案：

19、一種終端設(shè)備，其包括處理器和存儲(chǔ)器，處理器用于實(shí)現(xiàn)指令；存儲(chǔ)器用于存儲(chǔ)多條指令，所述指令適于由處理器加載并執(zhí)行上述的基于最優(yōu)電壓片段搜索的電池健康狀態(tài)評估方法。

20、在另一些實(shí)施方式中，采用如下技術(shù)方案：

21、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中存儲(chǔ)有多條指令，所述指令適于由終端設(shè)備的處理器加載并執(zhí)行上述的基于最優(yōu)電壓片段搜索的電池健康狀態(tài)評估方法。

22、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

23、(1)實(shí)際應(yīng)用中得不到完整的充電循環(huán)，甚至說實(shí)際中的充電行為是碎片化的，因此需要在碎片充電數(shù)據(jù)中提取可靠的特征。本發(fā)明通過最優(yōu)電壓片段搜索方法，確定每個(gè)循環(huán)的最優(yōu)電壓片段，最優(yōu)電壓片段便是從碎片充電數(shù)據(jù)中提取的可靠的特征，提取到的最優(yōu)電壓片段與電池老化息息相關(guān)，并且尺寸很小，容易提取。

24、(2)相較于現(xiàn)有的電池健康狀態(tài)傳統(tǒng)定義方法，如基于容量的定義、基于內(nèi)阻的定義、基于功率的定義等，本發(fā)明將當(dāng)前特征容量與初始特征容量的百分比值作為電池健康狀態(tài)，僅需提取充電片段的特征容量便能確定電池健康狀態(tài)，不需要額外的數(shù)據(jù)處理和復(fù)雜的計(jì)算過程，提高了方法的適用性；

25、本發(fā)明中重新定義的電池健康狀態(tài)，既不需要完整的充電或放電過程作為支撐，也不需要限制特定的充電或放電協(xié)議(比如恒流、恒壓等)，僅憑借可直接測量的參數(shù)數(shù)據(jù)便可在有限的充電片段中獲取電池健康狀態(tài)，能夠?qū)崿F(xiàn)在實(shí)際復(fù)雜工況中對電池老化程度進(jìn)行有效、高效評估。

26、本發(fā)明中重新定義的電池健康狀態(tài)，不涉及任何建模工作，在計(jì)算成本、計(jì)算效率和實(shí)際部署難度上存在先進(jìn)性；相較于基于容量的定義方法，本發(fā)明重新定義的健康狀態(tài)與其具有相同趨勢，相關(guān)系數(shù)高于0.9；且本發(fā)明方法計(jì)算難度和復(fù)雜度低、抗干擾能力強(qiáng)，能夠依托于鋰離子電池日常實(shí)際數(shù)據(jù)進(jìn)行電池老化程度評估。

27、(3)相較于基于模型的電池健康狀態(tài)估計(jì)方法，如經(jīng)驗(yàn)?zāi)Ｐ?、等效電路模型、電化學(xué)模型等，本發(fā)明利用重新定義的電池健康狀態(tài)進(jìn)行電池健康狀態(tài)評估，既不需要建立復(fù)雜的數(shù)學(xué)模型或等效模型，也不需要深入了解鋰離子電池電化學(xué)原理，也不需要進(jìn)行復(fù)雜的參數(shù)辨識(shí)，大幅降低了計(jì)算量。

28、(4)相較于數(shù)據(jù)驅(qū)動(dòng)的電池健康狀態(tài)估計(jì)方法，如高斯過程回歸、長短期記憶神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等，本發(fā)明利用重新定義的電池健康狀態(tài)進(jìn)行電池健康狀態(tài)評估，既不需要開展復(fù)雜、苛刻的特征工程，也不需要考慮機(jī)器學(xué)習(xí)算法可解釋性差、計(jì)算成本高、易過擬合等缺陷，也不需要大量高質(zhì)量標(biāo)簽數(shù)據(jù)作為支撐，僅對健康狀態(tài)進(jìn)行重新定義就能評估電池老化程度。

29、本發(fā)明的其他特征和附加方面的優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本方面的實(shí)踐了解到。

相關(guān)知識(shí)

基于充電稀疏大數(shù)據(jù)的電池系統(tǒng)綜合健康狀態(tài)評估方法技術(shù)方案
一種基于深度學(xué)習(xí)的鋰電池健康狀態(tài)評估方法
電池健康狀態(tài)檢測系統(tǒng)及方法與流程
電動(dòng)汽車動(dòng)力電池健康狀態(tài)評估方法與流程
電池管理系統(tǒng)里的電池健康評估和壽命預(yù)測
基于動(dòng)態(tài)工況模型誤差特征的動(dòng)力電池健康狀態(tài)估計(jì)方法
電池管理系統(tǒng)SOH算法揭秘：如何精準(zhǔn)評估電池健康
電池健康狀態(tài)實(shí)時(shí)監(jiān)測和智能管理方法及系統(tǒng)
基于電芯熱失控風(fēng)險(xiǎn)檢測的多維參數(shù)評估系統(tǒng)及方法與流程
=退役鋰離子電池健康狀態(tài)評估方法【鉅大鋰電】

網(wǎng)址: 基于最優(yōu)電壓片段搜索的電池健康狀態(tài)評估方法及系統(tǒng) http://www.u1s5d6.cn/newsview1388195.html