本發(fā)明屬于電池管理系統(tǒng)的健康狀態(tài)估計(jì)，具體涉及一種基于多目標(biāo)優(yōu)化的鋰離子電池健康狀態(tài)估計(jì)方法。

背景技術(shù)：

1、鋰離子電池因其具有能量密度高、輸出容量大、性?xún)r(jià)比高等優(yōu)點(diǎn)而在電動(dòng)汽車(chē)領(lǐng)域得到了廣泛應(yīng)用。在電池循環(huán)使用過(guò)程中，其內(nèi)部結(jié)構(gòu)會(huì)產(chǎn)生可循環(huán)鋰損失和集電極腐蝕等現(xiàn)象，將會(huì)導(dǎo)致電池性能不斷退化。為保證電動(dòng)汽車(chē)安全穩(wěn)定運(yùn)行，通過(guò)電池管理系統(tǒng)對(duì)動(dòng)力電池進(jìn)行在線管理和控制。電池的健康狀態(tài)(state ofhealth，soh)反映了當(dāng)前電池相對(duì)于新電池的電量存儲(chǔ)能力，準(zhǔn)確預(yù)測(cè)電池的健康狀態(tài)可提前獲知電池的容量水平，這對(duì)于優(yōu)化電動(dòng)汽車(chē)控制策略、提高能量利用率及降低能耗成本等都具有重要意義。

2、目前，常用的鋰離子電池健康狀態(tài)評(píng)估方法分為基于模型方法和基于數(shù)據(jù)驅(qū)動(dòng)方法，基于模型方法通過(guò)建立數(shù)學(xué)模型來(lái)描述鋰離子電池的物理過(guò)程，但其存在模型復(fù)雜度高、參數(shù)難以確定及適用性差等缺點(diǎn)?；跀?shù)據(jù)驅(qū)動(dòng)方法則是利用電池歷史數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)等手段構(gòu)建模型，進(jìn)而預(yù)測(cè)電池的健康狀態(tài)，相較于基于模型方法，具有更好的預(yù)測(cè)精度和魯棒性，但是還存在以下問(wèn)題，第一，在健康特征提取方面，目前研究大多圍繞電池容量增量、等壓升時(shí)間、等壓降時(shí)間及平均電壓等特征展開(kāi)，但是這些特征均不能反映恒流充電過(guò)程中電池的非線性老化規(guī)律，無(wú)法準(zhǔn)確表征鋰離子電池健康狀態(tài)的衰退特性。第二，在數(shù)據(jù)驅(qū)動(dòng)模型方面，傳統(tǒng)的單目標(biāo)優(yōu)化模型在健康狀態(tài)評(píng)估方面的應(yīng)用大多僅關(guān)注提高預(yù)測(cè)精度，但是在電池循環(huán)使用過(guò)程中會(huì)出現(xiàn)容量回升現(xiàn)象，容量回升產(chǎn)生的波動(dòng)無(wú)法準(zhǔn)確跟蹤，進(jìn)而導(dǎo)致模型的預(yù)測(cè)穩(wěn)定性差，因此傳統(tǒng)的單目標(biāo)優(yōu)化模型忽視了容量回升對(duì)預(yù)測(cè)穩(wěn)定性的影響。

3、因此，本發(fā)明提出一種基于多目標(biāo)優(yōu)化的鋰離子電池健康狀態(tài)估計(jì)方法，一方面提取反映恒流充電過(guò)程中非線性老化的健康特征，另一方面使得模型同時(shí)關(guān)注預(yù)測(cè)結(jié)果的準(zhǔn)確性和穩(wěn)定性。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)存在的不足之處，本發(fā)明擬解決的技術(shù)問(wèn)題是，提出一種基于多目標(biāo)優(yōu)化的鋰離子電池健康狀態(tài)估計(jì)方法。

2、本發(fā)明解決所述技術(shù)問(wèn)題采用如下的技術(shù)方案：

3、一種基于多目標(biāo)優(yōu)化的鋰離子電池健康狀態(tài)估計(jì)方法，其特征在于，該方法包括以下步驟：

4、步驟s1：采集鋰離子電池的充放電循環(huán)數(shù)據(jù)；

5、步驟s2：對(duì)充放電循環(huán)數(shù)據(jù)進(jìn)行預(yù)處理，并從充放電循環(huán)數(shù)據(jù)中提取多個(gè)健康特征，其中一個(gè)健康特征為恒流充電時(shí)間，另外的健康特征均為利用logit模型擬合恒流充電電壓-時(shí)間曲線的多項(xiàng)式系數(shù)；

6、步驟s3：基于極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)建立健康狀態(tài)估計(jì)模型；

7、步驟s4：利用采集的鋰離子電池充放電循環(huán)數(shù)據(jù)對(duì)健康狀態(tài)估計(jì)模型進(jìn)行訓(xùn)練，模型的輸入特征矩陣為f＝[f1；f2；…；fn；…；fn]，輸出向量為表示第n次循環(huán)的輸入特征向量，表示第n次循環(huán)提取的健康特征，表示第n次循環(huán)的真實(shí)健康狀態(tài)，n表示全生命周期的充放電循環(huán)次數(shù)；

8、將健康狀態(tài)估計(jì)模型的輸入層到隱藏層的輸入權(quán)重和隱藏層偏置兩個(gè)參數(shù)作為待優(yōu)化參數(shù)，利用基于非支配排序和擁擠距離的多目標(biāo)優(yōu)化算法對(duì)健康狀態(tài)估計(jì)模型進(jìn)行優(yōu)化；多目標(biāo)優(yōu)化算法的適應(yīng)度函數(shù)包括均方差和穩(wěn)定性指數(shù)，如下式：

9、

10、

11、其中，mse為均方差，sdex為穩(wěn)定性指數(shù)，k為樣本數(shù)量，yi、分別為第i個(gè)樣本的真實(shí)健康狀態(tài)和預(yù)測(cè)健康狀態(tài)，std(·)表示標(biāo)準(zhǔn)差；

12、步驟s5：將優(yōu)化后的健康狀態(tài)估計(jì)模型用于鋰離子電池健康狀態(tài)的估計(jì)。

13、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

14、1.本發(fā)明利用logit模型對(duì)恒流充電過(guò)程中的電壓-時(shí)間曲線進(jìn)行擬合，提取logit模型的多項(xiàng)式系數(shù)作為健康特征，相比于容量增量、等壓升時(shí)間、等壓降時(shí)間及平均電壓等傳統(tǒng)健康特征，多項(xiàng)式系數(shù)能夠充分反映電池恒流充電過(guò)程中的非線性老化規(guī)律，可以間接表征鋰離子電池的衰退，同時(shí)將直接表征鋰離子電池衰退的恒流充電時(shí)間也作為健康特征，從而有利于提高soh估計(jì)精度。

15、2.通過(guò)采用基于非支配排序和擁擠距離計(jì)算的多目標(biāo)鯨魚(yú)優(yōu)化算法對(duì)健康狀態(tài)估計(jì)模型進(jìn)行優(yōu)化，并將均方差和穩(wěn)定性指數(shù)(sdex)作為多目標(biāo)優(yōu)化的目標(biāo)函數(shù)，同時(shí)兼顧了模型的預(yù)測(cè)精度和穩(wěn)定性，有效解決了傳統(tǒng)單目標(biāo)優(yōu)化模型僅考慮預(yù)測(cè)精度而忽略了因電池容量回升導(dǎo)致的預(yù)測(cè)穩(wěn)定性差的問(wèn)題，在鋰離子電池全生命周期的健康狀態(tài)估計(jì)中均能達(dá)到相對(duì)較高的預(yù)測(cè)精度和穩(wěn)定性。

技術(shù)特征：

1.一種基于多目標(biāo)優(yōu)化的鋰離子電池健康狀態(tài)估計(jì)方法，其特征在于，該方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于多目標(biāo)優(yōu)化的鋰離子電池健康狀態(tài)估計(jì)方法，其特征在于，在步驟s2中，通過(guò)決定系數(shù)和均方根誤差評(píng)估logit模型不同擬合階數(shù)的精度，當(dāng)擬合階數(shù)大于等于3時(shí)，精度能夠滿(mǎn)足要求，故選取logit模型的一次項(xiàng)、二次項(xiàng)和三次項(xiàng)系數(shù)作為健康特征。

3.根據(jù)權(quán)利要求1或2所述的基于多目標(biāo)優(yōu)化的鋰離子電池健康狀態(tài)估計(jì)方法，其特征在于，所述多目標(biāo)優(yōu)化算法為多目標(biāo)鯨魚(yú)優(yōu)化算法。

技術(shù)總結(jié)
本發(fā)明為一種基于多目標(biāo)優(yōu)化的鋰離子電池健康狀態(tài)估計(jì)方法，首先采集鋰離子電池的充放電循環(huán)數(shù)據(jù)并進(jìn)行預(yù)處理；然后，從充放電循環(huán)數(shù)據(jù)中提取包括恒流充電時(shí)間和利用Logit模型擬合恒流充電電壓?時(shí)間曲線的多項(xiàng)式系數(shù)在內(nèi)的多個(gè)健康特征；最后，基于極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)建立健康狀態(tài)估計(jì)模型，利用鋰離子電池充放電循環(huán)數(shù)據(jù)對(duì)健康狀態(tài)估計(jì)模型進(jìn)行訓(xùn)練，在訓(xùn)練過(guò)程中通過(guò)基于非支配排序和擁擠距離的多目標(biāo)優(yōu)化算法對(duì)健康狀態(tài)估計(jì)模型進(jìn)行優(yōu)化，并將優(yōu)化后的健康狀態(tài)估計(jì)模型用于鋰離子電池健康狀態(tài)的估計(jì)。本發(fā)明提取的多項(xiàng)式系數(shù)反映了恒流充電過(guò)程中的非線性老化規(guī)律，間接表征了電池衰退，恒流充電時(shí)間直接表征了電池衰退，模型優(yōu)化兼顧了模型的預(yù)測(cè)精度和穩(wěn)定性。

技術(shù)研發(fā)人員：張闖,胡文鎮(zhèn),徐志成,趙英杰
受保護(hù)的技術(shù)使用者：河北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/1/15

相關(guān)知識(shí)

鋰離子電池健康狀態(tài)估計(jì)方法
基于電化學(xué)模型的鋰離子電池健康狀態(tài)估算
鋰離子電池壽命測(cè)試與健康狀態(tài)估計(jì)
=退役鋰離子電池健康狀態(tài)評(píng)估方法【鉅大鋰電】
電動(dòng)汽車(chē)鋰離子動(dòng)力電池健康狀態(tài)估計(jì)方法研究.pdf
基于實(shí)車(chē)運(yùn)行數(shù)據(jù)的鋰離子電池健康狀態(tài)估計(jì)
鋰離子電池健康狀態(tài)估計(jì)簡(jiǎn)介：基于Python的數(shù)據(jù)處理計(jì)算SOH, RUL, CCCT, CVCT
一種基于深度學(xué)習(xí)的鋰電池健康狀態(tài)評(píng)估方法
基于數(shù)據(jù)驅(qū)動(dòng)的鋰離子電池健康狀態(tài)估計(jì)及剩余壽命預(yù)測(cè)研究.docx
基于模型的鋰離子電池健康狀態(tài)預(yù)測(cè)

網(wǎng)址: 基于多目標(biāo)優(yōu)化的鋰離子電池健康狀態(tài)估計(jì)方法 http://www.u1s5d6.cn/newsview1391973.html