本發(fā)明涉及退役電池性能評估領(lǐng)域，具體涉及一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法。

背景技術(shù)：

1、隨著電動汽車和規(guī)?；瘍δ芟到y(tǒng)的快速發(fā)展，鋰離子電池的健康狀態(tài)估計(stateof health，soh)成為保障系統(tǒng)安全與提升經(jīng)濟價值的關(guān)鍵技術(shù)。soh作為衡量電池老化程度的核心指標，直接決定了電池的剩余壽命和梯次利用潛力。

2、傳統(tǒng)方法如容量衰減監(jiān)測或內(nèi)阻測量雖被廣泛應(yīng)用，但是容量測試需耗時充放電循環(huán)且難以在線實施，而內(nèi)阻模型對工況波動敏感且無法解析電池內(nèi)部電化學(xué)機制的微觀退化。近年來，電化學(xué)阻抗譜(electrochemicalimpedance spectroscopy，eis)技術(shù)因其非侵入式、高信息密度的特性備受關(guān)注，它通過寬頻域激勵信號捕捉電池動力學(xué)響應(yīng)，其奈奎斯特圖中蘊含的歐姆阻抗、電荷轉(zhuǎn)移阻抗和擴散阻抗特征與電極界面副反應(yīng)、活性材料損失的老化機制深度耦合。然而，現(xiàn)有基于eis的soh估計仍面臨多重挑戰(zhàn)：傳統(tǒng)整數(shù)階等效電路模型難以精準描述電池極化行為的分數(shù)階特性，導(dǎo)致高頻區(qū)擴散過程擬合誤差；阻抗譜測試易受荷電狀態(tài)(state of charge，soc)、溫度及歷史工況干擾，導(dǎo)致跨工況場景下soh估計模型泛化能力不足。

3、針對上述問題，分數(shù)階等效電路模型的引入為機理建模提供了新思路。通過使用恒相位元件(constant phase element,cpe)替代傳統(tǒng)電容，其阻抗特性可更精確表征電極-電解液界面的非理想電容行為和擴散過程，建模鋰沉積、固體電解質(zhì)界面膜增厚的退化機制，但現(xiàn)有研究多聚焦于新電池建模，退役電池在實際應(yīng)用中經(jīng)歷的多變工況導(dǎo)致電池之間存在分布偏移，對退役電池分數(shù)階參數(shù)與soh的非線性映射關(guān)系尚未形成系統(tǒng)性認知。如何將電化學(xué)機理與數(shù)據(jù)驅(qū)動方法深度融合，構(gòu)建可解釋、強泛化的跨工況soh估計框架，仍是當前研究的空白。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，通過非線性最小二乘擬合分數(shù)階等效模型的電化學(xué)阻抗譜，采用pearson相關(guān)性分析與遞歸特征消除獲取最佳健康因子，構(gòu)建領(lǐng)域自適應(yīng)的電池健康狀態(tài)估計模型，實現(xiàn)可解釋、強泛化的跨工況退役電池soh估計。

2、一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，包括以下步驟：

3、步驟1、采用恒流-恒壓模式充電至截止電流0.05a，確保鋰離子在電極中均勻分布，消除soc差異對電化學(xué)阻抗譜的影響。充電完成后斷開電路靜置，使極化效應(yīng)充分弛豫；在0.02hz到20khz的頻率范圍，每十倍頻程10個頻率點，設(shè)置激勵信號幅值為10mv，獲得電化學(xué)阻抗譜數(shù)據(jù)m表示頻率點數(shù)量。

4、步驟2、構(gòu)建退役電池的分數(shù)階等效電路模型：

5、l1+r1+(r2//cpe1)+(r3//cpe2)+w

6、其中，+表示串聯(lián)，//表示并聯(lián)。cpe表示恒相位元件，r表示電阻，l表示電容，w表示warburg擴散元件。

7、作為優(yōu)選，構(gòu)建如下退役電池的分數(shù)階等效電路模型：

8、l1+r1+(r2//cpe1)+(r3//c1)+((r4+w)//cpe2)

9、其中，l1表征引線寄生電感，r1表示歐姆阻抗，r2表示sei膜離子傳輸電阻，r3是電荷轉(zhuǎn)移電阻，r4是體相材料接觸電阻，c1是雙電層電容。cpe1表征sei膜的非理想電容行為，cpe2量化電極孔隙結(jié)構(gòu)老化導(dǎo)致的低頻非理想極化行為，恒相位元件cpea的阻抗為：

10、

11、其中，a＝1、2，0<na<1，反映膜層結(jié)構(gòu)異質(zhì)性，qa是恒相位元件cpea的電導(dǎo)，即阻抗的倒數(shù)。

12、warburg擴散元件w的阻抗表示為一個與頻率相關(guān)的阻抗zw，形式如下：

13、

14、其中，zw是warburg擴散元件w的阻抗。σw是warburg系數(shù)，它與擴散系數(shù)、電極面積和擴散層厚度有關(guān)。τw是warburg時間常數(shù)，與擴散層厚度和擴散系數(shù)有關(guān)。

15、所述分數(shù)階等效電路模型的總阻抗zmodel為：

16、

17、步驟3、擬合電化學(xué)阻抗譜，提取分數(shù)階等效電路模型參數(shù)。

18、步驟4、針對步驟3提取的分數(shù)階等效電路模型參數(shù)，計算各參數(shù)與電池soh的pearson線性相關(guān)系數(shù)rp：

19、

20、其中，θc表示第c次循環(huán)的模型參數(shù)，表示參數(shù)的平均值，sohc表示第c次循環(huán)的健康狀態(tài)，表示所有循環(huán)soh的平均值，c是循環(huán)次數(shù)。對于|rp|>0.7的模型參數(shù)，認為是顯著性參數(shù)，進行保留。其他參數(shù)剔除，排除噪聲干擾項。

21、步驟5、計算模型的均方誤差mse，采用遞歸特征消除和支持向量回歸對步驟4保留的模型參數(shù)進行二次精篩。

22、步驟6、構(gòu)建基于相關(guān)對齊的退役電池健康狀態(tài)領(lǐng)域自適應(yīng)模型，將源域中運行工況的主要老化機制對容量衰減映射關(guān)系，有效地遷移到目標域，具體的：

23、通過公共特征提取器ft獲取源域和目標域的特征xs和xt。所述源域為實驗室可控條件下采集的電池老化電化學(xué)阻抗譜數(shù)據(jù)，包含完整的soh標簽；目標域為動態(tài)溫度、變負載、隨機充放電的實際復(fù)雜工況下的電池運行數(shù)據(jù)。獲取源域和目標域特征的協(xié)方差矩陣cs和ct：

24、

25、其中，xs和xt分別表示源域和目標域的特征，μs和μt分別表示源域和目標域特征的平均值，ns、nt分別表示源域和目標域的特征維度。

26、通過相關(guān)對齊調(diào)整源域和目標域特征的協(xié)方差矩陣，減少兩者之間的分布差異將源域特征分布映射到目標域特征分布空間，提升模型在目標域上的泛化能力：

27、

28、其中，||·||f為f范數(shù)，d為特征維度。隨后通過線性變換將源域特征協(xié)方差矩陣匹配到目標域：

29、

30、將對齊后的目標域特征輸入到多層感知機，進行soh估計。

31、步驟7、使用源域工況退役電池對模型訓(xùn)練，均方差損失作為損失函數(shù)，adam作為優(yōu)化器，梯度反向傳播算法更新模型的參數(shù)。使用訓(xùn)練好的模型退役電池進行soh估計。

32、本發(fā)明具有以下有益效果：

33、基于電化學(xué)阻抗譜的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，通過電化學(xué)機理-大數(shù)據(jù)分析-領(lǐng)域自適應(yīng)三重融合，攻克了退役電池soh估計中精度低、泛化差、可解釋性弱的行業(yè)難題，實現(xiàn)復(fù)雜工況下退役電池soh的高精度、跨場景魯棒性估計，為電動汽車與規(guī)?；瘍δ芟到y(tǒng)的智能化運維提供了可靠技術(shù)工具。

技術(shù)特征：

1.一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，其特征在于：包括以下步驟：

2.如權(quán)利要求1所述一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，其特征在于：采用恒流-恒壓模式充電至截止電流0.05c；充電完成后斷開電路靜置；在0.02hz到20khz的頻率范圍，每十倍頻程10個頻率點，設(shè)置激勵信號幅值為10mv，獲取電化學(xué)阻抗譜數(shù)據(jù)。

3.如權(quán)利要求1所述一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，其特征在于：所述退役電池的分數(shù)階等效電路模型為：

4.如權(quán)利要求1所述一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，其特征在于：所述退役電池的分數(shù)階等效電路模型為：

5.如權(quán)利要求1所述一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，其特征在于：提取分數(shù)階等效電路模型參數(shù)的方法為：

6.如權(quán)利要求5所述一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，其特征在于：所述迭代增量δθ通過求解以下線性方程組得到：

7.如權(quán)利要求1所述一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，其特征在于：使用實驗室可控條件下采集的有標簽電池老化電化學(xué)阻抗譜數(shù)據(jù)作為源域，動態(tài)溫度、變負載、隨機充放電的實際復(fù)雜工況下的無標簽電池運行數(shù)據(jù)作為目標域；通過公共特征提取器ft獲取源域和目標域的特征xs和xt，計算表示源域和目標域特征的平均值μs和μt，獲得源域和目標域特征的協(xié)方差矩陣cs和ct：

8.如權(quán)利要求1所述一種基于eis的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，其特征在于：使用adam作為優(yōu)化器，通過梯度反向傳播算法更新模型的參數(shù)。

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，當所述計算機程序在計算機中執(zhí)行時，令計算機執(zhí)行權(quán)利要求1～8中任一項所述的方法。

技術(shù)總結(jié)
本發(fā)明公開了一種基于EIS的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法，首先提取退役老化電池的電化學(xué)阻抗譜數(shù)據(jù)。然后構(gòu)建分數(shù)階電池等效電路模型，通過恒相位元件增強對電極界面動力學(xué)退化的表征能力?；诜蔷€性最小二乘擬合從電化學(xué)阻抗譜數(shù)據(jù)中提取分數(shù)階電池等效電路模型參數(shù)，采用Pearson相關(guān)性分析篩選與SOH具有顯著關(guān)系的參數(shù)，再使用遞歸特征消除方法做進一步的篩選，從高維參數(shù)集中提取與健康狀態(tài)強關(guān)聯(lián)的最優(yōu)參數(shù)子集。最后構(gòu)建領(lǐng)域自適應(yīng)方法的退役電池健康狀態(tài)估計方法，并通過知識遷移，建模不同運行工況對電池老化的影響，實現(xiàn)兼具物理可解釋性與工況魯棒性的跨工況退役電池健康狀態(tài)估計。

技術(shù)研發(fā)人員：何志偉,官思偉,高明裕,董哲康,林輝品
受保護的技術(shù)使用者：杭州電子科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/7/31

相關(guān)知識

一種基于EIS的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法
=退役鋰離子電池健康狀態(tài)評估方法【鉅大鋰電】
EIS還可以評估電池的健康狀態(tài)（SOH）！
一種用于動力電池健康狀態(tài)預(yù)測的特征參數(shù)集測試方法與流程
一種基于電化學(xué)阻抗譜的鉛酸電池健康狀態(tài)診斷方法與流程
從阻抗到超聲波：全方位評估電池健康狀態(tài)
鋰離子電池健康狀態(tài)估計方法研究現(xiàn)狀與展望
一種基于支持向量機的鋰電池健康狀態(tài)評估方法
EIS：電動汽車電池管理系統(tǒng)的下一階段？
一種在役新能源汽車動力電池健康狀態(tài)快速評估方法.pdf

網(wǎng)址: 一種基于EIS的領(lǐng)域自適應(yīng)退役電池健康狀態(tài)估計方法 http://www.u1s5d6.cn/newsview1628995.html