發(fā)明涉及動力電池安全，具體是指新能源汽車動力電池系統(tǒng)健康狀態(tài)估計領(lǐng)域，尤其涉及多個動態(tài)工況下放電的動力電池健康狀態(tài)估計方法。

背景技術(shù)：

1、隨著汽車大規(guī)模普及和使用，汽車保有量越來越高。與此同時，燃油汽車尾氣排放對大氣的影響也越來越嚴(yán)重。隨著世界各國對環(huán)保問題越來越重視，發(fā)展新能源汽車已經(jīng)成為國家節(jié)能減排戰(zhàn)略及發(fā)展低碳經(jīng)濟的重要戰(zhàn)略手段。鋰離子電池作為一種清潔的儲能技術(shù)，也成為電動汽車最具發(fā)展前景的候選電池之一。雖然鋰電池具有能量密度高、工作溫度范圍寬的優(yōu)勢，但容量和功率方面的性能會隨著使用時間的增長而逐漸惡化。更嚴(yán)重的是，電池老化還可能導(dǎo)致電解液泄漏和微小短路，這可能造成電池故障并引發(fā)熱失控，從而導(dǎo)致災(zāi)難性事故發(fā)生。因此，為了確保電動汽車的可靠運行，并避免此類事故的發(fā)生，具有監(jiān)測電池soh功能的電池管理系統(tǒng)的作用至關(guān)重要。

2、鋰電池soh評估方法可以根據(jù)不同的分類標(biāo)準(zhǔn)分為多個類別。例如，基于模型的預(yù)測方法利用物理、化學(xué)和電學(xué)原理來建立電池的數(shù)學(xué)模型，通過對模型參數(shù)進(jìn)行估計，預(yù)測電池的soh。這些方法可以用于研究電池在不同工作條件下的性能，并提供對電池soh的量化評估。數(shù)據(jù)驅(qū)動方法、隨機技術(shù)、統(tǒng)計方法和自適應(yīng)方法等都屬于基于數(shù)據(jù)的方法，將這些方法歸類于數(shù)據(jù)驅(qū)動類別，數(shù)據(jù)驅(qū)動方法主要通過處理大量現(xiàn)場測試數(shù)據(jù)來推斷電池的健康狀況，使用統(tǒng)計分析、機器學(xué)習(xí)和人工智能等技術(shù)，從數(shù)據(jù)中提取特征并構(gòu)建soh預(yù)測模型?；旌戏椒▽⑾嗤虿煌愋偷姆椒ńY(jié)合在一起的方法?；旌戏椒ńY(jié)合了基于模型的方法和數(shù)據(jù)驅(qū)動方法的優(yōu)點，既能夠準(zhǔn)確地描述電池的物理行為，又能夠利用大量測試數(shù)據(jù)進(jìn)行校正和改進(jìn)。這些方法可以使用模型和數(shù)據(jù)之間的互補性來提高預(yù)測精度。

3、在電動汽車應(yīng)用中，開發(fā)一種簡單有效的電池健康狀態(tài)監(jiān)測系統(tǒng)是一項重要任務(wù)。現(xiàn)有的電池soh估計方法通常選擇電池在恒流或恒壓充放電階段的數(shù)據(jù)進(jìn)行特征提取和建模，這對數(shù)據(jù)質(zhì)量的要求很高。然而，由于用戶給電池充電行為的隨機性以及電池快速充電的策略不同，加之電動汽車實際運行過程中，一般涉及多種工況放電，導(dǎo)致電池的充放電特性多變，存在很強的工況不確定性。因此，如何從動態(tài)放電工況的數(shù)據(jù)中提取出合理有效的健康指標(biāo)，仍然是解決動態(tài)工況下鋰電池soh評估的關(guān)鍵。

技術(shù)實現(xiàn)思路

1、為解決現(xiàn)有技術(shù)的不足，本發(fā)明提供基于動態(tài)工況模型誤差特征的動力電池健康狀態(tài)估計方法，基于電池老化狀態(tài)與模型電壓誤差的相關(guān)關(guān)系，從四種動態(tài)工況的模型電壓誤差中提取健康特征，構(gòu)建多個動態(tài)工況下的soh估計模型，模型具有良好的精度和泛化性能。

2、本發(fā)明為實現(xiàn)上述目的，采用以下技術(shù)方案：

3、基于動態(tài)工況模型誤差特征的動力電池健康狀態(tài)估計方法，其特征在于：包括以下步驟：

4、s1、采用thevenin模型構(gòu)建電池模型；

5、s2、電池模型的參數(shù)辨識；

6、s3、采用誤差面積作為估計電池的老化特征；

7、s4、采用動態(tài)工況的電流均值作為工況特征；

8、s5、采用融合特征描述電池老化前后的差異；

9、s6、建立融合特征與電池soh之間的經(jīng)驗?zāi)Ｐ汀?/p>

10、作為本技術(shù)方案的進(jìn)一步限定，所述s1中電池初始循環(huán)的電池模型，如式(1)、(2)、(3)所示：

11、                                （1）

12、                 （2）

13、                           （3）

14、式中：下標(biāo) k為第 k個采樣時刻； ut為電池端電壓； uoc為開路電壓； z為電池荷電狀態(tài)； up為極化電壓；系數(shù) a0~ a6由離線ocv實驗確定；δ t為采樣間隔； il為電池工作電流，取放電為正。

15、作為本技術(shù)方案的進(jìn)一步限定，所述s2中，采用遺傳算法對電池初始老化點的內(nèi)部參數(shù)進(jìn)行參數(shù)辨識，利用thevenin等效電路模型建立電池解析模型時，待辨識參數(shù)包括開路電壓ocv、歐姆內(nèi)阻 ro、極化內(nèi)阻 rp和極化電容 cp，其中ocv與 soc之間的關(guān)系通過增量法ocv測試獲得， ro、 rp和 cp與 soc之間的關(guān)系則是通過對hppc測試數(shù)據(jù)參數(shù)辨識獲得。

16、作為本技術(shù)方案的進(jìn)一步限定，所述s3中，將各老化點下的動態(tài)工況測試數(shù)據(jù)輸入到電池模型中，得到模型的電壓誤差，提取各個老化點下不同工況的誤差面積作為老化特征，所述誤差面積的計算公式為：

17、    （4）

18、式中， sv為放電電壓積分， uerror為端電壓誤差， tend為 soc到達(dá)0.5的時間。

19、作為本技術(shù)方案的進(jìn)一步限定，所述s4中，提取動態(tài)工況放電測試的電流均值作為反映動態(tài)工況差異的工況特征，所述電流均值的計算公式為：

20、       （5）

21、式中，為放電電流均值， t為一個放電周期的時間，i(t)表示電流隨時間變化的函數(shù)， tend為動態(tài)工況放電時間。

22、作為本技術(shù)方案的進(jìn)一步限定，在所述s5中，所述融合特征的計算方式為：

23、采用二次多項式擬合，對初始老化點四種動態(tài)工況的誤差面積和電流均值進(jìn)行二次多項式擬合，擬合關(guān)系式如下：

24、      （6）

25、式中： x為初始老化點電流均值， y為初始老化點誤差面積， k 0- k 2為多項式系數(shù)， i為動態(tài)工況；

26、采用融合特征描述電池老化前后的差異，計算公式為式：

27、                         （7）

28、式中： f為融合特征， j為不同老化點。

29、作為本技術(shù)方案的進(jìn)一步限定，在所述s6中，建立融合特征與電池soh之間的經(jīng)驗?zāi)Ｐ停渲?，采用遺傳算法辨識模型的參數(shù)，采用基于雙指數(shù)函數(shù)的經(jīng)驗?zāi)Ｐ蛠砻枋鰏oh和融合特征之間的相關(guān)性，如式(8)所示：

30、                      （8）

31、式中：soh為健康狀態(tài)， f為融合特征， b1~ b4為模型待辨識參數(shù)，e為指數(shù)。

32、對比現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

33、1、本方法所建立的soh估計模型，可以在工況不確定性的情況下對電池的soh進(jìn)行精確估計；

34、2、本方法所建立的動力電池soh估計模型能夠利用老化特征和工況特征融合后的特征估計電池soh，模型具有良好的精度；

35、3、本方法所建立的動力電池soh估計模型不需要大量數(shù)據(jù)進(jìn)行訓(xùn)練，僅利用幾個老化點的數(shù)據(jù)就能獲得較高估計精度，計算量小。

相關(guān)知識

健康狀態(tài)評估
《電動自行車用鋰離子電池健康評估工作指引》解讀
工信部將公布電動自行車用鋰電池健康評估網(wǎng)點
基于人體姿態(tài)識別的自重健身輔助教練系統(tǒng)、方法、終端
工信部擬進(jìn)一步加強電動自行車用鋰離子電池健康評估工作
某廠生產(chǎn)的某種型號電池，其壽命長期以來服從方差σ2=5000的正態(tài)分布。今有...
工信部：擬建立科學(xué)、準(zhǔn)確、簡便的鋰離子電池健康評估流程和判定規(guī)則
探究面向智能制造的工業(yè)機器人健康評估方法
基于機器視覺的智能魚群健康狀況監(jiān)測系統(tǒng)
生態(tài)環(huán)境健康風(fēng)險評估.docx

網(wǎng)址: 基于動態(tài)工況模型誤差特征的動力電池健康狀態(tài)估計方法 http://www.u1s5d6.cn/newsview561907.html