本發(fā)明涉及電池檢測技術領域，尤其涉及一種在線評估電池健康狀態(tài)的方法。

背景技術

隨著能源危機和環(huán)境污染的問題日益突出。大力發(fā)展電動汽車成為了必然的趨勢。而動力電池作為電動汽車的能量的來源，其性能已經(jīng)成為電池研究領域的重點。表征著電池狀態(tài)參數(shù)有電池的荷電狀態(tài)(soc)和電池的健康狀態(tài)(soh)；其中，電池的荷電狀態(tài)表征了電動汽車的續(xù)航里程等性能，而電池的健康狀態(tài)表征了電池的壽命，直接影響到電動汽車的安全性和經(jīng)濟性。由此可見，準確、實時地估算出電池的健康狀態(tài)，有利于電池的性能優(yōu)化，提高了電動汽車的實用性和安全性，從而對電動汽車行業(yè)的發(fā)展有重大意義。

目前，通常采用的評價電池狀態(tài)的方法包括以下幾種：(一)、容量法，從電池容量的角度出發(fā)，其數(shù)學表達式：其中，cm為現(xiàn)在時刻電池由充滿狀態(tài)完全放電所放出的電量，cn為初始時刻電池由充滿狀態(tài)完全放電所放出的電量，但是該方法只能離線估算，不支持在線估算，且周期長，需要電池進行完全放電。特別是在電動汽車在實際使用過程中，很少會對電池進行完全放電，故不能運用在汽車上實時在線估算電池的soh；(二)、內(nèi)阻法，從電池內(nèi)阻的角度出發(fā)，認為與內(nèi)阻是對應變化的，其數(shù)學表達式如式：其中，reol為電池壽命結(jié)束所對應的內(nèi)阻，rnew為電池初始所對應的電阻，rnow為現(xiàn)在時刻所對應的內(nèi)阻值，但是該方法對內(nèi)阻測量的精度要求較高，通常在電池為充滿電狀態(tài)或者在完全放電這種特定的狀態(tài)下估算電池的soh：(三)容量法和內(nèi)阻法相結(jié)合，利用特定測試方法分別得到電池的內(nèi)阻、容量和放電曲線的多種外特性表征量，通過對上述表征量的融合進行聯(lián)合判斷電池的當前健康狀態(tài)。但是該方法估算周期長，需要對電池放電至下限截止電壓，靜置后得到電池soc從100％到0％的放電曲線，不支持在線估算，同時需要在soc為100％和0％的狀態(tài)下利用內(nèi)阻計算出soh，不支持任意soc狀態(tài)下估算。

綜上，發(fā)明人發(fā)現(xiàn)，上述電池健康狀態(tài)通過估計單一參量來評價的方法具有很大的局限性，且估算精度不高，不支持在線估算。

技術實現(xiàn)要素：

本發(fā)明實施例所要解決的技術問題在于，提供一種在線評估電池健康狀態(tài)的方法，能夠避免現(xiàn)有電池健康狀態(tài)估計單一參量判定方法的局限性，提高估算精度，并支持在線估算。

為了解決上述技術問題，本發(fā)明實施例提供了一種在線評估電池健康狀態(tài)的方法，包括以下步驟：

確定電池參數(shù)在線采集時段，并獲取所述采集時段內(nèi)電池放電時的溫度、內(nèi)阻、電壓和電流的變化值，且進一步將所述采集時段內(nèi)獲取到的電池溫度、內(nèi)阻、電壓和電流的變化值作為預設神經(jīng)網(wǎng)絡的輸入以及將電池的soc值作為預設神經(jīng)網(wǎng)絡的輸出來訓練所述預設神經(jīng)網(wǎng)絡，得到所述采集時段內(nèi)電池的soc估算值；

根據(jù)所述采集時段內(nèi)獲取到的電池電流的變化值，計算出所述采集時段內(nèi)電池現(xiàn)在時刻的實時放電量，并根據(jù)所述采集時段內(nèi)電池的soc估算值，計算出所述采集時段內(nèi)電池初始時刻的估算放電量，且進一步將所述計算出的采集時段內(nèi)電池的實時放電量與其對應的估算放電量進行對比，得到電池健康狀態(tài)的第一估算值；

獲取電池使用壽命結(jié)束時的內(nèi)阻，并將所述采集時段內(nèi)電池的soc估算值中的一soc估算值作為參考值，獲取計算所得參考值時輸入所述預設神經(jīng)網(wǎng)絡的內(nèi)阻以及獲取新電池初始與所得參考值等同時實際采集到的內(nèi)阻，且進一步根據(jù)所述電池使用壽命結(jié)束時的內(nèi)阻、所得參考值時對應輸入所述預設神經(jīng)網(wǎng)絡的內(nèi)阻以及新電池初始與所得參考值等同時對應的內(nèi)阻，得到電池健康狀態(tài)的第二估算值；

根據(jù)所述電池健康狀態(tài)的第一估算值及第二估算值，得到所述電池健康狀態(tài)的最終估算值。

其中，所述電池健康狀態(tài)的第一估算值為其中，sohc為所述電池健康狀態(tài)的第一估算值；cnew(soct1-soct2)為電池現(xiàn)在時刻采集時段[t1,t2]內(nèi)電池的實時放電量；cnow(soct1-soct2)為電池初始時刻采集時段[t1,t2]內(nèi)電池的估算放電量；t1為采集時段[t1,t2]的初始時刻；t2為采集時段[t1,t2]的終止時刻。

其中，所述電池健康狀態(tài)的第二估算值為其中，sohr為所述電池健康狀態(tài)的第二估算值；soct為所述采集時段內(nèi)電池的soc估算值中所得的參考值；reol為電池使用壽命結(jié)束時的內(nèi)阻；rnow為所得參考值對應輸入所述預設神經(jīng)網(wǎng)絡的內(nèi)阻；rnew為新電池初始與所得參考值等同時對應的內(nèi)阻。

其中，所述電池健康狀態(tài)的最終估算值為soh＝asohc+bsohr；其中，soh為所述電池健康狀態(tài)的最終估算值；a>b且a+b＝1。

其中，a＝0.8，b＝0.2。

實施本發(fā)明實施例，具有如下有益效果：

相對于傳統(tǒng)的容量法中電池使用過后現(xiàn)階段從充滿電到完全放電的總放電量與初始階段從充滿電到完全放電的總放電量的比值，不能做到在線檢測，本發(fā)明可以得到不需要進行完全放電狀態(tài)下的任意兩個時刻的soc，支持在線估算電池的soh；同時，相對于傳統(tǒng)的內(nèi)阻法中將內(nèi)阻限制在初始soc為100的時刻而無法實時測量，本申請以soc為限制，可以在任意soc狀態(tài)時刻估算，支持實時在線估算電池的soh；由此可見，本發(fā)明能夠避免現(xiàn)有電池的健康狀態(tài)soh估計單一參量判定方法的局限性，能夠提高估算soh的精度，可以在任意soc狀態(tài)下估算，支持在線估算。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，根據(jù)這些附圖獲得其他的附圖仍屬于本發(fā)明的范疇。

圖1為本發(fā)明實施例提供的在線評估電池健康狀態(tài)的方法的流程圖。

具體實施方式

為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明作進一步地詳細描述。

如圖1所示，為本發(fā)明實施例中，提出的一種在線評估電池健康狀態(tài)的方法，包括以下步驟：

步驟s1、確定電池參數(shù)在線采集時段，并獲取所述采集時段內(nèi)電池放電時的溫度、內(nèi)阻、電壓和電流的變化值，且進一步將所述采集時段內(nèi)獲取到的電池溫度、內(nèi)阻、電壓和電流的變化值作為預設神經(jīng)網(wǎng)絡的輸入以及將電池的soc值作為預設神經(jīng)網(wǎng)絡的輸出來訓練所述預設神經(jīng)網(wǎng)絡，得到所述采集時段內(nèi)電池的soc估算值；

步驟s2、根據(jù)所述采集時段內(nèi)獲取到的電池電流的變化值，計算出所述采集時段內(nèi)電池現(xiàn)在時刻電池的實時放電量，并根據(jù)所述采集時段內(nèi)電池的soc估算值，計算出所述采集時段內(nèi)電池初始時刻電池的估算放電量，且進一步將所述計算出的采集時段內(nèi)電池現(xiàn)在時刻的實時放電量與其電池初始時刻對應的估算放電量進行對比，得到電池健康狀態(tài)的第一估算值；

步驟s3、獲取電池使用壽命結(jié)束時的內(nèi)阻，并將所述采集時段內(nèi)電池的soc估算值中的一soc估算值作為參考值，獲取計算所得參考值時輸入所述預設神經(jīng)網(wǎng)絡的內(nèi)阻以及獲取新電池初始與所得參考值等同時實際采集到的內(nèi)阻，且進一步根據(jù)所述電池使用壽命結(jié)束時的內(nèi)阻、所得參考值時對應輸入所述預設神經(jīng)網(wǎng)絡的內(nèi)阻以及新電池初始與所得參考值等同時對應的內(nèi)阻，得到電池健康狀態(tài)的第二估算值；

步驟s4、根據(jù)所述電池健康狀態(tài)的第一估算值及第二估算值，得到所述電池健康狀態(tài)的最終估算值。

具體過程為，在步驟s1中，設置采集時段從t1時刻至t2時刻，通過溫度傳感模塊，內(nèi)阻測量模塊、電壓和電流傳感模塊等相應獲取采集時段[t1,t2]電池的溫度、內(nèi)阻、電壓和電流等參數(shù)對應的變化值，并以電池的溫度、內(nèi)阻、電壓和電流等參數(shù)對應的變化值作為預設的神經(jīng)網(wǎng)絡輸入，以及以電池的soc值作為神經(jīng)網(wǎng)絡輸出來訓練該神經(jīng)網(wǎng)絡，從而將訓練好的神經(jīng)網(wǎng)絡用來實時估算電池的soc，得到采集時段[t1,t2]內(nèi)電池的soc估算值；其中，t1為初始時刻；t2為終止時刻。

在步驟s2中，根據(jù)采集時段[t1,t2]內(nèi)獲取到的電池電流的變化值，利用按時積分的方法計算放出采集時段[t1,t2]的電池初始時刻實時放電電量cnew(soct1-soct2)，并根據(jù)步驟s1中得到的soc估算值，計算出采集時段[t1,t2]內(nèi)電池現(xiàn)在時刻的估算放電量cnow(soct1-soct2)；

利用公式(1)，得到電池健康狀態(tài)的第一估算值sohc，具體如下：

由于傳統(tǒng)的容量法是電池使用過后現(xiàn)階段從充滿電到完全放電的總放電量與初始階段從充滿電到完全放電的總放電量的比值，它不能做到在線檢測。改進型容量法用現(xiàn)在時刻soc所對應的放電量比初始時刻相同soc所對應的放電量即為soh的值。它任意兩個時刻的soc都能得到，不需要進行完全放電，支持在線估算。

在步驟s3中，獲取電池使用壽命結(jié)束時的內(nèi)阻reol，并將采集時段[t1,t2]內(nèi)電池的soc估算值中的一soc估算值(如t時刻的soct)作為參考值，獲取計算所得參考值時輸入預設神經(jīng)網(wǎng)絡的內(nèi)阻rnow以及獲取新電池初始與所得參考值等同時實際采集到的內(nèi)阻rnew；

利用公式(2)，得到電池健康狀態(tài)的第二估算值sohr，具體如下：

由于傳統(tǒng)內(nèi)阻法只將內(nèi)阻限制在初始soc為100的時刻，不能實時測量，而改進內(nèi)阻法是以soc為限制，可以在任意soc狀態(tài)時刻估算，支持實時在線估算。

應當說明的是，在神經(jīng)網(wǎng)絡中提取t時刻的soct時，可以查到該t時刻輸入到神經(jīng)網(wǎng)絡的內(nèi)阻rnow，同時，根據(jù)等同soct參考值找到對應新電池初始時刻所采集到的內(nèi)阻rnew。

在步驟s3中，利用公式(3)，得到電池健康狀態(tài)的最終估算值soh，具體如下：

soh＝asohc+bsohr(3)。

其中，a>b且a+b＝1，a和b表示不同的權重系數(shù)。

在一個實施例中，采用磷酸鐵鋰電池為例，經(jīng)過采集大量的實驗數(shù)據(jù)進行分析，最后整定得出a的值為0.8，b的值為0.2。

實施本發(fā)明實施例，具有如下有益效果：

相對于傳統(tǒng)的容量法中電池使用過后現(xiàn)階段從充滿電到完全放電的總放電量與初始階段從充滿電到完全放電的總放電量的比值，不能做到在線檢測，本發(fā)明可以得到不需要進行完全放電狀態(tài)下的任意兩個時刻的soc，支持在線估算電池的soh；同時，相對于傳統(tǒng)的內(nèi)阻法中將內(nèi)阻限制在初始soc為100的時刻而無法實時測量，本申請以soc為限制，可以在任意soc狀態(tài)時刻估算，支持實時在線估算電池的soh；由此可見，本發(fā)明能夠避免現(xiàn)有電池的健康狀態(tài)soh估計單一參量判定方法的局限性，能夠提高估算soh的精度，可以在任意soc狀態(tài)下估算，支持在線估算。

以上所揭露的僅為本發(fā)明一種較佳實施例而已，當然不能以此來限定本發(fā)明之權利范圍，因此依本發(fā)明權利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。

相關知識

電動汽車動力電池健康狀態(tài)評估方法與流程
評估電池健康狀態(tài)的方法與流程
一種基于深度學習的鋰電池健康狀態(tài)評估方法
一種基于支持向量機的鋰電池健康狀態(tài)評估方法
一種識別老化模式的鋰離子電池健康狀態(tài)在線診斷方法與流程
電池壽命預測與健康狀態(tài)評估技術研究
電池健康狀態(tài)檢測系統(tǒng)及方法與流程
關于電池健康狀態(tài)的評估方式分析介紹
一種快速的動力蓄電池SOH（健康狀態(tài)）測量方法與流程
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)

網(wǎng)址: 一種在線評估電池健康狀態(tài)的方法與流程 http://m.u1s5d6.cn/newsview1392008.html