本發(fā)明涉及鋰電池健康狀態(tài)檢測領(lǐng)域，具體涉及一種基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法。

背景技術(shù)：

1、電動汽車搭載的動力電池會隨著車輛運行而發(fā)生老化，導(dǎo)致電池的可用容量衰減，影響電動汽車的續(xù)航里程。為了衡量動力電池的老化程度，將動力電池當前容量與額定容量的比值定義為電池的健康狀態(tài)(soh)?，F(xiàn)有的針對實車的soh評估，分為直接計算與間接估計兩類方法。其中，直接計算方法需要對每一輛檢測車輛進行電池完全放電，隨后再進行滿充，利用安時積分法進行容量計算，從而得到電池當前容量。然而，該方法需要專用設(shè)備與場地對車輛進行放電操作，不僅需要耗費大量的時間與人力，同時造成了電能的浪費與對電池的損壞，在效率上遠遠無法達到對每一輛電動汽車進行檢測的目的；間接估計類的方法，通常使用卡爾曼濾波等方法，對電池的soh估計結(jié)果進行迭代修正，但該種方法存在估計結(jié)果不穩(wěn)定、難收斂、對初值敏感、單一算法無法滿足不同車型的測試需求等問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明意在提供基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法，以實現(xiàn)多車型、高效率的電動汽車動力電池soh估計。

2、為達到上述目的，本發(fā)明采用如下技術(shù)方案：

3、基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法，包括：

4、s1，對目標車型進行工況測試并參數(shù)辨識，得到soc-ocv查找表和一階等效電路模型參數(shù)；

5、s2，利用仿真模型，基于soc-ocv查找表和一階等效電路模型參數(shù)，進行數(shù)字孿生模型訓(xùn)練，得到soh預(yù)估模型；

6、s3，將待檢測車輛的特征序列輸入訓(xùn)練完畢的soh預(yù)估模型，得到soh的預(yù)估值。

7、本方案的原理及優(yōu)點是：實際應(yīng)用時，通過工況測試與參數(shù)辨識得到動力電池的關(guān)鍵參數(shù)，進而建立了動力電池的一階等效電路模型；通過仿真模型，基于soc-ocv查找表和一階等效電路模型參數(shù)獲取多款車型的大量訓(xùn)練樣本進行數(shù)字孿生模型訓(xùn)練，解決了數(shù)據(jù)驅(qū)動方法中訓(xùn)練樣本少、難以獲取的問題；通過數(shù)字孿生模型訓(xùn)練建立soh預(yù)估模型，解決了基于濾波方法進行soh估計的不穩(wěn)定、難收斂、無法同時應(yīng)用于多個車型的問題，最終實現(xiàn)多種車型soh的高效、準確獲取。

8、優(yōu)選的，作為一種改進，所述s1包括：

9、s11，轉(zhuǎn)鼓運行，將目標檢測車型的樣車進行完全放電，至soc為0％或電池管理系統(tǒng)自動斷電；

10、s12，多階段恒流充電，將soc充電至100％；

11、s13，基于整個多階段恒流充電過程中的soc數(shù)據(jù)，通過安時積分法計算得到電池容量，對多階段恒流充電的靜置段開路電壓數(shù)據(jù)進行標定，得到電池的soc-ocv查找表；

12、s14，對目標檢測車型的樣車在預(yù)設(shè)soc下進行多次脈沖充電工況激勵，得到電壓反饋數(shù)據(jù)；基于電壓反饋數(shù)據(jù)，建立動力電池一階等效電路模型，并利用帶遺忘因子的最小二乘法進行模型的參數(shù)辨識，得到一階等效電路模型參數(shù)。

13、技術(shù)效果：獲取模型參數(shù)，便于后續(xù)獲取soh預(yù)估模型。

14、優(yōu)選的，作為一種改進，所述步驟s12中的充電倍率為0.1c。

15、技術(shù)效果：通過將充電倍率控制為0.1c，便于調(diào)整多階段充電。

16、優(yōu)選的，作為一種改進，所述步驟s12中多階段恒流充電包括：每充入預(yù)設(shè)的額定容量，對車輛進行斷電，靜置固定時長后再進行充電，直到soc為100％或充電電流自動斷開。

17、技術(shù)效果：通過上述步驟，便于準確獲取每個階段的電流電壓數(shù)據(jù)。

18、優(yōu)選的，作為一種改進，所述s2還包括：

19、s21，通過仿真軟件，建立不同soh下的動力電池一階等效電路充放電數(shù)字孿生模型，隨機定義電池模型的soh，并輸入預(yù)設(shè)時長和電流倍率的激勵，得到電壓反饋數(shù)據(jù)；

20、s22，利用電流倍率和電壓反饋數(shù)據(jù)，構(gòu)建電池健康特征，與對應(yīng)的soh形成訓(xùn)練樣本；

21、s23，通過深度卷積神經(jīng)網(wǎng)絡(luò)，搭建soh預(yù)估模型，使用所述訓(xùn)練樣本對soh預(yù)估模型進行訓(xùn)練，得到soh預(yù)估模型。

22、技術(shù)效果：通過利用電流倍率和電壓反饋數(shù)據(jù)生成訓(xùn)練樣本，便于對soh預(yù)估模型進行訓(xùn)練，以得到soh預(yù)估模型。

23、優(yōu)選的，作為一種改進，所述s21中，還對電壓反饋數(shù)據(jù)進行歸一化處理，將每個采樣點的電壓和電池滿充時的截止電壓，作為歸一化后的電壓序列，將電壓序列與激勵的電流序列作為特征序列。

24、技術(shù)效果：歸一化處理便于消除奇異樣本數(shù)據(jù)導(dǎo)致的不良影響。

技術(shù)特征：

1.基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法，其特征在于：所述s1包括：

3.根據(jù)權(quán)利要求2所述的基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法，其特征在于：所述步驟s12中的充電倍率為0.1c。

4.根據(jù)權(quán)利要求2所述的基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法，其特征在于：所述步驟s12中多階段恒流充電包括：每充入預(yù)設(shè)的額定容量，對車輛進行斷電，靜置固定時長后再進行充電，直到soc為100％或充電電流自動斷開。

5.根據(jù)權(quán)利要求1所述的基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法，其特征在于：所述s2還包括：

6.根據(jù)權(quán)利要求5所述的基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法，其特征在于：所述s21中，還對電壓反饋數(shù)據(jù)進行歸一化處理，將每個采樣點的電壓和電池滿充時的截止電壓，作為歸一化后的電壓序列，將電壓序列與激勵的電流序列作為特征序列。

技術(shù)總結(jié)
本發(fā)明涉及鋰電池健康狀態(tài)檢測領(lǐng)域，公開了一種基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法，包括：S1，對目標車型進行工況測試并參數(shù)辨識，得到SOC?OCV查找表和一階等效電路模型參數(shù)；S2，利用仿真模型，基于SOC?OCV查找表和一階等效電路模型參數(shù)，進行數(shù)字孿生模型訓(xùn)練，得到SOH預(yù)估模型；S3，將待檢測車輛的特征序列輸入訓(xùn)練完畢的SOH預(yù)估模型，得到SOH的預(yù)估值。本申請能夠?qū)崿F(xiàn)多車型、高效率的電動汽車動力電池SOH估計。

技術(shù)研發(fā)人員：王兵,向飛,鄒鵬,周晶晶,鄢亮,張玉蘭,王杰,王涵,惲蘭沁,黃憶
受保護的技術(shù)使用者：中國汽車工程研究院股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/2/6

相關(guān)知識

基于數(shù)據(jù)驅(qū)動的鋰離子電池健康狀態(tài)估計及剩余壽命預(yù)測研究.docx
基于可快速測量參數(shù)的鋰離子電池健康狀態(tài)診斷方法研究.docx
面向智能化管理的數(shù)字孿生電池構(gòu)建方法
鋰電池健康狀態(tài)快速檢測儀的研究
基于數(shù)據(jù)驅(qū)動的鋰離子電池健康狀態(tài)估計和剩余使用壽命預(yù)測
數(shù)據(jù)驅(qū)動的鋰離子電池健康管理研究
基于信號重構(gòu)的鋰離子電池健康狀態(tài)估計：數(shù)據(jù)驅(qū)動的魯棒方法
基于模型的鋰離子電池健康狀態(tài)預(yù)測
基于紅外視頻識別的鋰電池健康狀態(tài)快速檢測
鋰離子電池故障預(yù)測及健康管理技術(shù)進展

網(wǎng)址: 基于數(shù)字孿生與數(shù)據(jù)驅(qū)動的鋰電池健康狀態(tài)快速檢測方法與流程 http://m.u1s5d6.cn/newsview1549434.html