本發(fā)明涉及電池健康狀態(tài)估計(jì)技術(shù)領(lǐng)域，特別涉及一種用于電動(dòng)汽車(chē)共享充電樁的智能化電池健康狀態(tài)檢測(cè)方法。

背景技術(shù)：

隨著電動(dòng)汽車(chē)產(chǎn)業(yè)的發(fā)展，鋰離子電池在電動(dòng)汽車(chē)儲(chǔ)能領(lǐng)域被大規(guī)模應(yīng)用。由于電池充放電壽命有限，并且不當(dāng)?shù)碾姵毓芾頃?huì)加速電池老化，增加電池故障概率，導(dǎo)致電動(dòng)汽車(chē)性能下降、甚至可能造成火災(zāi)和爆炸。一般電池壽命估計(jì)方法在實(shí)際應(yīng)用中存在諸多難點(diǎn)：其一，不同電動(dòng)汽車(chē)廠(chǎng)商根據(jù)其自身企業(yè)優(yōu)勢(shì)以及不同的定位，所采用的電池種類(lèi)以及技術(shù)路線(xiàn)不同；其二，由于鋰離子電池單體功率以及容量相對(duì)有限，為了給電動(dòng)汽車(chē)提供足夠的續(xù)航里程，并且保持驅(qū)動(dòng)功率，往往采用多電池單元串并聯(lián)組合的方式，增加了系統(tǒng)建模的難度。

鋰電池的健康狀態(tài)是鋰電池參數(shù)估計(jì)中的最核心問(wèn)題之一。目前對(duì)于鋰離子電池壽命的估計(jì)方法以主要有以下幾種：基于電化學(xué)的分析方法如電化學(xué)阻抗譜(electrochemicalimpedancespectroscopy,eis)等需借助特定設(shè)備。阻抗法在傳統(tǒng)的鉛酸電池、鎳氫電池中應(yīng)用較為廣泛，鋰離子電池由于自身阻抗較小，且歐姆內(nèi)阻隨電池充放電循環(huán)變化很小，對(duì)設(shè)備的測(cè)量精度依賴(lài)程度較高。安時(shí)法設(shè)計(jì)簡(jiǎn)單，便于實(shí)現(xiàn)，但只能離線(xiàn)應(yīng)用。以上幾種方法均需要較長(zhǎng)的測(cè)試分析時(shí)間。目前電池健康狀態(tài)的快速檢測(cè)是產(chǎn)業(yè)空白。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的旨在至少解決所述技術(shù)缺陷之一。

為此，本發(fā)明的目的在于提出一種用于電動(dòng)汽車(chē)共享充電樁的智能化電池健康狀態(tài)檢測(cè)方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明的實(shí)施例提供一種用于電動(dòng)汽車(chē)共享充電樁的智能化電池健康狀態(tài)檢測(cè)方法，包括如下步驟：

步驟s1，跟蹤用戶(hù)應(yīng)用的動(dòng)力電池?cái)?shù)據(jù)，并對(duì)該動(dòng)力電池?cái)?shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)；

步驟s2，以所述動(dòng)力電池?cái)?shù)據(jù)中的實(shí)測(cè)電流、端電壓和表面溫度作為輸入樣本，構(gòu)建所述動(dòng)力電池?cái)?shù)據(jù)的訓(xùn)練數(shù)據(jù)集，得到最小二乘支持向量機(jī)lssvm回歸模型；

步驟s3，對(duì)步驟s2中得到的lssvm回歸模型中的參數(shù)進(jìn)行提取，根據(jù)參數(shù)構(gòu)建動(dòng)力電池健康狀態(tài)訓(xùn)練模型，對(duì)當(dāng)前充電電池單元進(jìn)行健康評(píng)估；

步驟s4，根據(jù)模型優(yōu)化結(jié)果，以電池當(dāng)前最大容量作為健康狀態(tài)評(píng)價(jià)指標(biāo)，基于最小二乘支持向量機(jī)構(gòu)建動(dòng)力電池健康狀態(tài)模型，并對(duì)模型參數(shù)進(jìn)行優(yōu)化；

步驟s5，將數(shù)據(jù)庫(kù)中的電壓、電流、溫度以及時(shí)間信息通過(guò)通信協(xié)議傳輸?shù)奖O(jiān)測(cè)平臺(tái)上，由監(jiān)測(cè)平臺(tái)通過(guò)lssvm算法計(jì)算電池的健康狀態(tài)soh，并顯示在檢測(cè)界面上，同時(shí)發(fā)送到用戶(hù)手機(jī)端，以及對(duì)于電池的不正常工作狀態(tài)發(fā)送提示信息。

進(jìn)一步，在所述步驟s1中，所述對(duì)該動(dòng)力電池?cái)?shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)，包括如下步驟：

建立用戶(hù)檔案，對(duì)不同電動(dòng)汽車(chē)賦予唯一的識(shí)別碼；

根據(jù)電動(dòng)汽車(chē)制造廠(chǎng)商以及所采用的儲(chǔ)能技術(shù)方案分類(lèi)為c1,c2,...,cn，

通過(guò)數(shù)據(jù)庫(kù)存儲(chǔ)上述分類(lèi)數(shù)據(jù)，并對(duì)同類(lèi)電池充放電數(shù)據(jù)進(jìn)行歸檔保存，并在用戶(hù)使用過(guò)程中實(shí)時(shí)更新。

進(jìn)一步，在所述步驟s2中，構(gòu)建所述動(dòng)力電池?cái)?shù)據(jù)的訓(xùn)練數(shù)據(jù)集，包括如下步驟：

步驟b1，對(duì)于數(shù)類(lèi)型ci，從數(shù)據(jù)庫(kù)提取完整充電數(shù)據(jù)樣本si，

步驟b2，分別對(duì)電壓u、電流i、以及溫度t特征量線(xiàn)性歸一化處理，

步驟b3，通過(guò)安時(shí)積分法計(jì)算樣本動(dòng)力電池組當(dāng)前最大容量，并作為數(shù)據(jù)標(biāo)簽，表征電池當(dāng)前健康狀態(tài)，

步驟b4，以si數(shù)據(jù)樣本中充電接近完成階段多維外特性參數(shù)di作為訓(xùn)練集輸入，

步驟b5，以輸入數(shù)據(jù)以及數(shù)據(jù)標(biāo)簽構(gòu)建訓(xùn)練樣本

t＝{t1,t2,...,tn}＝{(s1,q1),(s2,q2),...,(sn,qn)}，

步驟b6，初始化訓(xùn)練模型

步驟b7將模型轉(zhuǎn)化為優(yōu)化問(wèn)題

步驟b8,構(gòu)建拉格朗日方程

步驟b9，求解拉格朗日方程極值點(diǎn)

步驟b10，求解拉格朗日方程，得到參數(shù)表達(dá)式

步驟b11，得到最小二乘支持向量機(jī)lssvm回歸模型；

步驟b12，對(duì)得到的lssvm回歸模型的參數(shù)進(jìn)行優(yōu)化。

進(jìn)一步，采用粒子群、差分進(jìn)化算法或梯度下降法對(duì)得到的lssvm回歸模型的參數(shù)進(jìn)行優(yōu)化。

進(jìn)一步，在所述步驟s3中，所述根據(jù)參數(shù)構(gòu)建動(dòng)力電池健康狀態(tài)訓(xùn)練模型，包括如下步驟：

步驟c1，將數(shù)據(jù)集t輸入最小二乘支持向量機(jī)模型；

步驟c2，以高斯核函數(shù)作為模型核函數(shù)，k(x,y)＝exp(-||x-y||2/2σ2)；

步驟c3，對(duì)數(shù)據(jù)樣本進(jìn)行交叉驗(yàn)證以防止過(guò)擬合；

步驟c4，優(yōu)化模型參數(shù)，得到模型

進(jìn)一步，在所述步驟c4中，采用梯度下降、粒子群、差分進(jìn)化方法優(yōu)化模型參數(shù)。

進(jìn)一步，在所述步驟s4中，所述構(gòu)建動(dòng)力電池健康狀態(tài)模型，包括如下步驟：

步驟d1，對(duì)于未知健康狀態(tài)的電池動(dòng)態(tài)特性曲線(xiàn)，同樣以充電完成前固定時(shí)間特性曲線(xiàn)作為模型輸入；

步驟d2，將輸入數(shù)據(jù)帶入模型；

步驟d3，計(jì)算并傳輸給控制中心，同時(shí)將電池健康狀態(tài)反饋給用戶(hù)。

根據(jù)本發(fā)明實(shí)施例的用于電動(dòng)汽車(chē)共享充電樁的智能化電池健康狀態(tài)檢測(cè)方法，針對(duì)電池組壽命狀態(tài)在實(shí)際環(huán)境中無(wú)法準(zhǔn)確估計(jì)問(wèn)題，通過(guò)共享充電樁完成數(shù)據(jù)的采集，采用lssvm方法對(duì)電池健康程度soh進(jìn)行估計(jì)，同時(shí)，設(shè)計(jì)了基于vc環(huán)境下的測(cè)試平臺(tái)，以及軟件平臺(tái)與用戶(hù)交互系統(tǒng)。在充電的過(guò)程中進(jìn)行完善數(shù)據(jù)庫(kù)，利用大數(shù)據(jù)分析方法完成電池?cái)?shù)據(jù)模型的構(gòu)建，并可在充電過(guò)程中對(duì)所有用戶(hù)的儲(chǔ)能系統(tǒng)健康狀態(tài)進(jìn)行評(píng)估。

本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本發(fā)明的實(shí)踐了解到。

附圖說(shuō)明

本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從結(jié)合下面附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中：

圖1為根據(jù)本發(fā)明實(shí)施例的用于電動(dòng)汽車(chē)共享充電樁的智能化電池健康狀態(tài)檢測(cè)方法的流程圖；

圖2為根據(jù)本發(fā)明實(shí)施例的用于電動(dòng)汽車(chē)共享充電樁的智能化電池健康狀態(tài)檢測(cè)方法的架構(gòu)圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類(lèi)似的標(biāo)號(hào)表示相同或類(lèi)似的元件或具有相同或類(lèi)似功能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。

本發(fā)明提出一種用于電動(dòng)汽車(chē)共享充電的智能化大數(shù)據(jù)電池健康狀態(tài)檢測(cè)方法，可以實(shí)現(xiàn)在電動(dòng)汽車(chē)充電狀態(tài)下評(píng)估電池的健康狀態(tài)

如圖1和圖2所示，本發(fā)明實(shí)施例的用于電動(dòng)汽車(chē)共享充電樁的智能化電池健康狀態(tài)檢測(cè)方法，包括如下步驟：

步驟s1，跟蹤用戶(hù)應(yīng)用的動(dòng)力電池?cái)?shù)據(jù)，并對(duì)該動(dòng)力電池?cái)?shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)。

具體的，跟蹤并獲取共享充電樁的在電動(dòng)汽車(chē)充電過(guò)程中獲取動(dòng)力電池的外部特性變化曲線(xiàn)，如充電電流、端電壓以及電池表面溫度，然后將上述數(shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)。在本發(fā)明的一個(gè)實(shí)施例中，本發(fā)明可以通過(guò)獲取用戶(hù)使用的動(dòng)力電池的信息，分別根據(jù)不同電動(dòng)車(chē)儲(chǔ)能單元在數(shù)據(jù)庫(kù)mysql分類(lèi)存儲(chǔ)。

其中，對(duì)該動(dòng)力電池?cái)?shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)，包括如下步驟：

建立用戶(hù)檔案，對(duì)不同電動(dòng)汽車(chē)賦予唯一的識(shí)別碼；

根據(jù)電動(dòng)汽車(chē)制造廠(chǎng)商以及所采用的儲(chǔ)能技術(shù)方案分類(lèi)為c1,c2,...,cn，

通過(guò)數(shù)據(jù)庫(kù)存儲(chǔ)上述分類(lèi)數(shù)據(jù)，并對(duì)同類(lèi)電池充放電數(shù)據(jù)進(jìn)行歸檔保存，并在用戶(hù)使用過(guò)程中實(shí)時(shí)更新。

步驟s2，以動(dòng)力電池?cái)?shù)據(jù)中的實(shí)測(cè)電流、端電壓和表面溫度作為輸入樣本，構(gòu)建動(dòng)力電池?cái)?shù)據(jù)的訓(xùn)練數(shù)據(jù)集，得到最小二乘支持向量機(jī)lssvm(leastsquaresupportvectormachine,lssvm)回歸模型。

即，將充電過(guò)程中動(dòng)力電池外特性：實(shí)測(cè)電流、端電壓以及表面溫度作為研究標(biāo)準(zhǔn)，為接下來(lái)的算法提供研究對(duì)象。

根據(jù)上述實(shí)測(cè)電流、端電壓以及表面溫度，構(gòu)建動(dòng)力電池?cái)?shù)據(jù)的訓(xùn)練數(shù)據(jù)集，包括如下步驟：

步驟b1，對(duì)于數(shù)類(lèi)型ci，從數(shù)據(jù)庫(kù)提取完整充電數(shù)據(jù)樣本si，

步驟b2，分別對(duì)電壓u、電流i、以及溫度t特征量線(xiàn)性歸一化處理，

步驟b3，通過(guò)安時(shí)積分法計(jì)算樣本動(dòng)力電池組當(dāng)前最大容量，并作為數(shù)據(jù)標(biāo)簽，表征電池當(dāng)前健康狀態(tài)，

步驟b4，以si數(shù)據(jù)樣本中充電接近完成階段多維外特性參數(shù)di作為訓(xùn)練集輸入，

步驟b5，以輸入數(shù)據(jù)以及數(shù)據(jù)標(biāo)簽構(gòu)建訓(xùn)練樣本

t＝{t1,t2,...,tn}＝{(s1,q1),(s2,q2),...,(sn,qn)}，

步驟b6，初始化訓(xùn)練模型

步驟b7將模型轉(zhuǎn)化為優(yōu)化問(wèn)題

步驟b8,構(gòu)建拉格朗日方程

步驟b9，求解拉格朗日方程極值點(diǎn)

步驟b10，求解拉格朗日方程，得到參數(shù)表達(dá)式

步驟b11，得到最小二乘支持向量機(jī)lssvm回歸模型；

步驟b12，對(duì)得到的lssvm回歸模型的參數(shù)進(jìn)行優(yōu)化。

在本發(fā)明的一個(gè)實(shí)施例中，采用粒子群、差分進(jìn)化算法或梯度下降法對(duì)得到的lssvm回歸模型的參數(shù)進(jìn)行優(yōu)化。

步驟s3，對(duì)步驟s2中得到的lssvm回歸模型中的參數(shù)進(jìn)行提取，根據(jù)參數(shù)構(gòu)建動(dòng)力電池健康狀態(tài)訓(xùn)練模型，對(duì)當(dāng)前充電電池單元進(jìn)行健康評(píng)估。

根據(jù)參數(shù)構(gòu)建動(dòng)力電池健康狀態(tài)訓(xùn)練模型，包括如下步驟：

步驟c1，將數(shù)據(jù)集t輸入最小二乘支持向量機(jī)模型；

步驟c2，以高斯核函數(shù)作為模型核函數(shù)，k(x,y)＝exp(-||x-y||2/2σ2)；

步驟c3，對(duì)數(shù)據(jù)樣本進(jìn)行交叉驗(yàn)證以防止過(guò)擬合；

步驟c4，優(yōu)化模型參數(shù)，得到模型

在本發(fā)明的一個(gè)實(shí)施例中，采用梯度下降、粒子群、差分進(jìn)化方法優(yōu)化模型參數(shù)。

具體地，在電池?cái)?shù)據(jù)模型的基礎(chǔ)上，應(yīng)用粒子群、差分進(jìn)化、梯度下降等參數(shù)優(yōu)化方法提高計(jì)算效率，并利用交叉驗(yàn)證方法避免過(guò)擬合問(wèn)題。

步驟s4，根據(jù)模型優(yōu)化結(jié)果，以電池當(dāng)前最大容量作為健康狀態(tài)評(píng)價(jià)指標(biāo)，基于最小二乘支持向量機(jī)構(gòu)建動(dòng)力電池健康狀態(tài)模型，并對(duì)模型參數(shù)進(jìn)行優(yōu)化。

具體地，在對(duì)動(dòng)力電池充電的過(guò)程中完成參數(shù)提取，完善數(shù)據(jù)庫(kù)并對(duì)當(dāng)前充電電池單元進(jìn)行健康評(píng)估。以電池當(dāng)前最大容量作為健康狀態(tài)評(píng)價(jià)指標(biāo)，基于最小二乘支持向量機(jī)建立數(shù)據(jù)模型，并對(duì)模型參數(shù)進(jìn)行尋優(yōu)。

其中，構(gòu)建動(dòng)力電池健康狀態(tài)模型，包括如下步驟：

步驟d1，對(duì)于未知健康狀態(tài)的電池動(dòng)態(tài)特性曲線(xiàn)，同樣以充電完成前固定時(shí)間特性曲線(xiàn)作為模型輸入；

步驟d2，將輸入數(shù)據(jù)帶入模型；

步驟d3，計(jì)算并傳輸給控制中心，同時(shí)將電池健康狀態(tài)反饋給用戶(hù)。

步驟s5，將數(shù)據(jù)庫(kù)中的電壓、電流、溫度以及時(shí)間信息通過(guò)通信協(xié)議傳輸?shù)奖O(jiān)測(cè)平臺(tái)上，由監(jiān)測(cè)平臺(tái)通過(guò)lssvm算法計(jì)算電池的健康狀態(tài)soh，并顯示在檢測(cè)界面上，同時(shí)發(fā)送到用戶(hù)手機(jī)端，以及對(duì)于電池的不正常工作狀態(tài)發(fā)送提示信息。

具體地，建立電池?cái)?shù)據(jù)模型，在windows環(huán)境下，設(shè)計(jì)以vc++為開(kāi)發(fā)內(nèi)核的測(cè)試軟件，以vc++為開(kāi)發(fā)內(nèi)核的圖形化語(yǔ)言界面mfc，作為電池的軟件測(cè)是平臺(tái)，將數(shù)據(jù)庫(kù)中的電壓、電流、溫度以及時(shí)間信息通過(guò)通信協(xié)議傳輸?shù)綑z測(cè)平臺(tái)的軟件上，將pso-lssvm算法打包進(jìn)軟件測(cè)試平臺(tái)完成對(duì)電動(dòng)車(chē)儲(chǔ)能系統(tǒng)健康狀態(tài)的估算，同時(shí)設(shè)計(jì)電池主要參數(shù)的顯示界面，以及通信接口，完成對(duì)電池狀態(tài)的顯示，對(duì)于非正常狀態(tài)，在顯示界面以及用戶(hù)手機(jī)端發(fā)出警告。例如，對(duì)于電池的不正常工作狀態(tài)，向用戶(hù)手機(jī)端發(fā)送提示信息。

綜上，本發(fā)明提出了一種用于電動(dòng)汽車(chē)共享充電的智能化大數(shù)據(jù)電池健康狀態(tài)監(jiān)測(cè)方法，通過(guò)共享充電樁的在電動(dòng)汽車(chē)充電過(guò)程中獲取動(dòng)力電池的外部特性變化曲線(xiàn)，如充電電流、端電壓以及電池表面溫度，對(duì)不同種類(lèi)電動(dòng)汽車(chē)分別構(gòu)建數(shù)據(jù)庫(kù)分類(lèi)管理，通過(guò)機(jī)器學(xué)習(xí)的方法構(gòu)建電池充電特性曲線(xiàn)與電池健康狀態(tài)的非線(xiàn)性相關(guān)性關(guān)系。檢測(cè)過(guò)程中，通過(guò)所測(cè)量的末段放電曲線(xiàn)，評(píng)估電池健康狀態(tài)，對(duì)于健康狀態(tài)異常的情況，及時(shí)反饋給用戶(hù)并上傳數(shù)據(jù)中心，提前預(yù)警以消除安全隱患。

根據(jù)本發(fā)明實(shí)施例的用于電動(dòng)汽車(chē)共享充電樁的智能化電池健康狀態(tài)檢測(cè)方法，針對(duì)電池組壽命狀態(tài)在實(shí)際環(huán)境中無(wú)法準(zhǔn)確估計(jì)問(wèn)題，通過(guò)共享充電樁完成數(shù)據(jù)的采集，采用lssvm方法對(duì)電池健康程度soh進(jìn)行估計(jì)，同時(shí)，設(shè)計(jì)了基于vc環(huán)境下的測(cè)試平臺(tái)，以及軟件平臺(tái)與用戶(hù)交互系統(tǒng)。在充電的過(guò)程中進(jìn)行完善數(shù)據(jù)庫(kù)，利用大數(shù)據(jù)分析方法完成電池?cái)?shù)據(jù)模型的構(gòu)建，并可在充電過(guò)程中對(duì)所有用戶(hù)的儲(chǔ)能系統(tǒng)健康狀態(tài)進(jìn)行評(píng)估。

在本說(shuō)明書(shū)的描述中，參考術(shù)語(yǔ)“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說(shuō)明書(shū)中，對(duì)上述術(shù)語(yǔ)的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。

盡管上面已經(jīng)示出和描述了本發(fā)明的實(shí)施例，可以理解的是，上述實(shí)施例是示例性的，不能理解為對(duì)本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在不脫離本發(fā)明的原理和宗旨的情況下在本發(fā)明的范圍內(nèi)可以對(duì)上述實(shí)施例進(jìn)行變化、修改、替換和變型。本發(fā)明的范圍由所附權(quán)利要求及其等同限定。

相關(guān)知識(shí)

電動(dòng)汽車(chē)動(dòng)力電池健康狀態(tài)評(píng)估方法與流程
如何保障汽車(chē)快充與電池健康？保約健康快充直流充電樁來(lái)揭秘
電動(dòng)汽車(chē)電池健康狀態(tài)怎么看？怎么檢測(cè)新能源電池健康度？
武漢充電樁展2025武漢際新能源汽車(chē)技術(shù)與充電樁展覽會(huì)
特來(lái)電電動(dòng)汽車(chē)充電生態(tài)網(wǎng)
邊充電邊檢測(cè) 新能源汽車(chē)電池可以“體檢”了
電動(dòng)汽車(chē)蓄電池組電池管理及其狀態(tài)檢測(cè)
一種快速檢測(cè)新能源汽車(chē)電池健康度（SOH）的檢測(cè)儀和方法與流程
新能源汽車(chē)電池健康檢測(cè)方法分享
電動(dòng)汽車(chē)換電后如何檢查電池狀態(tài)

網(wǎng)址: 用于電動(dòng)汽車(chē)共享充電樁的智能化電池健康狀態(tài)檢測(cè)方法與流程 http://m.u1s5d6.cn/newsview1549467.html