基于最优电压片段搜索的电池健康状态评估方法及系统
本发明涉及电池健康状态评估，尤其涉及一种基于最优电压片段搜索的电池健康状态评估方法及系统。
背景技术：
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
2、锂离子电池具有高能量密度、轻量化、长循环寿命和低自放电率等特点，其促进了近十年可再生能源及其相关技术的大规模创新与应用。随着交通电气化进程的加速，以锂离子电池为储能设备的电动汽车迎来了前所未有的发展机遇和挑战。然而，受循环充放电、高温、过充、过放等因素的影响，锂离子电池的性能会出现难以避免且不可逆转的衰退，并伴随着极大的安全隐患。
3、电池性能衰退主要体现在可用容量和输出功率下降，这导致电动汽车续航性能恶劣。因此，有效、高效地获取准确的锂离子电池健康状态(state of health,soh)对于电池的容量衰减程度和老化程度的评估具有至关重要的必要性。
4、当前，电池健康状态定义具有多种传统形式，它通常可以由容量、内阻、功率等参数随使用周期的变化来定义，这常需要完整的充电或放电作为支撑。其中，基于容量的定义是最为主流的定义方法，它被描述为电池实际容量与额定容量的百分比。然而，实际电动汽车充电中完全放尽电量和完全充满电量均是很少见的充电行为，导致传统定义形式难以实际应用。
5、在传统定义方法受限的背景下，各类估计方法不断涌现，主要包括基于模型的方法和数据驱动的方法。基于模型的方法是通过构建电池模型来模拟电池性能衰退。然而，其依赖于精准的机理和数学模型，计算量庞大且复杂，导致在实际中适用性差。数据驱动的方法是通过借助机器学习和统计工具建立电池健康状态和老化特征之间的映射关系。然而，其在实际任务中的部署和表现受到数据质量、计算资源、模型解释性以及过拟合等方面的限制。
技术实现思路
1、为了解决上述问题，本发明提出了一种基于最优电压片段搜索的电池健康状态评估方法及系统，通过搜索最优充电片段对实际可测量数据进行特征筛选，基于筛选的特征数据重新定义电池健康状态，实现在实际复杂工况中对电池老化程度进行有效、高效评估。
2、在一些实施方式中，采用如下技术方案：
3、一种最优电压片段搜索方法，包括：
4、获取锂离子电池在某一单次循环中的充电数据，对数据进行预处理后进行二维曲线重组；所述充电数据包括充电电压和充电量；
5、利用滑动窗口对重组后的二维曲线数据进行窗口划分，计算每个窗口中的平均斜率，选取平均斜率最小的窗口作为最优充电片段。
6、在另一些实施方式中，采用如下技术方案：
7、一种基于最优电压片段搜索的电池健康状态评估方法，包括：
8、定义最优充电片段中在充电量方向上的跨度作为特征容量；
9、选取锂离子电池初始投入使用时期前k个循环的充电数据，采用上述的最优电压片段搜索方法确定每个循环的最优充电片段，确定初始特征容量；
10、获取当前循环的充电数据，采用上述的最优电压片段搜索方法确定当前循环的最优充电片段，确定当前特征容量；
11、将当前特征容量与初始特征容量的百分比值作为电池健康状态，进而实现电池健康状态评估。
12、在另一些实施方式中，采用如下技术方案：
13、一种基于最优电压片段搜索的电池健康状态评估系统，包括：
14、最优电压片段搜索模块，用于获取锂离子电池在某一单次循环中的充电数据，对数据进行预处理后进行二维曲线重组；所述充电数据包括充电电压和充电量；利用滑动窗口对重组后的二维曲线数据进行窗口划分，计算每个窗口中的平均斜率，选取平均斜率最小的窗口作为最优充电片段；
15、初始特征容量确定模块，用于选取锂离子电池初始投入使用时期前k个循环的充电数据，通过最优电压片段搜索模块确定每个循环的最优充电片段，确定初始特征容量；其中，定义最优充电片段中在充电量方向上的跨度作为特征容量；
16、当前特征容量确定模块，用于获取当前循环的充电数据，通过最优电压片段搜索模块确定当前循环的最优充电片段，确定当前特征容量；
17、健康状态评估模块，将当前特征容量与初始特征容量的百分比值作为电池健康状态，进而实现电池健康状态评估。
18、在另一些实施方式中，采用如下技术方案：
19、一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的基于最优电压片段搜索的电池健康状态评估方法。
20、在另一些实施方式中，采用如下技术方案：
21、一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的基于最优电压片段搜索的电池健康状态评估方法。
22、与现有技术相比，本发明的有益效果是：
23、(1)实际应用中得不到完整的充电循环，甚至说实际中的充电行为是碎片化的，因此需要在碎片充电数据中提取可靠的特征。本发明通过最优电压片段搜索方法，确定每个循环的最优电压片段，最优电压片段便是从碎片充电数据中提取的可靠的特征，提取到的最优电压片段与电池老化息息相关，并且尺寸很小，容易提取。
24、(2)相较于现有的电池健康状态传统定义方法，如基于容量的定义、基于内阻的定义、基于功率的定义等，本发明将当前特征容量与初始特征容量的百分比值作为电池健康状态，仅需提取充电片段的特征容量便能确定电池健康状态，不需要额外的数据处理和复杂的计算过程，提高了方法的适用性；
25、本发明中重新定义的电池健康状态，既不需要完整的充电或放电过程作为支撑，也不需要限制特定的充电或放电协议(比如恒流、恒压等)，仅凭借可直接测量的参数数据便可在有限的充电片段中获取电池健康状态，能够实现在实际复杂工况中对电池老化程度进行有效、高效评估。
26、本发明中重新定义的电池健康状态，不涉及任何建模工作，在计算成本、计算效率和实际部署难度上存在先进性；相较于基于容量的定义方法，本发明重新定义的健康状态与其具有相同趋势，相关系数高于0.9；且本发明方法计算难度和复杂度低、抗干扰能力强，能够依托于锂离子电池日常实际数据进行电池老化程度评估。
27、(3)相较于基于模型的电池健康状态估计方法，如经验模型、等效电路模型、电化学模型等，本发明利用重新定义的电池健康状态进行电池健康状态评估，既不需要建立复杂的数学模型或等效模型，也不需要深入了解锂离子电池电化学原理，也不需要进行复杂的参数辨识，大幅降低了计算量。
28、(4)相较于数据驱动的电池健康状态估计方法，如高斯过程回归、长短期记忆神经网络、卷积神经网络等，本发明利用重新定义的电池健康状态进行电池健康状态评估，既不需要开展复杂、苛刻的特征工程，也不需要考虑机器学习算法可解释性差、计算成本高、易过拟合等缺陷，也不需要大量高质量标签数据作为支撑，仅对健康状态进行重新定义就能评估电池老化程度。
29、本发明的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。
相关知识
基于充电稀疏大数据的电池系统综合健康状态评估方法技术方案
一种基于深度学习的锂电池健康状态评估方法
电池健康状态检测系统及方法与流程
电动汽车动力电池健康状态评估方法与流程
电池管理系统里的电池健康评估和寿命预测
基于动态工况模型误差特征的动力电池健康状态估计方法
电池管理系统SOH算法揭秘：如何精准评估电池健康
电池健康状态实时监测和智能管理方法及系统
基于电芯热失控风险检测的多维参数评估系统及方法与流程
=退役锂离子电池健康状态评估方法【钜大锂电】
网址: 基于最优电压片段搜索的电池健康状态评估方法及系统 https://m.trfsz.com/newsview1388195.html
