一种在线评估电池健康状态的方法与流程
本发明涉及电池检测技术领域，尤其涉及一种在线评估电池健康状态的方法。
背景技术
随着能源危机和环境污染的问题日益突出。大力发展电动汽车成为了必然的趋势。而动力电池作为电动汽车的能量的来源，其性能已经成为电池研究领域的重点。表征着电池状态参数有电池的荷电状态(soc)和电池的健康状态(soh)；其中，电池的荷电状态表征了电动汽车的续航里程等性能，而电池的健康状态表征了电池的寿命，直接影响到电动汽车的安全性和经济性。由此可见，准确、实时地估算出电池的健康状态，有利于电池的性能优化，提高了电动汽车的实用性和安全性，从而对电动汽车行业的发展有重大意义。
目前，通常采用的评价电池状态的方法包括以下几种：(一)、容量法，从电池容量的角度出发，其数学表达式：
综上，发明人发现，上述电池健康状态通过估计单一参量来评价的方法具有很大的局限性，且估算精度不高，不支持在线估算。
技术实现要素：
本发明实施例所要解决的技术问题在于，提供一种在线评估电池健康状态的方法，能够避免现有电池健康状态估计单一参量判定方法的局限性，提高估算精度，并支持在线估算。
为了解决上述技术问题，本发明实施例提供了一种在线评估电池健康状态的方法，包括以下步骤：
确定电池参数在线采集时段，并获取所述采集时段内电池放电时的温度、内阻、电压和电流的变化值，且进一步将所述采集时段内获取到的电池温度、内阻、电压和电流的变化值作为预设神经网络的输入以及将电池的soc值作为预设神经网络的输出来训练所述预设神经网络，得到所述采集时段内电池的soc估算值；
根据所述采集时段内获取到的电池电流的变化值，计算出所述采集时段内电池现在时刻的实时放电量，并根据所述采集时段内电池的soc估算值，计算出所述采集时段内电池初始时刻的估算放电量，且进一步将所述计算出的采集时段内电池的实时放电量与其对应的估算放电量进行对比，得到电池健康状态的第一估算值；
获取电池使用寿命结束时的内阻，并将所述采集时段内电池的soc估算值中的一soc估算值作为参考值，获取计算所得参考值时输入所述预设神经网络的内阻以及获取新电池初始与所得参考值等同时实际采集到的内阻，且进一步根据所述电池使用寿命结束时的内阻、所得参考值时对应输入所述预设神经网络的内阻以及新电池初始与所得参考值等同时对应的内阻，得到电池健康状态的第二估算值；
根据所述电池健康状态的第一估算值及第二估算值，得到所述电池健康状态的最终估算值。
其中，所述电池健康状态的第一估算值为
其中，所述电池健康状态的第二估算值为
其中，所述电池健康状态的最终估算值为soh＝asohc+bsohr；其中，soh为所述电池健康状态的最终估算值；a>b且a+b＝1。
其中，a＝0.8，b＝0.2。
实施本发明实施例，具有如下有益效果：
相对于传统的容量法中电池使用过后现阶段从充满电到完全放电的总放电量与初始阶段从充满电到完全放电的总放电量的比值，不能做到在线检测，本发明可以得到不需要进行完全放电状态下的任意两个时刻的soc，支持在线估算电池的soh；同时，相对于传统的内阻法中将内阻限制在初始soc为100的时刻而无法实时测量，本申请以soc为限制，可以在任意soc状态时刻估算，支持实时在线估算电池的soh；由此可见，本发明能够避免现有电池的健康状态soh估计单一参量判定方法的局限性，能够提高估算soh的精度，可以在任意soc状态下估算，支持在线估算。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的在线评估电池健康状态的方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示，为本发明实施例中，提出的一种在线评估电池健康状态的方法，包括以下步骤：
步骤s1、确定电池参数在线采集时段，并获取所述采集时段内电池放电时的温度、内阻、电压和电流的变化值，且进一步将所述采集时段内获取到的电池温度、内阻、电压和电流的变化值作为预设神经网络的输入以及将电池的soc值作为预设神经网络的输出来训练所述预设神经网络，得到所述采集时段内电池的soc估算值；
步骤s2、根据所述采集时段内获取到的电池电流的变化值，计算出所述采集时段内电池现在时刻电池的实时放电量，并根据所述采集时段内电池的soc估算值，计算出所述采集时段内电池初始时刻电池的估算放电量，且进一步将所述计算出的采集时段内电池现在时刻的实时放电量与其电池初始时刻对应的估算放电量进行对比，得到电池健康状态的第一估算值；
步骤s3、获取电池使用寿命结束时的内阻，并将所述采集时段内电池的soc估算值中的一soc估算值作为参考值，获取计算所得参考值时输入所述预设神经网络的内阻以及获取新电池初始与所得参考值等同时实际采集到的内阻，且进一步根据所述电池使用寿命结束时的内阻、所得参考值时对应输入所述预设神经网络的内阻以及新电池初始与所得参考值等同时对应的内阻，得到电池健康状态的第二估算值；
步骤s4、根据所述电池健康状态的第一估算值及第二估算值，得到所述电池健康状态的最终估算值。
具体过程为，在步骤s1中，设置采集时段从t1时刻至t2时刻，通过温度传感模块，内阻测量模块、电压和电流传感模块等相应获取采集时段[t1,t2]电池的温度、内阻、电压和电流等参数对应的变化值，并以电池的温度、内阻、电压和电流等参数对应的变化值作为预设的神经网络输入，以及以电池的soc值作为神经网络输出来训练该神经网络，从而将训练好的神经网络用来实时估算电池的soc，得到采集时段[t1,t2]内电池的soc估算值；其中，t1为初始时刻；t2为终止时刻。
在步骤s2中，根据采集时段[t1,t2]内获取到的电池电流的变化值，利用按时积分的方法计算放出采集时段[t1,t2]的电池初始时刻实时放电电量cnew(soct1-soct2)，并根据步骤s1中得到的soc估算值，计算出采集时段[t1,t2]内电池现在时刻的估算放电量cnow(soct1-soct2)；
利用公式(1)，得到电池健康状态的第一估算值sohc，具体如下：
由于传统的容量法是电池使用过后现阶段从充满电到完全放电的总放电量与初始阶段从充满电到完全放电的总放电量的比值，它不能做到在线检测。改进型容量法用现在时刻soc所对应的放电量比初始时刻相同soc所对应的放电量即为soh的值。它任意两个时刻的soc都能得到，不需要进行完全放电，支持在线估算。
在步骤s3中，获取电池使用寿命结束时的内阻reol，并将采集时段[t1,t2]内电池的soc估算值中的一soc估算值(如t时刻的soct)作为参考值，获取计算所得参考值时输入预设神经网络的内阻rnow以及获取新电池初始与所得参考值等同时实际采集到的内阻rnew；
利用公式(2)，得到电池健康状态的第二估算值sohr，具体如下：
由于传统内阻法只将内阻限制在初始soc为100的时刻，不能实时测量，而改进内阻法是以soc为限制，可以在任意soc状态时刻估算，支持实时在线估算。
应当说明的是，在神经网络中提取t时刻的soct时，可以查到该t时刻输入到神经网络的内阻rnow，同时，根据等同soct参考值找到对应新电池初始时刻所采集到的内阻rnew。
在步骤s3中，利用公式(3)，得到电池健康状态的最终估算值soh，具体如下：
soh＝asohc+bsohr(3)。
其中，a>b且a+b＝1，a和b表示不同的权重系数。
在一个实施例中，采用磷酸铁锂电池为例，经过采集大量的实验数据进行分析，最后整定得出a的值为0.8，b的值为0.2。
实施本发明实施例，具有如下有益效果：
相对于传统的容量法中电池使用过后现阶段从充满电到完全放电的总放电量与初始阶段从充满电到完全放电的总放电量的比值，不能做到在线检测，本发明可以得到不需要进行完全放电状态下的任意两个时刻的soc，支持在线估算电池的soh；同时，相对于传统的内阻法中将内阻限制在初始soc为100的时刻而无法实时测量，本申请以soc为限制，可以在任意soc状态时刻估算，支持实时在线估算电池的soh；由此可见，本发明能够避免现有电池的健康状态soh估计单一参量判定方法的局限性，能够提高估算soh的精度，可以在任意soc状态下估算，支持在线估算。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
相关知识
电动汽车动力电池健康状态评估方法与流程
评估电池健康状态的方法与流程
一种基于深度学习的锂电池健康状态评估方法
一种基于支持向量机的锂电池健康状态评估方法
一种识别老化模式的锂离子电池健康状态在线诊断方法与流程
电池寿命预测与健康状态评估技术研究
电池健康状态检测系统及方法与流程
关于电池健康状态的评估方式分析介绍
一种快速的动力蓄电池SOH（健康状态）测量方法与流程
基于最优电压片段搜索的电池健康状态评估方法及系统
网址: 一种在线评估电池健康状态的方法与流程 https://m.trfsz.com/newsview1392008.html
