基于数字孪生与数据驱动的锂电池健康状态快速检测方法与流程
本发明涉及锂电池健康状态检测领域，具体涉及一种基于数字孪生与数据驱动的锂电池健康状态快速检测方法。
背景技术：
1、电动汽车搭载的动力电池会随着车辆运行而发生老化，导致电池的可用容量衰减，影响电动汽车的续航里程。为了衡量动力电池的老化程度，将动力电池当前容量与额定容量的比值定义为电池的健康状态(soh)。现有的针对实车的soh评估，分为直接计算与间接估计两类方法。其中，直接计算方法需要对每一辆检测车辆进行电池完全放电，随后再进行满充，利用安时积分法进行容量计算，从而得到电池当前容量。然而，该方法需要专用设备与场地对车辆进行放电操作，不仅需要耗费大量的时间与人力，同时造成了电能的浪费与对电池的损坏，在效率上远远无法达到对每一辆电动汽车进行检测的目的；间接估计类的方法，通常使用卡尔曼滤波等方法，对电池的soh估计结果进行迭代修正，但该种方法存在估计结果不稳定、难收敛、对初值敏感、单一算法无法满足不同车型的测试需求等问题。
技术实现思路
1、本发明意在提供基于数字孪生与数据驱动的锂电池健康状态快速检测方法，以实现多车型、高效率的电动汽车动力电池soh估计。
2、为达到上述目的，本发明采用如下技术方案：
3、基于数字孪生与数据驱动的锂电池健康状态快速检测方法，包括：
4、s1，对目标车型进行工况测试并参数辨识，得到soc-ocv查找表和一阶等效电路模型参数；
5、s2，利用仿真模型，基于soc-ocv查找表和一阶等效电路模型参数，进行数字孪生模型训练，得到soh预估模型；
6、s3，将待检测车辆的特征序列输入训练完毕的soh预估模型，得到soh的预估值。
7、本方案的原理及优点是：实际应用时，通过工况测试与参数辨识得到动力电池的关键参数，进而建立了动力电池的一阶等效电路模型；通过仿真模型，基于soc-ocv查找表和一阶等效电路模型参数获取多款车型的大量训练样本进行数字孪生模型训练，解决了数据驱动方法中训练样本少、难以获取的问题；通过数字孪生模型训练建立soh预估模型，解决了基于滤波方法进行soh估计的不稳定、难收敛、无法同时应用于多个车型的问题，最终实现多种车型soh的高效、准确获取。
8、优选的，作为一种改进，所述s1包括：
9、s11，转鼓运行，将目标检测车型的样车进行完全放电，至soc为0％或电池管理系统自动断电；
10、s12，多阶段恒流充电，将soc充电至100％；
11、s13，基于整个多阶段恒流充电过程中的soc数据，通过安时积分法计算得到电池容量，对多阶段恒流充电的静置段开路电压数据进行标定，得到电池的soc-ocv查找表；
12、s14，对目标检测车型的样车在预设soc下进行多次脉冲充电工况激励，得到电压反馈数据；基于电压反馈数据，建立动力电池一阶等效电路模型，并利用带遗忘因子的最小二乘法进行模型的参数辨识，得到一阶等效电路模型参数。
13、技术效果：获取模型参数，便于后续获取soh预估模型。
14、优选的，作为一种改进，所述步骤s12中的充电倍率为0.1c。
15、技术效果：通过将充电倍率控制为0.1c，便于调整多阶段充电。
16、优选的，作为一种改进，所述步骤s12中多阶段恒流充电包括：每充入预设的额定容量，对车辆进行断电，静置固定时长后再进行充电，直到soc为100％或充电电流自动断开。
17、技术效果：通过上述步骤，便于准确获取每个阶段的电流电压数据。
18、优选的，作为一种改进，所述s2还包括：
19、s21，通过仿真软件，建立不同soh下的动力电池一阶等效电路充放电数字孪生模型，随机定义电池模型的soh，并输入预设时长和电流倍率的激励，得到电压反馈数据；
20、s22，利用电流倍率和电压反馈数据，构建电池健康特征，与对应的soh形成训练样本；
21、s23，通过深度卷积神经网络，搭建soh预估模型，使用所述训练样本对soh预估模型进行训练，得到soh预估模型。
22、技术效果：通过利用电流倍率和电压反馈数据生成训练样本，便于对soh预估模型进行训练，以得到soh预估模型。
23、优选的，作为一种改进，所述s21中，还对电压反馈数据进行归一化处理，将每个采样点的电压和电池满充时的截止电压，作为归一化后的电压序列，将电压序列与激励的电流序列作为特征序列。
24、技术效果：归一化处理便于消除奇异样本数据导致的不良影响。
技术特征：
1.基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于，包括：
2.根据权利要求1所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述s1包括：
3.根据权利要求2所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述步骤s12中的充电倍率为0.1c。
4.根据权利要求2所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述步骤s12中多阶段恒流充电包括：每充入预设的额定容量，对车辆进行断电，静置固定时长后再进行充电，直到soc为100％或充电电流自动断开。
5.根据权利要求1所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述s2还包括：
6.根据权利要求5所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述s21中，还对电压反馈数据进行归一化处理，将每个采样点的电压和电池满充时的截止电压，作为归一化后的电压序列，将电压序列与激励的电流序列作为特征序列。
技术总结
本发明涉及锂电池健康状态检测领域，公开了一种基于数字孪生与数据驱动的锂电池健康状态快速检测方法，包括：S1，对目标车型进行工况测试并参数辨识，得到SOC‑OCV查找表和一阶等效电路模型参数；S2，利用仿真模型，基于SOC‑OCV查找表和一阶等效电路模型参数，进行数字孪生模型训练，得到SOH预估模型；S3，将待检测车辆的特征序列输入训练完毕的SOH预估模型，得到SOH的预估值。本申请能够实现多车型、高效率的电动汽车动力电池SOH估计。
技术研发人员：王兵,向飞,邹鹏,周晶晶,鄢亮,张玉兰,王杰,王涵,恽兰沁,黄忆
受保护的技术使用者：中国汽车工程研究院股份有限公司
技术研发日：
技术公布日：2024/2/6
相关知识
基于数据驱动的锂离子电池健康状态估计及剩余寿命预测研究.docx
基于可快速测量参数的锂离子电池健康状态诊断方法研究.docx
面向智能化管理的数字孪生电池构建方法
锂电池健康状态快速检测仪的研究
基于数据驱动的锂离子电池健康状态估计和剩余使用寿命预测
数据驱动的锂离子电池健康管理研究
基于信号重构的锂离子电池健康状态估计：数据驱动的鲁棒方法
基于模型的锂离子电池健康状态预测
基于红外视频识别的锂电池健康状态快速检测
锂离子电池故障预测及健康管理技术进展
网址: 基于数字孪生与数据驱动的锂电池健康状态快速检测方法与流程 https://m.trfsz.com/newsview1549434.html
