电池健康状态诊断方法、装置、电子设备及存储介质与流程
本发明涉及电池检测，具体涉及一种电池健康状态诊断方法、装置、电子设备及存储介质。
背景技术：
1、随着新能源汽车高速发展，锂离子电池因能量密度高、自放电率低、循环寿命长和节能环保等突出优势，得到广泛应用。随着锂离子电池的日历及循环使用，锂离子电池容易出现容量降低、性能降低以及安全稳定性劣化等问题，开展锂离子动力电池健康评估及健康诊断研究具有重要工程意义。但是锂离子电池一旦搭载上车，电池的最大可用容量将无法被直接测量，同时锂离子电池内部存在多种复杂的化学反应和物理变化过程，使得准确量化健康状态变得更加复杂。
2、在实际工况下，现有方法主要通过车端的电池管理系统采集电池的电压、电流和温度等实时信息进行预测，通过建立电池的等效电路模型或寿命预测模型，预测电池在不同倍率、温度和放电深度的电池健康度衰减趋势，从而预估不同周期内的电池健康度。然而这种方法强依赖于电池模型，随着电池的老化程度加剧，电池模型参数发生本质变化，复杂的电化学变化也无法被电池模型准确表征，尤其在中后期无法进行自适应的模型更新和迭代，该预测方法准确度和稳定性大大降低。而在实验室工况下训练的电池老化模型无法实现对现实工况下泛化，其预测准确性和稳定性同样无法在全生命周期达到预期效果。
技术实现思路
1、鉴于现有技术的上述不足，本发明提供一种电池健康状态诊断方法、装置、电子设备及存储介质，有效解决现有的预测方法准确度和稳定性低的问题。
2、第一方面，本发明提供一种电池健康状态诊断方法，所述方法包括：
3、获取电池数据进行数据预处理，获得标准数据集；
4、构建电池电芯的荷电状态-开路电压曲线；
5、根据所述标准数据集和所述荷电状态-开路电压曲线估算单次充电片段中每个电芯的单点健康度；
6、根据所述单点健康度获得健康度序列，对所述健康度序列进行数据增强；
7、对数据增强后的所述健康度序列进行双层滤波，获得最优估计健康度序列；
8、根据所述最优估计健康度序列诊断电池的健康状态。
9、进一步的，所述获得最优估计健康度之后，所述方法还包括：
10、根据所述最优估计健康度序列对所述荷电状态-开路电压曲线进行参数重构，获得最优健康度状态下的荷电状态-开路电压曲线。
11、进一步的，所述根据所述荷电状态-开路电压曲线估算单次充电片段中每个电芯的单点健康度，包括：
12、获取充电工况中充电起始和充电结束时存在静置工况的充电片段；
13、将所述充电片段下充电起始时每个电芯的第一电压输入所述荷电状态-开路电压曲线，获得每个电芯的第一荷电状态；
14、将所述充电片段下充电结束时每个电芯的第二电压输入所述荷电状态-开路电压曲线，获得每个电芯的第二荷电状态；
15、对所述充电片段的电流进行累积安时积分，获得所述充电片段的实时充电容量；
16、根据所述第一荷电状态、所述第二荷电状态和所述实时充电容量计算获得每个电芯的所述单点健康度。
17、进一步的，所述根据所述单点健康度获得健康度序列，对所述健康度序列进行数据增强，包括：
18、构建变分自编码器模型；
19、根据所述单点健康度进行时序计算，获得时序健康度矩阵；
20、根据所述时序健康度矩阵训练所述变分自编码器模型，获得最优变分自编码器模型；
21、根据所述单点健康度构建所述健康度序列，将所述健康度序列输入所述最优变分自编码器模型进行数据增强。
22、进一步的，所述对数据增强后的所述健康度序列进行双层滤波，获得最优估计健康度序列，包括：
23、构建高斯过程回归模型；
24、利用所述高斯过程回归模型对数据增强后的所述健康度序列的全局序列点进行滤波，获得序列估计值；
25、根据所述序列估计值剔除所述健康度序列中的噪音点，获得非噪音点序列；
26、利用所述高斯过程回归模型对所述非噪音点序列进行局部滤波，获得所述最优估计健康度序列。
27、进一步的，所述根据所述最优估计健康度序列诊断电池的健康状态，包括：
28、根据所述最优估计健康度序列计算每个电芯的衰减率；
29、根据所述最优估计健康度序列计算每个电芯的健康度离群度；
30、根据所述衰减率和/或所述健康度离群度诊断所述电池的健康状态。
31、进一步的，所述根据所述最优估计健康度序列对所述荷电状态-开路电压曲线进行参数重构，获得最优健康度状态下的荷电状态-开路电压曲线，包括：
32、根据所述最优估计健康度序列对每个电芯的荷电状态进行校准；
33、根据校准后的所述荷电状态和所述荷电状态-开路电压曲线统计每个电芯的开路电压值，获得荷电状态-开路电压矩阵；
34、对所述荷电状态-开路电压矩阵进行聚合，获得最优健康度状态下的荷电状态-开路电压曲线。
35、第二方面，本发明提供一种电池健康状态诊断装置，所述装置包括：
36、数据获取模块，用于获取电池数据进行数据预处理，获得标准数据集；
37、曲线构建模块，用于构建电池电芯的荷电状态-开路电压曲线；
38、数据估算模块，用于根据所述标准数据集和所述荷电状态-开路电压曲线估算单次充电片段中每个电芯的单点健康度；
39、数据增强模块，用于根据所述单点健康度获得健康度序列，对所述健康度序列进行数据增强；
40、数据滤波模块，用于对数据增强后的所述健康度序列进行双层滤波，获得最优估计健康度序列；
41、状态诊断模块，用于根据所述最优估计健康度序列诊断电池的健康状态。
42、第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序实现如本发明第一方面所述的电池健康状态诊断方法。
43、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明第一方面所述的电池健康状态诊断方法。
44、本发明提供的电池健康状态诊断方法、装置、电子设备及存储介质，采用预估最优健康状态度完成荷电状态-开路电压曲线动态重构的方法，实现模型参数的自更新，同时通过面向现实工况下的稀疏数据的数据增强方法，显著提升了现实工况下的模型泛化效果和稳定性。基于双层滤波的方式，实现了健康状态度的自适应更新方式，能泛化现实工况下全生命周期的健康稳定估算，同时能泛化不同电池类型的电池，有效提升模型的准确性、稳定性和泛化性。可以实现电池包内电芯或模组的健康诊断，电芯级的健康状态诊断也为电芯或模组的维修保养和异常诊断提供强大支撑。
技术特征：
1.一种电池健康状态诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的电池健康状态诊断方法，其特征在于，所述获得最优估计健康度之后，所述方法还包括：
3.根据权利要求1所述的电池健康状态诊断方法，其特征在于，所述根据所述荷电状态-开路电压曲线估算单次充电片段中每个电芯的单点健康度，包括：
4.根据权利要求3所述的电池健康状态诊断方法，其特征在于，所述根据所述单点健康度获得健康度序列，对所述健康度序列进行数据增强，包括：
5.根据权利要求4所述的电池健康状态诊断方法，其特征在于，所述对数据增强后的所述健康度序列进行双层滤波，获得最优估计健康度序列，包括：
6.根据权利要求1所述的电池健康状态诊断方法，其特征在于，所述根据所述最优估计健康度序列诊断电池的健康状态，包括：
7.根据权利要求2所述的电池健康状态诊断方法，其特征在于，所述根据所述最优估计健康度序列对所述荷电状态-开路电压曲线进行参数重构，获得最优健康度状态下的荷电状态-开路电压曲线，包括：
8.一种电池健康状态诊断装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实现如权利要求1至7任一项所述的电池健康状态诊断方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电池健康状态诊断方法。
技术总结
本发明提供一种电池健康状态诊断方法、装置、电子设备及存储介质，涉及电池检测技术领域，方法包括：获取电池数据进行数据预处理，获得标准数据集；构建电池电芯的荷电状态‑开路电压曲线；根据标准数据集和荷电状态‑开路电压曲线估算单次充电片段中每个电芯的单点健康度；根据单点健康度获得健康度序列，对健康度序列进行数据增强；对数据增强后的健康度序列进行双层滤波，获得最优估计健康度序列；根据最优估计健康度序列诊断电池的健康状态。本发明实现了健康状态度的自适应更新方式，能泛化现实工况下全生命周期的健康稳定估算，同时能泛化不同电池类型的电池，有效提升模型的准确性、稳定性和泛化性。
技术研发人员：万应兵,张芳芳,胡悦,刘书源
受保护的技术使用者：武汉蔚能电池资产有限公司
技术研发日：
技术公布日：2025/1/20
相关知识
电池健康状态诊断方法、装置、电子设备及存储介质与流程
动力电池健康状态评估方法、装置、存储介质及电子设备与流程
评估电池健康状态的方法、装置、设备和存储介质与流程
一种电池健康状态的评估方法、电子设备及可读存储介质与流程
电池健康状态检测方法、装置和电子设备与流程
一种后备电源健康状态诊断控制方法、系统、设备及介质与流程
电池健康状态快速检测方法、装置、检测仪及存储介质
燃料电池系统故障诊断方法、装置、电子设备和存储介质2024.pdf专利下载
电池健康度确定方法、装置、电子设备及存储介质.pdf
电池使用优化方法、装置、设备及存储介质.pdf
网址: 电池健康状态诊断方法、装置、电子设备及存储介质与流程 https://m.trfsz.com/newsview1557612.html
