一种基于云端数据估算电池组健康状态的方法与装置
本发明涉及一种基于云端数据估算电池组健康状态的方法与装置，属于电池。
背景技术：
1、电池健康状态soh的准确估算不仅能揭示电池的老化程度和性能衰退情况，而且对于预防电池过充、过放等安全问题至关重要。此外，通过准确的soh估算，可以制定更为合理的充放电策略、优化能量管理，确保电池在安全的前提下，最大限度地发挥其能量存储和释放的能力。因此，准确估算电池soh对于提升动力电池系统整体性能和使用寿命具有重大的意义。
2、目前，常见的用于电池soh估算的方法主要分为直接估算法和间接估算法。直接估算法一般包括库仑计数法、内阻测量法、阻抗谱测量法等，但受限于测量与估算准确性的问题，故而较少使用。间接估算方法主要被分为三大类：基于模型驱动的方法、数据驱动的方法以及混合方法，其中混合方法是指将两种或两种以上的方法相互融合，以有效地整合各自的优势，从而实现对电池soh的高精度估算。当前电池soh的估算方法往往涉及复杂的算法，并伴有庞大的数据存储和处理工作。然而，在车辆的实际运行环境中由于车载电池管理系统bms计算能力有限以及存储空间不足等限制，如此庞大的数据存储和处理所需的成本是远高于其带来的效益的。此外，电池组本身的复杂性，如单体电池性能的不一致性、温度分布不均以及老化速率的差异等因素，都进一步增加了估算电池组soh的难度，并对计算和存储资源提出了更高的要求。云端平台能够实时接收从车载端通过网络通信传输的电池特性数据，并具备海量数据的存储与计算能力，这为复杂高精度的soh算法应用奠定了基础。但是云端平台低质量的数据会导致soh估算出现较大的误差。另外，由于磷酸铁锂电池特有的充电电压曲线，无法得到能有效计算的充电电压范围，导致磷酸铁锂电池相对三元锂离子电池的soh估算难度更大。
技术实现思路
1、发明目的：针对现有技术中存在的不足，本发明提供了一种基于云端数据估算电池组健康状态的方法与装置，本发明通过磷酸铁锂电池特有的充电电压曲线特性分析，采用考虑测量及估算误差的递推容量估计方法获取估算的电池容量soh，实现电池健康状态的估算。
2、技术方案：一种基于云端数据估算电池组健康状态的方法，包括以下步骤：
3、s1：基于云端数据构建虚拟电池模型，选择充电过程最高电压曲线、放电过程最低电压曲线，构建充放电过程中的虚拟电池电压曲线，并计算开路电压uocv；
4、s2：根据虚拟电池特性截取有效充电片段，并构建基准曲线ocv-soc；
5、s3：基于云端数据计算s2中有效充电片段的标准化电池容量，并获取标准化电池健康状态soh标，对标准化电池容量进行温度及倍率修正；
6、s4：采用考虑测量及估算误差的递推容量估计方法获取估算的电池容量，并根据s2中基准曲线ocv-soc获取估算的电池健康状态soh估；
7、s5：将s4估算的soh与s3标准化soh进行对比，分别从时间随里程变化的趋势上和估算的soh的精度上验证s4中考虑测量及估算误差的递推容量估计方法的有效性。
8、优选项，所述s1具体为：
9、根据云端数据中电池组充电过程中的最高电压曲线、最低电压曲线、平均电压曲线，选取充电过程中最高电压曲线、放电过程中最低电压曲线作为虚拟电池充放电电压曲线；
10、在充电过程中，端电压的大小由开路电压、欧姆内阻以及极化内阻共同决定，因此，根据基尔霍夫电压定律，电池在充电过程中的端电压可表示为：
11、u＝uocv+ir0+ur1 (1)
12、式中，r0表示欧姆内阻，uocv和u分别表示开路电压和端电压，ur1极化电压，i表示流经的电流；
13、在电池老化过程中，开路电压保持不变，而欧姆内阻和极化内阻则逐渐增大，因此，虚拟电池在充电过程中的端电压主要是指电池组在充电过程中的最高电压。
14、优选项，所述s2具体为：
15、s201：对s1中的虚拟电池充电电压曲线进行预处理，获取光滑充电电压曲线；
16、s202：基于s201的光滑充电电压曲线，分析虚拟电池的充电电压片段特性：
17、基于充电片段统计的充电开始和充电结束时soc的分布情况得出soc范围，即用户经常使用的soc范围，分析虚拟电池的充电电压曲线特性，得出两电压平台之间的曲线呈上升趋势且中心对称的特性；
18、s203：利用容量增量ic曲线确定s202中曲线的对称中心点，通过分析容量增量ic曲线上两个主峰之间的峰谷位置，即能确定对称中心点电压，以对称中心点为中心，选取两个电压平台之间的电压差值的平均值，作为充电电压范围，从而截取电压变化差值最大的充电片段，即有效充电片段，基于有效片充电段范围，利用极大似然法基于中间阶段充电电压曲线进行曲线拟合和曲线平移以构建基准曲线ocv-soc。其中，中间阶段为两个电压平台之间的充电片段，即两个电压值变化趋于平稳状态的曲线之间的电压值变化大的曲线。
19、优选项，所述s203中的曲线拟合具体为：
20、电极电势模型主要由三个部分组成：常数项、指数项以及正切项，其具体表达式如式(2)所示，其中，正切项的个数与电池开路电压曲线中电压平台的个数相对应，
21、
22、式中，a1、b1、b2、c1、c2、d1、d2、e1、e2、f1、f2均为电极电势的相关参数，且均大于0，s则表示电池的soc；
23、将ocv-soc数值带入进行拟合，得到基于电极电势模型的磷酸铁锂电池的相关参数并得到拟合具体表达式。
24、优选项，所述s203中的曲线平移具体为：
25、曲线平移是指在平面上将曲线沿着特定的方向移动一定的距离；经过平移后，曲线的形状和大小保持不变，仅仅是位置发生了改变；ocv-soc曲线存在因电池内阻引起的纵向偏移，soc存在积累误差会导致ocv-soc曲线出现横向偏移；a代表充电电压曲线与开路电压曲线在水平方向上平移的单位距离，而b则代表充电电压曲线与开路电压曲线在垂直方向上的单位距离，曲线平移过程具体如下式：
26、
27、优选项，所述s3获取标准化电池容量q标并获取标准化电池健康状态soh具体为：
28、采用安时积分法对虚拟电池进行标准化容量计算，并以此作为验证基准，安时积分法的计算公式如下：
29、
30、式中，socs表示当前充电片段起始时的soc，soce表示当前充电片段结束时的soc，表示在当前整个充电片段充入电池的电量，q表示与当前片段相对应的电池容量；
31、对(4)式进行变换可得：
32、
33、式中，q标表示标准化电池容量，δq表示t时间内电池充入的电量，δsoc表示t时间内电池soc的变化量；
34、标准化电池健康状态soh标为：
35、q标/q额＝soh标 (6)
36、式中，q标表示标准化电池容量，q额表示电池额定容量。
37、优选项，所述s3对标准化电池容量进行温度及倍率修正具体为：
38、具体的温度容量修正过程如下：将电池平均温度接近25℃时的电池容量作为基准容量q25；计算电池在任意温度下容量qt与基准容量q25的比值，即温度容量比kt；利用温度容量比kt来对电池容量进行修正；
39、计算充电片段下的平均温度t，如下式所示：
40、
41、式中，tmax和tmin分别代表这一充电片段中电池最高、最低温度的平均值，t代表整个充电片段的平均温度；
42、计算电池在不同温度下的温度容量比，电池的温度容量比kt计算如下所示：
43、
44、式中，qt表示不同温度下的电池容量，q25表示25℃时电池的基准容量；
45、具体的倍率容量修正过程如下：将电池平均充电倍率接近1/3c时的电池容量作为基准容量q1/3c；计算电池在任意倍率下容量qc与基准容量q1/3c的比值，即倍率容量比kc；最后，利用倍率容量比kc来对电池容量进行修正；
46、计算充电片段下的平均倍率c，计算公式如下：
47、
48、式中，i表示当前充电片段的平均电流，q额表示该电池的额定容量，c代表当前充电片段的平均充电倍率；
49、计算电池在不同倍率下的倍率容量比，电池倍率修正系数kc计算如下所示：
50、
51、式中，qc表示不同倍率下的电池容量，q1/3c表示1/3c倍率下的电池的基准容量。
52、优选项，所述s4具体为：
53、根据算出的开路电压值uocv查表基准曲线ocv-soc得到相应的soc用于以下的计算。结合输入变量噪声，即电池soc差值的噪声，以及变量噪声，即电流传感器的噪声，通过递推最小二乘法估算电池容量：
54、
55、式中，和分别表示电池在t1时刻和t2时刻的soc，q待表示待估算的电池容量，it则表示t时刻电池充电时的电流大小，表示soc差值的噪声，wt表示t时刻电流传感器的测量噪声，这里的噪声均为高斯白噪声；
56、在式(11)中，使而vk代表零均值的高斯白噪声则容量估算模型则转化为数学模型，η为电池充电时的库伦效率系数，具体为：
57、yk＝q待(xk+vk)+wk (12)
58、基于式(12)，采用递推方法通过递推迭代实现q待的计算，然后获取估算的电池健康状态soh估如下式：
59、q待/q额＝soh估 (13)
60、式中，q待表示待估算的电池容量，q额表示电池额定容量。
61、优选项，所述s4中采用递推方法通过递推迭代实现q待的计算具体为：
62、为了方便分析，定义如下的三个矩阵α1，α2及α3，其随时间参数k变化表示为α1,k，α2,k及α3,k。参数初始化α1，0，α2,0，α3,0，q0，其计算公式如下：
63、α1＝e{x·xt}(14)
64、
65、自相关矩阵更新α1,k，α2,k，α3,k，计算公式如下：
66、
67、参数更新β1,k，β2,k，β3,k，计算公式如下：
68、
69、式中，表示电流传感器噪声与soc差值噪声方差之间的比值，其中表示电流传感器噪声方差，表示soc差值噪声方差；
70、增益系数更新kk，计算公式如下：
71、
72、容量更新qk，计算公式如下：
73、
74、递推完全最小二乘法首先需要将参数α1，0、α2,0、α3,0、q0分别初始化为1、qrated、qrated，qrated为电池额定容量，随后重复迭代，直至迭代至递推单位的长度。
75、一种实现基于云端数据估算电池组健康状态的方法的装置，包括依次信号连接的云端数据采集模块、云端数据存储模块、云端数据处理模块、容量计算模块，
76、所述云端数据采集模块用于采集虚拟电池的充电及放电电压、虚拟电池温度、虚拟电池soc；
77、所述云端数据存储模块用于存储云端数据采集模块采集到的数据；
78、所述云端数据处理模块用于筛选、删除、弥补缺失及异常数据，并根据云端数据存储模块中的存储数据构建虚拟电池，对虚拟电池充电电压曲线进行光滑处理，并截取有效充电片段；
79、所述容量计算模块用于构建基准曲线ocv-soc，以及结合电池soc差值噪声以及电流传感器噪声，通过递推最小二乘法估算电池容量。
80、本装置充分考虑了电池的种类特性以及电池组容量估算的复杂性，旨在提供一种简单、通用且高效的电池组容量估算方法。通过利用云端平台高效的数据管理和处理能力，大大优化了电池组健康状态的估算过程，确保容量计算的精准与高效。
81、有益效果：本发明通过利用云端数据中大量的信息，在线估算电池的健康状态soh，从而提高了估算的准确性，真实地反映出电池组的实际健康状况。同时，针对磷酸铁锂电池，提出有效充电片段选取方法，极大地改善了该类电池的健康状态估算精度，满足新能源汽车对电池组健康状态日益精准的评估需求，为电池管理与维护提供了重要支持。
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
一种电池健康状态评估方法
评估电池健康状态的方法、装置、设备和存储介质与流程
电池健康状态估计模型的训练方法、电池健康状态估计方法、装置、设备、介质和产品2024.pdf专利下载
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
基于微信小程序的电池组健康状态监测平台设计与实现
一种基于支持向量机的锂电池健康状态评估方法
一种基于图像处理对锂电池健康评估方法与流程
电池健康状态的检测装置及方法.pdf
网址: 一种基于云端数据估算电池组健康状态的方法与装置 https://m.trfsz.com/newsview1561906.html
