首页 > 资讯 > 用于估计电池健康状态的方法与流程

用于估计电池健康状态的方法与流程

泰然健康网
2025-08-09 04:49

用于估计电池健康状态的方法
1.本发明涉及一种用于估计电池健康状态的方法。本发明更具体地涉及旨在为电动或混合动力机动车辆供电的电池。
2.确定电池的健康状态或老化是对于表征电池状态以便优化能量的放电/充电以及蓄电池的使用寿命来说必不可少的条件。
3.在本技术中，“电池健康状态”是指在给定时刻估计的电池能量健康状态或sohe的指标，该指标反映了尤其是电池的使用年限及其使用状况导致的电池自主性的劣化程度。
4.一旦该参数达到阈值，则电池被认为是过于老旧，并且可以从负载电路中移除，例如用于非车载的二次寿命用途。sohe还用于bms(电池管理系统)特定的其他内部计算。作为提醒，bms是可以管理和控制电池的各种参数(如例如，其荷电状态或soc)的电子系统。
5.sohe通常由bms在电池使用时、尤其是在车辆行驶时的放电时段或车辆连接到充电终端时的充电时段期间进行计算。此时，电池健康状态的“在线”估计也称为“车载”估计，因为该估计是由车载bms自主进行的。目前，这些在线计算往往不是很可靠，有时相对于sohe的真实值观察到的差异相对较大。
6.电池健康状态可以由各种量来进行量化。最常用的是所研究电池的容量、电阻或实际阻抗的变化。
7.无论使用什么参数进行定义，电池健康状态都必须精确，以避免发生不合时宜的故障的风险或由所述电池供电的系统性能意外劣化的风险。这对于电动或混合动力机动车辆电池来说尤其重要。此外，取决于制造商，电动车辆出售时可能不带电池。此时电池就需要单独的租赁/维护合同。在这种情况下，电池健康状态是电池租赁/维护合同中包括的保修的主要输入数据。
8.由于该问题的技术和经济重要性，已经提出了很多用于估计电池健康状态的方法。因此，文献us 2011112781披露了一种用于基于从用于管理设有传感器的电池的系统采集的与电池行为相关的动态量、尤其是与soc和温度相关的量来估计车辆电池健康状态的方法。根据一个示例性实施例，该方法使用第一算法(称为基于时间的算法)和第二算法(称为基于事件的算法)来估计电池健康状态。基于时间的算法周期性地(例如，每毫秒一次、每秒一次等)接收所采集的量(例如soc)，并提供相应的输出。基于事件的算法可以从电池采集的量中提取特定数据，通常是与soc的变化相关的数据，并将它们与soc的最大值或最小值进行比较，并提供相应的输出。然后结合基于时间的算法和基于事件的算法的输出来估计电池的能量健康状态。
9.这种在线方法的好处是补偿基于时间的算法的局限性，具体地，该基于时间的算法可能没有考虑可能发生的某些内部采样事件，因为该算法仅使用周期性采样的电池信息作为输入。通常，如果每秒获取一次电池单体的soc，并且soc在两次获取之间短暂地达到峰值，那么基于时间的算法将不会考虑该信息，这可能会影响对健康状态的整体预测。基于事件的算法通过将给定时刻荷电状态的变化作为输入并将其与先前已知的值进行比较缓解了这种情况。
10.然而，所获得的估计的精确度随着电池的使用寿命增加而变得不可靠，并且根据
来自电池的具体使用数据(即，取决于电池的具体使用状况)存在显著估计漂移的风险。该估计无法实现选择最接近该参数真实值的sohe的计算值以及消除远离真实值的值。
11.换言之，需要能够消除对电池能量健康状态的在线估计的潜在漂移。
12.本发明的一个目的是提出一种对电池、特别是电动或混合动力车辆配备的电池能量健康状态的估计，通过考虑电池的具体使用状况，这种估计在电池的整个使用期间是精确的。
13.为此，本发明涉及一种用于估计电动或混合动力车辆的电池健康状态的方法，该方法包括基于在电池上测量的包括其充电状态在内的至少一个参数计算所述健康状态的步骤，该方法的特征在于，该方法包括以下步骤：
[0014]-选择车辆的典型使用情况，包括总是对应于基本相同的行驶距离的放电事件或总是对应于基本相同的在充电终端处再充电的时段的充电事件，每次放电或充电事件后都有比该电池的给定弛豫时间更长的休息时段；
[0015]-确定控制值，该控制值在给定的初始时刻代表所选择的使用情况的放电或充电事件期间电池荷电状态的变化；
[0016]-基于控制值与所选择的使用情况的事件结束时荷电状态的变化之间的比较，估计所述电池的能量健康状态。
[0017]
这种通过使用除车载bms以外的计算机，以离线或非车载方式获得的对电池健康状态的估计是特别有利的，因为它可以提供电池健康状态的参考值，从而有可能检测到电池健康状态的在线估计的潜在漂移，这通过车载bms中的已知方法实现。
[0018]
有利地，该方法包括以下在先步骤：
[0019]-从包括所述电动或混合动力车辆的一组车辆采集使用数据，所述数据至少与每次放电事件时所覆盖的行驶距离或每次充电事件时的再充电时段相关；
[0020]-通过应用用于过滤所采集的使用数据的至少一个条件来选择所述电动或混合动力车辆，这使得可以确定所述电动或混合动力车辆的典型使用情况。
[0021]
凭借过滤来自一组车辆的使用数据，可以选择一个或多个目标车辆获得其在给定时段内的常规行驶行为，并且因此确定可以以最高的可能置信度采用对于计算电池健康状态有益的数据的充电或放电事件。
[0022]
根据所确定的包括放电事件的典型使用情况的一个实施例，电池健康状态的估计由以下关系确定：
[0023][0024]
其中，δsoc
bol
表示所述控制值；
[0025]
δsoc是所确定的典型使用情况下所考虑的放电事件期间荷电状态的变化。
[0026]
根据所确定的包括充电事件的典型使用情况的另一个实施例，电池健康状态的估计由以下关系确定：
[0027][0028]
其中，表示所述控制值，δe
ch，bol
对应于在所述给定初始时刻充电事件期
间充电的能量，并且δsoc
bol
表示在该充电事件期间电池荷电状态的变化；
[0029]
表示在所确定的典型使用情况下所考虑的充电事件期间充电的能量与荷电状态变化的比率。
[0030]
有利地，用于过滤车辆使用数据的所述至少一个条件可以基于给定时段的放电或充电事件的最小数量。
[0031]
有利地，用于过滤车辆使用数据的所述至少一个条件可以基于给定时段内的最小累积使用时间。
[0032]
有利地，所述控制值对应于代表电池寿命开始时电池荷电状态变化的值。
[0033]
有利地，该方法包括在电池寿命开始时校准所述控制值的步骤。
[0034]
有利地，在典型使用情况的事件期间的荷电状态变化是通过基于在开始时刻和结束时刻开路中的电池两端的电压直接确定在所述事件的所述开始时刻和结束时刻的荷电状态来获得的。
[0035]
通过以下参照附图指示性地和完全非限制性地给出的描述，本发明的其他特征和优点将会变得清楚明了，在附图中：
[0036]
[图1]是图示给定车辆的行驶距离的统计分布的示例的示意图；
[0037]
[图2]是图示当选择一个或多个目标车辆时考虑的统计量的示例的示意图；
[0038]
[图3]是图示以根据时间变化的行驶距离的形式监测目标车辆的示例的示意图。
[0039]
本发明的原理依赖于以下事实：来自车队或一组车辆的大量使用数据是可用的，因此在对电动车辆的部件(在这种情况下是电池)执行离线诊断时表现出不可忽视的丰富度。
[0040]
目标首先是对这些使用数据进行过滤，以便能够选择目标车辆或一组目标车辆(由于车辆使用的某些特征、尤其是规律性)，并且可以对车辆应用其电池健康状态的离线诊断。在这种情况下，确定重复的行驶曲线，这可能是对整个车辆使用过程中的行驶进行统计研究的结果。
[0041]
因此，图1图示了给定车辆的行驶距离(以公里为单位)的统计分布的示例。首先，将基于反映车辆典型使用的所覆盖的行驶距离来选择来自该车辆的使用数据。例如，所确定行驶距离大于最小值，以使由此产生的电池荷电状态(其作为输入数据对于计算电池健康状态有益)的变化显著。
[0042]
为了选择目标车辆，想法是逼近一个电池组的场景，在这个场景中，测量容量的环境是可复制的。在这种情况下，通过使用过滤条件过滤使用数据来确保测量环境的可复制性，必须满足该过滤条件才能选择目标车辆。
[0043]
图2图示了当选择一个或多个目标车辆时可以考虑作为过滤车辆使用数据的条件的统计量的示例。图2的示例基于4年的最小行驶时段n_y，以便获得表现出明显劣化的电池健康状态。
[0044]
因此，例如，在选择目标车辆时，可以检查在给定的4年行驶时段内电池放电事件的最小数量nc。还可以检查在给定行驶时段内每年的放电事件的数量是否大于给定的最小数量nc_annual_min，根据示例，该数量等于25。例如，每年放电事件的数量必须满足可接受的最小值，以使诊断符合每月至少发生两次放电事件的假设。
[0045]
还可以将在给定的行驶时段内每年放电事件的平均值nc_avg考虑作为用于选择目标车辆的过滤条件。
[0046]
还可以将在给定的行驶时段内的最小累积使用时间考虑作为用于选择目标车辆的过滤条件。
[0047]
在选择了一个或多个目标车辆之后，在给定的行驶时段内针对每个目标车辆标识表现出基本上相同的标称行驶距离的电池放电事件。参考图3，图示了根据时间的每次放电事件所覆盖的行驶距离监测目标车辆的示例，可以观察到，目标车辆通常的行程约为40km。如下文将解释的，使用该标称行驶距离(其代表目标车辆进行的常规行程)上电池荷电状态的变化，可以计算目标车辆的电池的sohe。
[0048]
该标称距离d
nom
首先用于选择对应于该标称行驶距离的目标车辆的放电事件，因此所选择的每个放电事件定义了在给定的行驶时段内所考虑的目标车辆的常规目标行程。为此，选择放电事件，其行驶距离d对应于具有一定公差δd的标称距离d
nom
：
[0049]dnom-δd《d《d
nom
+δd
[0050]
此外，使用附加的选择条件选择这些常规目标行程。在这种情况下，选择对应于常规目标行程的放电事件，那些放电事件后是比电池的给定目标弛豫时间更长的休息时段。
[0051]
然后，只要在目标行程的开始和结束时刻的电池荷电状态可以对应于电池的弛豫状态，该选择条件就是特别有利的。在这种情况下，荷电状态soc可以基于开路中电池两端的电压(开路电压，或ocv)和soc-ocv特性(soc＝f(ocv))直接计算。
[0052]
具体地，在大多数电池技术中，电池的充电和/或放电时段被弛豫时段隔开，在弛豫时段期间，没有电流流过电池。在一定的弛豫时间结束时，电池达到平衡状态。然后可以测量电池的空载电压，它对应于平衡时的电动势。现在，对于每种类型的电池，平衡时的每个电动势都对应于精确的荷电状态。达到平衡状态所需的弛豫时间取决于电极的极化程度。根据电池的类型，达到平衡状态需要几分钟到几小时的弛豫时间。
[0053]
例如，选择其后有超过2h的休息时段的放电事件。
[0054]
因此，在弛豫期间测量平衡时的电动势使得可以基于特性soc＝f(ocv)严格调整对荷电状态的估计。
[0055]
除了标称距离和休息时间条件外，在选择目标车辆的放电事件时，还可以考虑放电事件开始时的最小荷电状态阈值soc
init,min
。换言之，选择在放电事件开始时电池的荷电状态soc
init
高于预定义的最小荷电状态阈值的放电事件，或者：
[0056]
soc
init
＞soc
init，min
[0057]
以相同的方式，还可以考虑放电事件过程中的最小荷电状态变化阈值δsoc
min
。换言之，选择在放电事件过程中电池的荷电状态的变化高于预定义的最小荷电状态变化阈值的放电事件，或者：
[0058]
|δsoc|＞δsoc
min
[0059]
通过这种方式，由目标车辆过滤数据的好处是可以在相同，或者不然的话，在类似条件下根据荷电状态的变化估计sohe。因此，本发明的方法依赖于通过所做的选择掌握对计算sohe有益的数据。
[0060]
因此，一旦目标车辆对数据进行了过滤，使得可以选择常规目标行程或比电池的给定目标弛豫时间更长的休息时段之前的放电事件，就确定了控制值δsoc
bol
，该控制值代
表了初始时刻目标行程中电池荷电状态的变化：
[0061]
δsoc
bol
＝soc
开始-soc
结束
[0062]
其中，soc
开始
和soc
结束
分别代表电池开始使用时，目标行程开始时和目标行程结束时电池的荷电状态。该电池开始使用对应于电池寿命开始(bol)。
[0063]
应注意，在电池寿命开始时对电池健康状态的控制值进行校准的时间段，例如，该时间段可能约为一年，并根据电池的化学成分进行校准。因此，只要电池的使用年限小于电池寿命开始的预定义的使用年限(例如，根据示例，一年)，就存储在该时段期间为每个给定的常规目标行程测量的电池荷电状态的变化。
[0064]
可以将加权平均值应用于测量，以便在电池寿命开始时将参数δsoc
bol
的值设置为控制值。
[0065]
为了离线计算sohe，假设对于每个给定的常规目标行程，在恒定温度下，电池荷电状态的变化仅取决于其老化。另外，鉴于所选行程所覆盖的行驶距离在整个给定行驶时段是相同的，进行这些行程所需的荷电状态soc变化的明显差异构成了电池容量损失的指标，因此也构成了sohe劣化的指标。
[0066]
然后对根据时间获得的点云执行过滤，以建立sohe的劣化规律。
[0067]
最后，sohe由以下等式确定：
[0068][0069]
其中，δsoc
bol
表示电池寿命开始时的健康状态的控制值，对应于电池寿命开始时目标行程中电池荷电状态的变化，并且δsoc表示在所考虑的目标行程中荷电状态的变化。
[0070]
刚刚描述的实施例适用于基于选择车辆的典型使用情况计算sohe，包括总是对应于基本相同的行驶距离或相同的常规目标行程的放电事件。
[0071]
但是，可能存在这些情况，诸如将车辆出售给另一个用户、地址或工作场所的变化或用户行为的变化，这些情况涉及车辆所选目标行程或标称距离的变化。现在，根据上述原理，作为荷电状态变化的函数的电池健康状态必须在相同，或者不然的话，在类似的条件下进行估计。
[0072]
为了弥补标称距离的变化，使得可以根据荷电状态变化来估计电池的健康状态的控制值将是所覆盖的每公里荷电状态的变化。因此得出以下用于估计健康状态的公式：
[0073][0074]
其中，d
bol
对应于在电池寿命开始时的常规目标行程期间所覆盖的距离，并且d对应于所选择的放电事件的行驶距离。
[0075]
本发明的另一个实施例涉及基于选择车辆的典型使用情况来估计sohe，这一次包括当车辆连接到用于对电池进行再充电的终端时，总是对应于基本上相同的电池再充电时段的电池充电的事件。
[0076]
在这种情况下，目的是使用在充电事件期间充电的能量δe
ch
(kwh)作为电池健康状态的指标。具体地，计算在电池充电时段向电池充电的能量涉及考虑充电电流和电池的内阻。因此，在老化过程中充电能量的变化同时反映了这两种现象。在电池充电期间测量的能量的值与其在电池寿命开始(bol)时的值之间的比率使得可以估计sohe。
[0077]
首先，实施由所选择的目标车辆过滤数据的步骤以选择暂停之前的充电事件。该
过滤步骤旨在确保sohe的估计具有更大的鲁棒性。因此，再充电时段首先用作用于选择目标车辆充电事件的选择条件，其持续时间t介于预定义的最小持续时间tmin与最大持续时间tmax之间，或者：
[0078]
t
min
《t《t
max
[0079]
该实施例还涉及选择比电池的给定弛豫时间更长的休息时段(例如2h)之前的充电事件。该弛豫时间可以被校准并且取决于电池的化学成分和温度。然后，在充电事件的开始和结束时刻的电池荷电状态对应于电池的弛豫状态。在这种情况下，荷电状态soc可以根据之前阐述的原理基于开路中电池两端的电压(ocv)直接计算。
[0080]
此外，使用其他选择条件来选择充电事件。因此，可以使用充电功率来选择目标车辆的充电事件，其充电功率p
ch
对应于具有一定公差δp的标称充电功率p
ch,nom
，或者：
[0081]
p
ch,nom-δp《p
ch
《p
ch,nom
+δp
[0082]
具体地，功率是对充电期间的能量值以及温度和荷电状态的深度(换言之，充电的持续时间)具有影响的参考量之一。
[0083]
同样，在选择充电事件时可以考虑充电事件过程中的最小荷电状态变化阈值δsoc
min
。换言之，选择在充电事件过程中电池的荷电状态的变化高于预定义的最小荷电状态变化阈值的充电事件，或者：
[0084]
|δsoc|＞δsoc
min
[0085]
应注意，在电池寿命开始时对目标能量进行校准的时间段，例如，该时间段可能约为一年，并根据电池的化学成分进行校准。
[0086]
可以通过几种不同的方式测量充电的能量：要么由bms通过电流和电压的乘积进行积分在线获得，要么通过测量在不同充电时刻的瞬时功率在线获得，该信息在离线状态下提供。
[0087]
在该校准时段结束时，将电池寿命开始时的比率的值设置为代表该给定初始时刻电池的健康状态的控制值，其中，δe
ch，bol
对应于在电池寿命开始时选择的充电事件期间充电的能量，δsoc
bol
表示该充电事件期间电池荷电状态的变化。
[0088]
最后，sohe由以下等式确定：
[0089][0090]
其中，表示在所考虑的充电事件中充电的能量与荷电状态变化的比率。