一种锂离子电池健康状态预测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种锂离子电池健康状态预测方法及装置。本发明专利技术实施例通过对具有不同样本个数的时间序列进行相似性指标计算，建立相似性指标与可用容量的SOH预测模型从而实现了对锂离子电池健康状态的预测。具体地，本发明专利技术实施例还通过对最优规整窗口参数进行选取，保证了最大限度地挖掘相似性指标与健康状态的相关性，并以非参数化的高斯回归模型为基础，建立相似性指标与可用容量的定量关系模型，可给出锂离子电池SOH预测的均值和置信度。

Health state prediction method and device for lithium ion battery

The embodiment of the invention discloses a method and a device for predicting the health status of a lithium ion battery. The embodiment of the invention through time series with different numbers of sample similarity index calculation, establish so as to realize the prediction of lithium ion battery health is similar to that of the SOH prediction model parameters and available capacity. Specifically, the embodiment of the invention also based on optimal regular window parameters were chosen to ensure maximize the similarity index and correlation between health status, and to Gauss non parametric regression model as the basis, establish the relationship model of quantitative similarity index and the average available capacity, can give the SOH lithium ion battery prediction and confidence.

【技术实现步骤摘要】
一种锂离子电池健康状态预测方法及装置
本专利技术涉及锂离子电池领域，尤其涉及一种锂离子电池健康状态预测方法及装置。
技术介绍
具有能量密度大、输出功率高、充放电寿命长等优点的锂离子电池，在电动汽车和大规模储能等领域的应用越来越广泛。开发可靠的电池管理系统(BatteryManagementSystem，BMS)，是确保锂电池高效、安全、长寿命运行的关键。健康状态(StateofHealth，SOH)预测作为BMS的核心功能之一，是荷电状态(StateofCharge，SOC)估计、一致性评测、均衡控制、充放电控制、安全监控的基础。电池SOH常定义为实际可用容量与额定容量之比，是衡量老化程度的一个重要指标。随着电池的不断运行，电池实际可用容量会逐渐降低，但其衰减规律极为复杂，与电流、温度等运行工况相关，精确预测电池健康状态，对合理实现电池运行维护至关重要。电池SOH预测可分为短期预测与长期预测，前者通常是SOH的单步预测，即预测下次充放电循环的可用容量，是精确实施SOC估计的基础；后者则预测电池整个生命周期的SOH变化规律，是获得电池剩余可用寿命的基础。从SOC估计的定义式可知，SOC估计需要用到当前可用容量信息；反之，若能精确估计SOC，则可以用于当前可用容量的估计。若知道任意两个时间点的精确SOC，并根据电流积分，则可计算出当前的可用容量。但是，因为SOC的精度依赖于可用容量值，并存在电流检测误差，直接用此公式计算，难以获得精确的可用容量值。因此，对SOC和SOH实施不同尺度下的联合估计，是一种较为合理的策略，但是计算较为耗时，且仅能推算当前可用容量；若需要对SOH实施长期预测，仍需要结合预测模型予以确定，以获得可用剩余寿命。现有SOH预测方法可大致分为三类：(1)通过从充放电曲线中提取健康特征参数，建立其与SOH的定量模型，进而实施预测；(2)直接从电池SOH时间序列数据出发，建立时间序列预测模型；(3)与SOC估计进行联合，通过建立电池模型，采用卡尔曼滤波类方法进行SOH预测。前两类方法通常可以同时实现SOH的短期和长期预测，而第三类方法往往仅关注SOH的短期预测，特别的是一步预测。第二类方法需要以每次充放电循环的可用容量值为基础，实际操作中往往难以精确获得。第三类方法一般需要建立电池模型，代价较高，且计算相对耗时。对第一类SOH预测方法，现有技术的健康特征提取方法，通常要求每条充电或放电曲线的数据点个数一致，即具有相同的维度，电池实际操作常常是局部充放电，通常难以满足相同的曲线点数，导致现有技术的实用性和适用性往往较差。另一方面，第一类方法，现有技术常采用经验方法从充放电曲线中提取若干特征，缺乏一种系统的解决方案，适应性较差。因此，针对第一类SOH预测方法对局部充放电过程适用性差的缺陷，本专利技术提出了一种锂离子电池健康状态预测方法及装置。
技术实现思路
本专利技术实施例提供了一种锂离子电池健康状态预测方法及装置，通过对具有不同样本个数的时间序列进行相似性指标计算，建立相似性指标与可用容量的SOH预测模型从而实现了对锂离子电池健康状态的预测。本专利技术实施例提供了一种锂离子电池健康状态预测方法，包括：S1：对锂离子电池进行离线SOH数据测试操作，得到所述锂离子电池进行多次充放电循环后的恒流充电阶段电压曲线与充放电循环的可用容量；S2：建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型；S3：对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标；S4：根据所述相似性指标与所述充放电循环的可用容量建立SOH预测模型；S5：将所述SOH预测模型加载进预置电池管理系统中，使得所述电池管理系统能对电池健康状态进行基于动态时间规整的预测操作。优选地，所述建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型具体包括：以第一次充放电循环的恒流充电阶段电压曲线为基准测试曲线，并建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型。优选地，所述对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标具体包括：在预置单调性约束、预置连续性约束、预置边界条件约束和预置规整窗口约束下通过动态规则方法对所述相似性指标计算模型进行求解，得到在不同规整窗口值条件下的所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标。优选地，所述根据所述相似性指标与所述充放电循环的可用容量建立SOH预测模型具体包括：在不同规整窗口值下建立所述相似性指标与所述充放电循环的可用容量之间的高斯回归模型，以所述高斯回归模型精度最小为指标，通过最大似然估计法和共轭梯度法对所述高斯回归模型进行求解得到最优规整窗口值，并以根据所述最优规整窗口值建立的高斯回归模型作为SOH预测模型。优选地，所述将所述SOH预测模型并入预置电池管理系统，使得所述电池管理系统能对电池健康状态进行动态预测操作具体包括：T1：电池管理系统实时记录锂离子电池恒流充电阶段的电压值，得到锂离子进行充放电循环后的实时恒流充电阶段电压曲线；T2：电池管理系统根据所述最优规整窗口值并通过动态规则方法对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与所述基准电压曲线的相似性指标；T3：电池管理系统将所述恒流充电阶段电压曲线与所述基准电压曲线的相似性指标导入所述SOH预测模型，得到锂离子电池的当前可用容量均值和锂离子电池的置信度；T4：电池管理系统循环执行T1至T3，使得所述电池管理系统能对电池健康状态进行基于动态时间规整的预测操作。优选地，所述恒流充电阶段电压曲线为：式中，P为循环测试次数，np为恒流充电数据点个数，第p次充放电循环的可用容量记为Cp，p＝1，…，P。优选地，所述相似性指标计算模型为：式中，D(s(p),s(1))为s(p)与s(1)之间的相似性指标，qt＝(it，jt)，d(qt)为和间的欧拉距离，wt为权重系数。优选地，所述预置单调性约束为：it-1≤it，jt-1≤jt；所述预置连续性约束为：it-it-1≤1，jt-jt-1≤1；所述预置边界条件约束为：i1＝1,iT＝np，j1＝1,jT＝n1；所述预置规整窗口约束为：|it-jt|≤r式中，r为规整窗口值。优选地，本专利技术实施例还提供了一种锂离子电池健康状态预测装置，其特征在于，包括：测试单元，用于对锂离子电池进行离线SOH数据测试操作，得到所述锂离子电池进行多次充放电循环后的恒流充电阶段电压曲线与充放电循环的可用容量；第一建立单元，用于建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型；求解单元，用于对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标；第二建立单元，用于根据所述相似性指标与所述充放电循环的可用容量建立SOH预测模型；加载单元，用于将所述SOH预测模型加载进预置电池管理系统中，使得所述电池管理系统能对电池健康状态进行基于动态时间规整的预测操作；优选地，所述加载单元包括：记录子单元，用于电池管理系统实时记录锂离子电池恒流充电阶段的电压值，得到锂离子进行充放电循环后的实时恒流充电阶段电压曲线；求解子单元，用于电池管理系统根本文档来自技高网...

【技术保护点】
一种锂离子电池健康状态预测方法，其特征在于，包括：S1：对锂离子电池进行离线SOH数据测试操作，得到所述锂离子电池进行多次充放电循环后的恒流充电阶段电压曲线与充放电循环的可用容量；S2：建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型；S3：对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标；S4：根据所述相似性指标与所述充放电循环的可用容量建立SOH预测模型；S5：将所述SOH预测模型加载进预置电池管理系统中，使得所述电池管理系统能对电池健康状态进行基于动态时间规整的预测操作。

【技术特征摘要】
1.一种锂离子电池健康状态预测方法，其特征在于，包括：S1：对锂离子电池进行离线SOH数据测试操作，得到所述锂离子电池进行多次充放电循环后的恒流充电阶段电压曲线与充放电循环的可用容量；S2：建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型；S3：对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标；S4：根据所述相似性指标与所述充放电循环的可用容量建立SOH预测模型；S5：将所述SOH预测模型加载进预置电池管理系统中，使得所述电池管理系统能对电池健康状态进行基于动态时间规整的预测操作。2.根据权利要求1所述的锂离子电池健康状态预测方法，其特征在于，所述建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型具体包括：以第一次充放电循环的恒流充电阶段电压曲线为基准测试曲线，并建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型。3.根据权利要求2所述的锂离子电池健康状态预测方法，其特征在于，所述对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标具体包括：在预置单调性约束、预置连续性约束、预置边界条件约束和预置规整窗口约束下通过动态规则方法对所述相似性指标计算模型进行求解，得到在不同规整窗口值条件下的所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标。4.根据权利要求3所述的锂离子电池健康状态预测方法，其特征在于，所述根据所述相似性指标与所述充放电循环的可用容量建立SOH预测模型具体包括：在不同规整窗口值下建立所述相似性指标与所述充放电循环的可用容量之间的高斯回归模型，以所述高斯回归模型精度最小为指标，通过最大似然估计法和共轭梯度法对所述高斯回归模型进行求解得到最优规整窗口值，并以根据所述最优规整窗口值建立的高斯回归模型作为SOH预测模型。5.根据权利要求4所述的锂离子电池健康状态预测方法，其特征在于，所述将所述SOH预测模型加载进预置电池管理系统中，使得所述电池管理系统能对电池健康状态进行基于动态时间规整的预测操作具体包括：T1：电池管理系统实时记录锂离子电池恒流充电阶段的电压值，得到锂离子进行充放电循环后的实时恒流充电阶段电压曲线；T2：电池管理系统根据所述最优规整窗口值并通过动态规则方法对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与所述基准电压曲线的相似性指标；T3：电池管理系统将所述恒流充电阶段电压曲线与所述基准电压曲线的相似性指标导入所述SOH预测模型，得到锂离...

【专利技术属性】
技术研发人员：钟国彬，贺益君，苏伟，
申请(专利权)人：广东电网有限责任公司电力科学研究院，上海交通大学，
类型：发明
国别省市：广东,44