一种基于自循环校正的锂电池SOH估算系统及方法技术方案

本发明专利技术涉及电池管理技术领域，其公开了一种基于自循环校正的锂电池SOH估算系统及方法，通过对SOH估算值的自循环校正，在确保预测结果收敛的前提下，提高锂电池SOH估算的精确度，提升电池管理系统的可靠性。该系统包括：数据采集模块，用于采集锂电池系统的运行数据；SOH估算模块，用于利用锂电池系统的运行数据进行SOH估算；自循环校正模块，用于通过自循环充放电数据分析，对比SOH估算值与预先获取的同批次电池循环充放电实验数据之间的误差，对电池SOH进行校正。

SOH estimation system and method of lithium battery based on self cycle correction

【技术实现步骤摘要】
一种基于自循环校正的锂电池SOH估算系统及方法
本专利技术涉及电池管理
，具体涉及一种基于自循环校正的锂电池SOH估算系统及方法。
技术介绍
近年来，随着能源问题与环境污染问题日益严峻，节能减排、寻找替代燃料成为各国越来越关注的问题。新能源技术因其节能、环保、循环利用的特点，正在能源工业、汽车工业当中发挥越来越重要的作用。锂离子电池作为重要的储能设备，自20世纪70年代出现以来，以其能量密度大、自放电率低、稳定性强的特点，一直是新能源技术研究的重点内容。电池健康状态(SOH)是电池当前荷电容量和标称容量的比值，表征电池活性电化学物质，是衡量电池性能的一个重要标准。现有的SOH测量主要以完全充放电法为主，其特点是虽然测量结果较为准确，但完全充放电一方面需要较长的等待时间，不适用于实际的应用场景，另一方面是完全充放电对电池本身也有一定的损伤。现有技术中也有针对电池进行建模，再针对模型进行SOH预测的方案，如CN201510532492.3所提出的《基于大数据自学习机制的动力电池的SOC/SOH预测方法》就采用建模的方式，再进行SOH预测，但电池建模一方面时间成本较高，实用性不强，同时其采用的预测算法不能保证数据的收敛性，可能会导致预测结果发散。
技术实现思路
本专利技术所要解决的技术问题是：提出一种基于自循环校正的锂电池SOH估算系统及方法，通过对SOH估算值的自循环校正，在确保预测结果收敛的前提下，提高锂电池SOH估算的精确度，提升电池管理系统的可靠性。本专利技术解决上述技术问题采用的技术方案是：一种基于自循环校正的锂电池SOH估算系统，包括：数据采集模块，用于采集锂电池系统的运行数据；SOH估算模块，用于利用锂电池系统的运行数据进行SOH估算；自循环校正模块，用于通过自循环充放电数据分析，对比SOH估算值与预先获取的同批次电池循环充放电实验数据之间的误差，对电池SOH进行校正。此外，基于上述系统，本专利技术还提出了对应的基于自循环校正的锂电池SOH估算方法，其包括以下步骤：a.采集锂电池系统的运行数据；b.利用锂电池系统的运行数据进行SOH估算；c.通过自循环充放电数据分析，对比SOH估算值与预先获得的同批次电池循环充放电实验数据之间的误差，对电池SOH进行校正。作为进一步优化，步骤a中，所述运行数据包括电池的电流、电压、温度、运行时间和循环充放电次数数据。作为进一步优化，步骤b中，基于锂电池系统的运行数据，通过卡尔曼滤波法、内阻法或电化学阻抗法估算得到电池SOH值。作为进一步优化，步骤c中，所述预先获得同批次电池循环充放电实验数据的方法包括：首先，选取多个同样材料、同样规格、同样批次的锂电池进行循环充放电试验，记录循环次数和满充容量；然后，对记录的多个锂电池的数据按照循环次数取平均值，通过对应循环次数的满充容量的平均值除以标称容量，获得对应循环次数的SOH值，从而建立循环次数与SOH的对应关系表。作为进一步优化，步骤c中，所述对比SOH估算值与预先获得的同批次电池循环充放电实验数据之间的误差，对电池SOH进行校正具体包括：根据电池当前循环次数查询循环次数与SOH的对应关系表，获得查表SOH值，将SOH估算值与查表SOH值进行比较，若误差大于5％，以查表SOH为准对估算值进行校正。本专利技术的有益效果是：通过待校正锂电池当前自循环数据与预先获取的同批次电池的历史循环充放电实验数据之间的比对误差，对估算的SOH值进行校正，在确保预测结果收敛的前提下，提高锂电池SOH计算的精确度，提升电池管理系统的可靠性。附图说明图1为本专利技术的基于自循环校正的锂电池SOH估算系统结构框图。具体实施方式本专利技术旨在提出一种基于自循环校正的锂电池SOH估算系统及方法，通过对SOH估算值的自循环校正，在确保预测结果收敛的前提下，提高锂电池SOH估算的精确度，提升电池管理系统的可靠性。如图1所示，本专利技术中的基于自循环校正的锂电池SOH估算系统包含数据采集模块、SOH值估算模块、自循环校正模块，具体如下：(1)数据采集模块，负责采集电池运行的电流、电压、温度、运行时间、循环次数等数据，作为锂电池SOH值估算的依据。(2)SOH值估算模块，负责通过采集到的锂电池运行数据对当前锂电池的SOH值进行估算，以采用卡尔曼滤波算法进行SOH值估算为例，说明如下：①由于锂电池在使用过程中，其内阻会随着使用时长的增加而增大，虽然电池内阻的变化是一个缓慢变化的过程，但它与电池SOH值有着明显的对应关系，所以可以使用卡尔曼滤波算法计算电池内阻值，从而估算得出其SOH值。②扩展卡尔曼滤波计算标准公式为：xk+1＝Akxk+Bkuk+Wk(1)yk＝Ckxx+vk(2)其中，Ak为系统矩阵，Bk为控制输入矩阵，Wk为系统噪声，Ck为测量矩阵，vk为测量噪声，k为系统时间，xk+1为k+1时刻的系统状态，yk为k时刻系统输出。设Pk为xk对应的协方差矩阵，Kk为k时刻的卡尔曼滤波增益，则上述(1)(2)两个方程可推导为以下两组公式：1)时间更新方程组：xk+1＝Axk+Buk(3)Pk+1＝APkAT+Q(4)其中，Q为系统噪声Wk的协方差矩阵。2)测量更新方程组：xk+1＝xk+Kk(yk-xk)(6)Pk+1＝(1-Kk)Pk(7)其中，R为测量噪声vk的协方差矩阵。③根据②中的时间更新方程组及测量更新方程组，将系统测量电流、电压及时间带入公式(3)至公式(7)，即可迭代求得电池荷电状态(SOC)值。④根据锂电池二阶RC等效电路模型以及SOH的定义，建立电池内阻估算与SOH估算等效方程：R0,k+1＝R0,k+rk(9)Uk＝V(SOCk)-U1,k-R0,kIk(10)式中，Rnew为电池标称内阻，R0为电池当前内阻，rk为k时刻过程噪声，Uk为k时刻测量电压，V(SOCk)为当前SOC对应的电压值，U1,k为电压扰动。结合电池SOC的计算值即可通过上述(8)至(10)计算出电池当前SOH值。(3)自循环校正模块，根据电池自身循环与同批次电池循环试验数据，负责对卡尔曼滤波估算的SOH值进行校正：①选取多个同样材料、同样规格、同样批次的锂电池进行循环试验，记录循环次数、满充容量。②对记录的数据按照循环次数取平均值并制表，进而可得循环次数与SOH的对应关系，如取八个电池做循环试验，由循环记录可以得出锂电池第一次循环后满充容量的平均值，满充容量除以标称容量，即为当前循环次数内的SOH值，以此类推，可以得到每一次循环后的容量平均值表以及循环次数与SOH对应关系表。③SOH估算模块计算完成后，根据电池循环次数查表，将估算SOH值减去查表SOH值，若二者误差大于5％，即以查表SOH本文档来自技高网...

【技术保护点】
1.一种基于自循环校正的锂电池SOH估算系统，其特征在于，包括：/n数据采集模块，用于采集锂电池系统的运行数据；/nSOH估算模块，用于利用锂电池系统的运行数据进行SOH估算；/n自循环校正模块，用于通过自循环充放电数据分析，对比SOH估算值与预先获取的同批次电池循环充放电实验数据之间的误差，对电池SOH进行校正。/n

【技术特征摘要】
1.一种基于自循环校正的锂电池SOH估算系统，其特征在于，包括：
数据采集模块，用于采集锂电池系统的运行数据；
SOH估算模块，用于利用锂电池系统的运行数据进行SOH估算；
自循环校正模块，用于通过自循环充放电数据分析，对比SOH估算值与预先获取的同批次电池循环充放电实验数据之间的误差，对电池SOH进行校正。


2.一种基于自循环校正的锂电池SOH估算方法，其特征在于，包括以下步骤：
a.采集锂电池系统的运行数据；
b.利用锂电池系统的运行数据进行SOH估算；
c.通过自循环充放电数据分析，对比SOH估算值与预先获得的同批次电池循环充放电实验数据之间的误差，对电池SOH进行校正。


3.如权利要求2所述的一种基于自循环校正的锂电池SOH估算方法，其特征在于，
步骤a中，所述运行数据包括电池的电流、电压、温度、运行时间和循环充放电次数。


4.如权利要求2所述的一种基于自循环校正的锂电池SOH估算方法，其特征在于，

【专利技术属性】
技术研发人员：孟令锋，周迅，黄勇，廖红，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51