【技术实现步骤摘要】
本专利技术属于电池健康状态监测，特别涉及该领域中的一种锂电池电芯级健康状态在线监测方法。
技术介绍
1、随着电力储能和电动汽车的大量普及，电池的安全问题日益突出。而健康状态是对电池健康寿命状况的体现，是电池的电量、能量及充放电功率等状态的体现，对健康状态精准评估可充分了解电池当前的状态，便于后续更正各项参数指标，降低或避免危险系数，或者对性能不能满足使用要求的单体电池进行维护替换，降低使用成本，增强系统安全性，提高系统运行效率，延长系统使用寿命。
2、目前现有的在线估算健康状态技术一般基于固定阈值或深度学习等方式，其中，由于基于机器学习、深度学习的方法在投入使用前需要历史数据建模，而基于固定阈值的方法则需要严格设定阈值，通常需要阈值区间连续且无重叠，忽略了电池采样数据和真实数据之间存在的随采样间隔增大而增大的误差，因此，现有的在线估算健康状态的方法存在运算量大、计算过程复杂以及计算误差较大等问题，导致在线估算健康状态的效率和准确度都较低。
技术实现思路
1、本专利技术所要解决的技术问题就是提供一种锂电池电芯级健康状态在线监测方法。
2、本专利技术采用如下技术方案：
3、一种锂电池电芯级健康状态在线监测方法，其改进之处在于，包括如下步骤：
4、步骤1，对锂电池或锂电池系统进行充电和放电，期间采集并存储锂电池或锂电池系统每一节电芯的电压、电流、温度、soc、荷电容量、soe和荷电能量；
5、步骤2，以电芯电压为纵坐标，以电芯s
6、步骤3，从充电曲线和放电曲线中取一段作为数据计算区间，在该数据计算区间内，以充电电压与放电电压之差、充电电压与电压上限之差、充电电压与电压下限之差、放电电压与电压上限之差、放电电压与电压下限之差为纵坐标，以soc、soe、荷电容量、荷电能量为横坐标，通过横坐标与纵坐标的任意组合形成新的数据计算区间，得到数据集合xoriginal；
7、步骤4，计算纵坐标对横坐标的积分：
8、
9、上式中，a是数据计算区间的开始端，b是数据计算区间的结束端；
10、步骤5，计算电芯健康状态soh％：
11、soh％＝f(datacheck)
12、上式中，f是datacheck与标准电芯健康状态soh％的对应关系函数或表格。
13、进一步的，在步骤1中，结合1-rc等效电路模型，2-rc等效电路模型，3-rc等效电路模型，倍率还原或温度还原方法，将电芯在充、放电过程中的实际电压，还原到标准倍率和标准温度下的电压，得到数据集合xmedium。
14、进一步的，在步骤1中，每次充电和放电的时间在0.5小时以上。
15、进一步的，采用回归滤波分析算法或低通滤波算法对数据集合xoriginal或者xmedium进行处理，得到数据集合xprocess。
16、进一步的，对数据集合进行比较，获得相差数据集合residual：
17、residualx1＝f(xprocess,xoriginal)
18、residualx2＝f(xprocess,xmedium)
19、上式中，函数f()为比较函数；
20、soh-r＝f(residualx1)或f(residualx2)
21、上式中，soh-r为电池或电芯的运行安全风险，为与soh-r对应的关系函数或表格。
22、进一步的，回归滤波分析算法包括lowess局部加权回归，savitzky-golay平滑滤波和anti-aliasing低通算法。
23、进一步的，比较函数为最小均方差或简单差值。
24、进一步的，soh-r分为两级以上。
25、本专利技术的有益效果是：
26、本专利技术所公开的方法，采用回归滤波分析算法或低通滤波算法，参照积分与标准电芯健康状态soh％的对应关系，确定电池的健康状态，在部署方便，计算过程简单的同时还可以在线使用，消除了由于采样间隔导致的误差，可对电池健康状态进行更准确的评估，提高了对电池健康状态预测的效率和准确性。
27、本专利技术所公开的方法，适用于锂电池储能系统在运行过程中在线检测每个电芯，以便提前检测及预知潜在的安全风险，在发现潜在的安全风险之后，提前采取降额、切出、更换等措施，消除潜在的安全风险，避免安全事故的发生。
本文档来自技高网...【技术保护点】
1.一种锂电池电芯级健康状态在线监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述锂电池电芯级健康状态在线监测方法，其特征在于：在步骤1中，结合1-RC等效电路模型，2-RC等效电路模型，3-RC等效电路模型，倍率还原或温度还原方法，将电芯在充、放电过程中的实际电压，还原到标准倍率和标准温度下的电压，得到数据集合Xmedium。
3.根据权利要求1所述锂电池电芯级健康状态在线监测方法，其特征在于：在步骤1中，每次充电和放电的时间在0.5小时以上。
4.根据权利要求2所述锂电池电芯级健康状态在线监测方法，其特征在于：采用回归滤波分析算法或低通滤波算法对数据集合Xoriginal或者Xmedium进行处理，得到数据集合Xprocess。
5.根据权利要求4所述锂电池电芯级健康状态在线监测方法，其特征在于：对数据集合进行比较，获得相差数据集合Residual：
6.根据权利要求4所述锂电池电芯级健康状态在线监测方法，其特征在于：回归滤波分析算法包括LOWESS局部加权回归，Savitzky-Golay平滑滤波和Ant
7.根据权利要求5所述锂电池电芯级健康状态在线监测方法，其特征在于：比较函数为最小均方差或简单差值。
8.根据权利要求5所述锂电池电芯级健康状态在线监测方法，其特征在于：SOH-R分为两级以上。
...【技术特征摘要】
1.一种锂电池电芯级健康状态在线监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述锂电池电芯级健康状态在线监测方法，其特征在于：在步骤1中，结合1-rc等效电路模型，2-rc等效电路模型，3-rc等效电路模型，倍率还原或温度还原方法，将电芯在充、放电过程中的实际电压，还原到标准倍率和标准温度下的电压，得到数据集合xmedium。
3.根据权利要求1所述锂电池电芯级健康状态在线监测方法，其特征在于：在步骤1中，每次充电和放电的时间在0.5小时以上。
4.根据权利要求2所述锂电池电芯级健康状态在线监测方法，其特征在于：采用回归滤波分析算法或低通滤波算法对数据集合xorigi...
【专利技术属性】
技术研发人员：江博闻，江显平，王家礼，曲吉桢，秦泗德，
申请(专利权)人：埃斯倍风电科技青岛有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。