【技术实现步骤摘要】
本申请涉及电池领域，尤其涉及一种电池健康状态估计方法、电子设备及计算机可读存储介质。
技术介绍
1、随着电动汽车的发展，电池的使用寿命也越来越受关注。电池健康状态(state ofhealth，soh)，也称电池衰减系数，用于反映电池的老化程度和健康程度。soh值越大，表示电池老化程度越低、健康程度越高；soh值越小，表示电池老化程度越高、健康程度越低。但是相关的soh值估计方法，通常估计精度较低，从而影响用户对电池状态的了解。
技术实现思路
1、本申请提供一种电池健康状态估计方法、电子设备及计算机可读存储介质，解决了电池健康状态的估计精度较低的问题。
2、为达到上述目的，本申请采用如下技术方案：
3、第一方面，提供一种电池健康状态估计方法，包括：
4、获取待测的电池模组的历史工况数据；
5、根据所述历史工况数据对所述电池模组的电池参数进行参数辨识，获得辨识结果；
6、根据所述辨识结果预测所述电池模组中电池的健康状态。
7、本申请实施例中，根据电池模组的历史工况数据对电池参数进行参数辨识，相当于采用离线辨识方式，与实时辨识方式相比，离线辨识方式能够避免因递归求解导致的辨识结果稳定性不足的情况。另外，由于参数辨识是根据电池模组的历史工况数据进行的，能够较准确的拟合出电池模组的电池参数，从而有效提高电池健康状态的估计精度。
8、在第一方面的一种实现方式中，所述根据所述历史工况数据对所述电池模组的电池参数
9、获取所述电池模组的数学模型，所述数学模型根据所述电池模组的电池参数构建得到；
10、根据所述历史工况数据和所述数学模型对所述电池模组的电池参数进行参数辨识，获得辨识结果。
11、本申请实施例中，结合数学模型进行参数辨识，以辨识出电池模组的参数，再根据辨识出的电池模组的参数预测电池的健康状态。由于数学模型是根据电池模组的电池参数构建得到的，因此，数学模型能够较准确地反映出电池模组的状态，为后续的参数辨识提供了可靠的模型基础；另外，通过参数辨识的方法，能够较准确的拟合出电池模组的电池参数。结合数学模型和参数辨识方法，能够有效提高电池健康状态的估计精度。
12、在第一方面的一种实现方式中，所述根据所述历史工况数据和所述数学模型对所述电池模组的电池参数进行参数辨识，获得辨识结果，包括：
13、根据所述历史工况数据对所述数学模型进行离散化处理，得到离散化的所述数学模型；
14、根据所述历史工况数据和离散化的所述数学模型对所述电池模组的电池参数进行参数辨识，获得辨识结果。
15、实际应用中，电池模组的可观测参数的采样数据通常是离散的。本申请实施例中，将数学模型进行离散化，使得数学模型能够更准确地反映出电池模组的实际状态，利于提高电池的健康状态的估计精度。
16、在第一方面的一种实现方式中，所述根据所述历史工况数据对所述数学模型进行离散化处理，得到离散化的所述数学模型，包括：
17、获取所述历史工况数据的采样频率；
18、根据所述历史工况数据的采样频率对所述数学模型进行离散化处理，得到离散化的所述数学模型。
19、本申请实施例中，根据电池模组的采样频率对数学模型进行离散化处理，以使数学模型中的时间间隔与实际的采样频率一致。通过上述方式，使得数学模型能够更准确地反映出电池模组的实际状态，利于提高电池的健康状态的估计精度。
20、在第一方面的一种实现方式中，所述根据所述历史工况数据和离散化的所述数学模型对所述电池模组的电池参数进行参数辨识，获得辨识结果，包括：
21、根据离散化的所述数学模型建立辨识模型；
22、根据所述历史工况数据和所述辨识模型进行参数辨识，获得所述辨识结果。
23、本申请实施例中，将电池模组的数学模型转换为辨识模型，相当于将实际的问题转换为数学问题，便于后续计算。
24、在第一方面的一种实现方式中，所述根据离散化的所述数学模型建立辨识模型，包括：
25、根据离散化的所述数学模型构建目标函数；
26、获取所述数学模型中自变量的约束条件；
27、根据所述目标函数和所述约束条件建立所述辨识模型。
28、实际应用中，电池模组的电池参数不可能无限制的取值。本申请实施例中，为数学模型的自变量添加约束条件，相当于限制了电池模组中电池参数的取值范围，即在某个取值范围内对电池参数进行辨识。通过这种方式，能够快速地辨识出最优解，并且得到的最优解更符合实际情况，从而利于提高电池健康状态的估计精度。
29、在第一方面的一种实现方式中，所述自变量包括所述电池模组的初始荷电状态；
30、所述获取所述数学模型中所述自变量的约束条件，包括：
31、从所述历史工况数据中获取所述初始荷电状态的历史数据；
32、根据所述初始荷电状态的历史数据中的第一帧数据确定所述初始荷电状态的约束条件。
33、在第一方面的一种实现方式中，所述自变量包括所述电池模组的电池容量；
34、所述获取所述数学模型中所述自变量的约束条件，包括：
35、从所述历史工况数据中获取所述电池模组的历史充电数据；
36、根据所述历史充电数据估计所述电池模组的电池容量，得到所述电池容量的估计值；
37、根据所述电池容量的估计值确定所述电池容量的约束条件。
38、上述实施例中，根据自变量的历史数据设置自变量的约束条件，由于历史数据是实际工况数据，因此，根据历史数据设置的约束条件，能够更准确地反映电池模组的实际状态，从而提高辨识结果的可靠性。
39、在第一方面的一种实现方式中，所述约束条件包括线性约束和非线性约束；
40、所述根据所述目标函数和所述约束条件建立所述辨识模型，包括：
41、对所述约束条件中的非线性约束添加乘子，得到非线性约束项；
42、将所述非线性约束项添加到所述目标函数中，得到更新后的所述目标函数；
43、根据更新后的所述目标函数和所述约束条件中的线性约束建立所述辨识模型。
44、本申请实施例中，通过对非线性约束添加乘子，将非线性约束项添加到目标函数中，相当于将带有非线性约束的问题转换为无非线性约束的问题，减少了参数辨识的算法复杂度。
45、在第一方面的一种实现方式中，所述数学模型的自变量包括观测量和非观测量；所述历史工况数据包括所述非观测量的初始值、所述观测量的历史观测数据以及所述数学模型的因变量的历史观测数据；
46、所述根据所述历史工况数据和所述辨识模型进行参数辨识，获得所述辨识结果，包括：
47、将所述非观测量的初始值、所述观测量的历史观测数据以及所述因变量的历史观测数据输入所述辨识模型，本文档来自技高网...
【技术保护点】
1.一种电池健康状态估计方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述根据所述历史工况数据对所述电池模组的电池参数进行参数辨识，获得辨识结果，包括：
3.如权利要求2所述的方法，其特征在于，所述根据所述历史工况数据和所述数学模型对所述电池模组的电池参数进行参数辨识，获得辨识结果，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述历史工况数据对所述数学模型进行离散化处理，得到离散化的所述数学模型，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述历史工况数据和离散化的所述数学模型对所述电池模组的电池参数进行参数辨识，获得辨识结果，包括：
6.如权利要求5所述的方法，其特征在于，所述根据离散化的所述数学模型建立辨识模型，包括：
7.如权利要求6所述的方法，其特征在于，所述自变量包括所述电池模组的初始荷电状态；
8.如权利要求6所述的方法，其特征在于，所述自变量包括所述电池模组的电池容量；
9.如权利要求6至8任一项所述的方法，其特征在于，所述约束
10.如权利要求6至9任一项所述的方法，其特征在于，所述数学模型的自变量包括观测量和非观测量；所述历史工况数据包括所述非观测量的初始值、所述观测量的历史观测数据以及所述数学模型的因变量的历史观测数据；
11.如权利要求10所述的方法，其特征在于，所述根据所述第一数值对所述非观测量的数值进行调整，得到所述非观测量的第一调整值，包括：
12.如权利要求2至11任一项所述的方法，其特征在于，所述方法还包括：
13.如权利要求12所述的方法，其特征在于，每次更新所述电池模组的数学模型的步骤包括：
14.如权利要求13所述的方法，其特征在于，所述根据所述自变量和所述因变量构建所述数学模型，包括：
15.如权利要求14所述的方法，其特征在于，所述等效电路模型包括第一电阻、第二电阻、第一电容和电池，其中，所述第二电阻和所述第一电容并联连接得到并联电路，所述电池、所述第一内阻和所述并联电路串联连接；
16.如权利要求15所述的方法，其特征在于，所述自变量包括所述电池模组的输出电流、电池容量和初始荷电状态；
17.如权利要求16所述的方法，其特征在于，所述自变量包括所述第一电阻；所述根据所述自变量构建所述第一内阻的内阻电压的第二表达式，包括：
18.如权利要求15所述的方法，其特征在于，所述自变量包括所述电池模组的输出电流、所述第一电容和所述第二电阻；
19.如权利要求1至18任一项所述的方法，其特征在于，所述辨识结果包括所述电池模组的电池容量；
20.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至19任一项所述的电池健康状态估计方法。
21.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至19任一项所述的电池健康状态估计方法。
...【技术特征摘要】
1.一种电池健康状态估计方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述根据所述历史工况数据对所述电池模组的电池参数进行参数辨识，获得辨识结果，包括：
3.如权利要求2所述的方法，其特征在于，所述根据所述历史工况数据和所述数学模型对所述电池模组的电池参数进行参数辨识，获得辨识结果，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述历史工况数据对所述数学模型进行离散化处理，得到离散化的所述数学模型，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述历史工况数据和离散化的所述数学模型对所述电池模组的电池参数进行参数辨识，获得辨识结果，包括：
6.如权利要求5所述的方法，其特征在于，所述根据离散化的所述数学模型建立辨识模型，包括：
7.如权利要求6所述的方法，其特征在于，所述自变量包括所述电池模组的初始荷电状态；
8.如权利要求6所述的方法，其特征在于，所述自变量包括所述电池模组的电池容量；
9.如权利要求6至8任一项所述的方法，其特征在于，所述约束条件包括线性约束和非线性约束；
10.如权利要求6至9任一项所述的方法，其特征在于，所述数学模型的自变量包括观测量和非观测量；所述历史工况数据包括所述非观测量的初始值、所述观测量的历史观测数据以及所述数学模型的因变量的历史观测数据；
11.如权利要求10所述的方法，其特征在于，所述根据所述第一数值对所述非观测量的数值进行调整，得到所述非观测量的第一调整值，包括：
<...【专利技术属性】
技术研发人员：钱木，
申请(专利权)人：宁德时代未来能源上海研究院有限公司，
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。