【技术实现步骤摘要】
本专利技术涉及电动汽车，具体涉及一种基于随机充电信息在线估计电池组容量及健康状态的方法。
技术介绍
1、在重型商用车领域，盈利能力是客户关注的重中之重，其核心在于为客户创造更大价值。那么如何持续提升重卡的盈利能力，客户的关注点就在于降低车辆的tco（toalcost of ownership总拥有成本）。重卡的tco主要由固定成本（保险、司机人工费）、变动成本（油耗、维保、轮胎）和折旧三部分组成。重卡在新能源趋势下，电动重卡所用电能环保、稳定、便宜，相较传统重卡，在燃油成本方面更具优势；此外保养周期长、保养项目少，保养成本也将更低。为解决新能源时代重卡的tco高敏感度的困境，电池的使用寿命逐渐成为关键。
2、老化会影响电池的能量和功率输出能力，进而影响车辆的经济性和动力性。如何对动力电池进行寿命管理和资产评估已成为电动汽车行业的关键问题。为更好地检测和评估电池在电动重卡应用后的性能，寻找一种有效的电池组寿命估算方案至关重要。
3、现有技术中电池寿命的估算方法有两种，包括容量估算和内阻估算。内阻估算可通过电化学阻抗谱（eis）测量，但因记录频率较低，难以应用于实时控制；而通过直接电压响应计算、基于电池模型、神经网络模型等方法计算存在精度与速度难以兼得的问题，且内阻受温度、soc影响复杂。车载应用多以容量作为电池健康状态（soh）评估的指标，然而基于普通安时积分或经验模型，因受限与荷电状态（soc）估计精度以及开环处理的原因，一般精度降低。
4、因此，迫切的需要设计一种基于随机充电信息在线估计电池
技术实现思路
1、针对现有技术中存在的问题，本专利技术的目的在于提供一种基于随机充电数据片段，利用卡尔曼滤波和模糊控制结合的优化算法精确修正容量的方法，可用于开发al自适应调参算法，便捷应用于不同车型的电池的健康状态评价和寿命预测。
2、本专利技术解决其技术问题所采用的技术方案是：基于随机充电信息在线估计电池组容量及健康状态的方法，包括以下步骤：
3、s1、电池组容量初步估算：选取充电段利用安时积分估算模型；
4、s2、基于温度的电池容量校正：温度数据的修正则基于模糊卡尔曼滤波的优化算法处理；
5、s3、电池健康状态估算和预测：基于电池组容量衰减建立阿伦尼乌斯模型对电池寿命进行预测。
6、优选的是，所述步骤s1中的电池组包括多个电芯，针对任意单电芯在充电段采用安时积分法进行估算，安时积分估算模型如下：
7、；
8、式中：cap为充电段计算的电芯容量，t1表示所选取充电段的起始时间，t2表示所选取充电段的结束时间，i(t)表示时间t时刻的电池电流，soc1和soc2分别是t1和t2时刻所对应的soc值。
9、优选的是，所述步骤s2中的电池容量校正中电池的温度特性为在低温环境下，电池的放电容量明显降低；在高温环境下，电池的放电容量明显增大；考虑到温度对电池容量估算结果的影响，根据温度数据对估算结果进行修正，使电池容量估算结果更符合动力电池的真实变化，因此将25℃设置为温度校正的标准温度，并根据温度数据校正，以获得标准容量。
10、优选的是，所述电池容量变化缓慢，因此在建立ekf状态方程时，认为i+1时刻的容量等于i时刻的容量，但卡尔曼滤波算法模型中存在系统噪声，电池容量的状态方程为：
11、；
12、式中，xi表示最佳估计电池容量，wi表示系统噪声；
13、电池容量输出方程为：
14、；
15、式中，vi表示测量噪声。
16、优选的是，所述模糊控制算法是模糊逻辑模仿人脑的不确定性概念判断和推理思维方式，实现模糊综合判断，主要包括三部分：模糊化、模糊规则算法和反模糊化；卡尔曼滤波-模糊控制算法的输入参数包括soc1，soc1和电池容量观测的相对误差这三个数值；模糊规则算法为根据所选取充电段的所处的不同位置，选择不同的权重因子；利用基于模糊卡尔曼滤波的优化算法对基于温度校正的电池容量进行优化，得到高精度的电池容量。
17、优选的是，所述步骤s3中的电池健康状态为soh，soh定义为电池现有容量和初始容量的比值，电池组的soh选定电池组内容量最小值单体为标准进行计算，那么电池组的soh通过下式计算：
18、；
19、式中，cap(i)为选定电芯的当前容量值，capinit(i)为选定电芯的初始容量值；
20、基于随机充电数据的积累获得一段时间内soh与时间n之间的数据集，基于电池组容量衰减建立阿伦尼乌斯模型：
21、；
22、式中，为n时间对应的soh；a为指前因子；ea为活化能，与温度无关，单位为；t为绝对温度，单位为k；r为气体摩尔常数，单位。
23、优选的是，所述soh(i)和分别应用于电池的健康状态评价和寿命预测。
24、本专利技术具有以下有益效果：
25、本专利技术设计的基于随机充电信息在线估计电池组容量及健康状态的方法结合模糊控制的卡尔曼算法，有效解决传统卡尔曼滤波算法实时量测噪声估算不准的缺点，改善传统卡尔曼滤波算法中测量噪声随工况变化对估算结果的影响，同时还可对量测噪声进行实时修正。
26、本专利技术设计的基于随机充电信息在线估计电池组容量及健康状态的方法结合卡尔曼滤波和模糊控制算法优化，应用于温度数据在线修正，获得较优的在线容量估计。
27、本专利技术设计的基于随机充电信息在线估计电池组容量及健康状态的方法基于温度优化修正的电池容量衰减数据，利用本专利技术的方法开发适用不同新能源重卡车型al自适应调参算法，应用于电池的健康状态评价和寿命预测。
本文档来自技高网...【技术保护点】
1.基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，所述S1中的电池组包括多个电芯，针对任意单电芯在充电段采用安时积分法进行估算，安时积分估算模型如下：
3.根据权利要求1所述的基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，所述S2中的电池容量校正中电池的温度特性为在低温环境下，电池的放电容量降低；在高温环境下，电池的放电容量增大；根据温度数据对估算结果进行修正，使电池容量估算结果符合动力电池的真实变化，将25℃设置为温度校正的标准温度，并根据温度数据校正，以获得标准容量。
4.根据权利要求3所述的基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，所述电池容量的状态方程，在建立EKF状态方程时，i+1时刻的容量等于i时刻的容量，基于卡尔曼滤波算法模型中存在系统噪声，电池容量的状态方程为：
5.根据权利要求2所述的基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，所述S2
6.根据权利要求1所述的基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，所述S3中的电池健康状态为SOH，SOH定义为电池现有容量和初始容量的比值，电池组的SOH选定电池组内容量最小值单体为标准进行计算，那么电池组的SOH通过下式计算：
7.根据权利要求6所述的基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，所述SOH(i)和分别应用于电池的健康状态评价和寿命预测。
...【技术特征摘要】
1.基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，所述s1中的电池组包括多个电芯，针对任意单电芯在充电段采用安时积分法进行估算，安时积分估算模型如下：
3.根据权利要求1所述的基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，所述s2中的电池容量校正中电池的温度特性为在低温环境下，电池的放电容量降低；在高温环境下，电池的放电容量增大；根据温度数据对估算结果进行修正，使电池容量估算结果符合动力电池的真实变化，将25℃设置为温度校正的标准温度，并根据温度数据校正，以获得标准容量。
4.根据权利要求3所述的基于随机充电信息在线估计电池组容量及健康状态的方法，其特征在于，所述电池容量的状态方程，在建立ekf状态方程时，i+1时刻的容量等于i时刻的容量，基于卡尔曼滤波算法模型中存在系统噪声，电池容量的状态方程为：
5.根据权利要求2所述的...
【专利技术属性】
技术研发人员：杨志刚，赵政，王凯，刘刚，刘雅丹，
申请(专利权)人：陕西重型汽车有限公司，
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。