CN106154164A - 一种电池健康状态评估方法 - Google Patents

Abstract

本发明提出一种电池健康状态评估方法，用于实时评估动力电池系统的健康状态。首先获取不同SOH值下电池历史特征参数(U、I、T、SOC)，标准化处理后得到四维检测序列，运用基于角度分布的异常点检测方法将初始检测序列分为正常集、边界集和异常集，三者均按FIFO方式实时更新。计算序列包括正常集、边界集和下一个计算点，当前一个点计算完成后，更新计算序列，进行下一个计算点的判断。准确识别出电池寿命数据集中的异常集状态，建立了寿命数据异常集状态与电池健康状态之间的关系模型。本发明只提取电池系统的电压、电流、温度和SOC，然后通过异常点检测算法准确判定异常集状态，得出异常集状态与健康状态的关系模型，为基于数据驱动的电池健康状态在线实时评估提供了一种可靠的新途径。

Description

一种电池健康状态评估方法

技术领域

本发明属于动力电池技术领域，具体涉及一种电池健康状态评估方法。

背景技术

环境污染、能源短缺及汽车需求量增加迫使汽车产业朝电动化方向发展。电池系统作为电动汽车的动力来源，其状态对整车的动力性、经济性和安全性都有重大影响。电池健康状态评估作为电池状态评估的关键任务之一，越来越受到国内外研究者的重视，一种简单高效的电池健康状态评估方法变得尤其重要。

目前，车用动力电池健康状态评估常见的方法均通过对电池内部参数估计、辨识来实现的。主要分为以下两类：一是通过对电池额定容量的估计来评估电池健康状态，另一种是通过对电池内阻的估计来评估电池健康状态。然而实际中很难得到电池的准确额定容量和内阻值，很难得到实际应用。

电池在使用过程中，其健康状态产生衰退，主要表现为额定容量衰减和内阻增加，同时其内部温度、SOC、电压和电流等也会发生不同程度的变化。

异常点检测是数据挖掘中一个重要方面，通过数据驱动方法，采用基于角度分布的异常点检测算法能很好地适应电池系统老化特征参数所表现出的维数高、参数渐变、数据量大等问题。

根据以上分析，本发明提出一种基于角度分布的异常点检测算法评估电池健康状态的方法。

发明内容

鉴于上述背景技术中存在的问题，本发明提出一种电池健康状态评估方法。以避免现有技术中额定容量和内阻评估不准确，影响参数众多等问题。

一种电池健康状态评估方法，用于实时评估动力电池系统的健康状态，其特征是，所述方法包括以下步骤：

A.采集标准工况下电池健康状态衰减过程中的电池寿命历史特征参数，对特征参数进行标准化处理；

B.将标准化处理过后的特征参数组成算法测试数据集，采用基于角度分布的异常点检测方法建立基于异常点检测的电池健康状态评估算法；

C.运用B中的电池健康状态评估算法对测试数据集进行检测分析，统计电池在不同健康状态下的特征参数集序列异常集状态；

D.建立电池健康状态与异常集状态的关系模型：SOH＝f(N_outliers)，其中，SOH为当前电池健康状态，N_outliers为当前健康状态下统计的异常点数量的平均值，f(N_outliers)为拟合的函数关系式；

E.根据电池当前拟合的f(N_outliers)值对电池的健康状态值(SOH)进行评估。

所述步骤A采集的电池历史特征参数包括电池端电压(U)、充放电电流(I)、温度(T)和荷电状态(SOC)这四个参数，标准化处理后组成四维检测序列X；

所述步骤B采用的基于角度分布的异常点检测方法描述如下：初始序列形成后，以其中任一点为顶点，求取其它任意两点与顶点之间的角度值，计算所有其他点与顶点的角度方差值VOA(p)，VOA(p)为角度分布异常因子。

即：VOA(p)＝Var[Θ_apb]＝MOA₂(p)-(MOA₁(p))²

上式中： ${\mathrm{MOA}}_1\left(p\right)=2\frac{\underset{a\≠b}{\underset{a,b\∈S\backslash \left\{p\right\},}{\mathrm{\Σ}}}{\mathrm{\Θ}}_{\mathrm{apb}}}{(n-1)(n-2)},{\mathrm{MOA}}_2\left(p\right)=2\frac{\underset{a\≠b}{\underset{a,b\∈S\backslash \left\{p\right\},}{\mathrm{\Σ}}}{{\mathrm{\Θ}}^2}_{\mathrm{apb}}}{(n-1)(n-2)}$

所述步骤C中在检测四维检测序列X中，初始检测序列形成后，将检测序列各点按方差VOA(p)大小分为正常集、边界集和异常集；

所述步骤C中初始序列检测完毕，将下一个点与正常集和边界集纳入计算序列，输出异常集，三个集合均按FIFO方式实时更新，当前一个点计算完成后，更新计算序列，进行下一个计算点的判断；

所述步骤D每隔300秒统计一次异常集中异常点的数量，然后取每种健康状态下的异常点的数量平均值N_outliers，采用多项式拟合法拟合f(N_outliers)，其最高阶数为三阶；

所述步骤A中电池健康状态SOH由新电池衰减至电池失效为止，这里的SOH定义如下式，其中，C_aged为当前电池的实际容量，C_new为新出厂电池的额定容量。

与现有技术对比，本发明的有益效果为：

l、本发明可以准确评估电池SOH，并预测电池SOH。

2、本发明采用数据驱动方法，可以在线得到电池SOH。

3、本发明只需采集电池电流、电压、温度和SOC四个参量。

4、本发明适用于大多数类别的电池。

附图说明

图1是本发明步骤流程图。

图2是本发明电池健康状态评估方法流程图。

具体实施方式

下面，结合附图对本发明的具体实施方式作进一步说明。

如图l、图2所示，本发明的具体实施过程和工作原理如下：

A.采集标准工况下电池健康状态衰减过程中的电池寿命历史特征参数，对特征参数进行标准化处理；

B.将标准化处理过后的特征参数组成算法测试数据集，采用基于角度分布的异常点检测方法建立基于异常点检测的电池健康状态评估算法；

C.运用B中的电池健康状态评估算法对测试数据集进行检测分析，统计电池在不同健康状态下的特征参数集序列异常集状态；

D.建立电池健康状态与异常集状态的关系模型：SOH＝f(N_outliers)，其中，SOH为当前电池健康状态，N_outliers为当前健康状态下统计的异常点数量的平均值，f(N_outliers)为拟合的函数关系式；

E.根据电池当前拟合的f(N_outliers)值对电池的健康状态值(SOH)进行评估。

如图2所示，所述步骤A采集的电池历史特征参数包括电池端电压(U)、充放电电流(I)、温度(T)和荷电状态(SOC)这四个参数，标准化处理后组成四维检测序列X；

如图2所示，所述步骤B采用的基于角度分布的异常点检测方法描述如下：初始序列形成后，以其中任一点为顶点，求取其它任意两点与顶点之间的角度值，计算所有其他点与顶点的角度方差值VOA(p)，VOA(p)为角度分布异常因子。

即：VOA(p)＝Var[Θ_apb]＝MOA₂(p)-(MOA₁(p))²

上式中： ${\mathrm{MOA}}_1\left(p\right)=2\frac{\underset{a\≠b}{\underset{a,b\∈S\backslash \left\{p\right\},}{\mathrm{\Σ}}}{\mathrm{\Θ}}_{\mathrm{apb}}}{(n-1)(n-2)},{\mathrm{MOA}}_2\left(p\right)=2\frac{\underset{a\≠b}{\underset{a,b\∈S\backslash \left\{p\right\},}{\mathrm{\Σ}}}{{\mathrm{\Θ}}^2}_{\mathrm{apb}}}{(n-1)(n-2)}$

如图2所示，所述步骤C中在检测四维检测序列X中，初始检测序列形成后，将检测序列各点按方差VOA(p)大小分为正常集、边界集和异常集；

如图2所示，所述步骤C中初始序列检测完毕，将下一个点与正常集和边界集纳入计算序列，输出异常集，三个集合均按FIFO方式实时更新，当前一个点计算完成后，更新计算序列，进行下一个计算点的判断；

如图2所示，所述步骤D每隔300秒统计一次异常集中异常点的数量，然后取每种健康状态下的异常点的数量平均值N_outliers，采用多项式拟合法拟合f(N_outliers)，其最高阶数为三阶；

如图2所示，所述步骤A中电池健康状态SOH由新电池衰减至电池失效为止，这里的SOH定义如下式，其中，C_aged为当前电池的实际容量，C_new为新出厂电池的额定容量。

Claims (7)

1.一种电池健康状态评估方法，用于实时评估动力电池的健康状态(SOH)，其特征是，所述方法包括以下步骤：

A.采集标准工况下电池健康状态衰减过程中的电池寿命历史特征参数，对特征参数进行标准化处理；

B.将标准化处理过后的特征参数组成算法测试数据集，采用基于角度分布的异常点检测方法建立基于异常点检测的电池健康状态评估算法；

C.运用B中的电池健康状态评估算法对测试数据集进行检测分析，统计电池在不同健康状态下的特征参数集序列异常集状态；

D.建立电池健康状态与异常集状态的关系模型：SOH＝f(N_outliers)，其中，SOH为当前电池健康状态，N_outliers为当前健康状态下统计的异常点数量的平均值，f(N_outliers)为拟合的函数关系式；

E.根据电池当前拟合的f(N_outliers)值对电池的健康状态值(SOH)进行评估。

2.根据权利要求1所述一种电池健康状态评估方法，其特征在于：所述步骤A采集的电池历史特征参数包括电池端电压(U)、充放电电流(I)、温度(T)和荷电状态(SOC)这四个参数，标准化处理后组成四维检测序列X。

3.根据权利要求1所述一种电池健康状态评估方法，其特征在于：所述步骤B采用的基于角度分布的异常点检测方法描述如下：初始序列形成后，以其中任一点为顶点，求取其它任意两点与顶点之间的角度值，计算所有其他点与顶点的角度方差值VOA(p)，VOA(p)为角度分布异常因子。

即：VOA(p)＝Var[Θ_apb]＝MOA₂(p)-(MOA₁(p))²

上式中：

4.根据权利要求1所述一种电池健康状态评估方法，其特征在于：所述步骤C中在检测四维检测序列X中，初始检测序列形成后，将检测序列各点按方差VOA(p)大小分为正常集、边界集和异常集。

5.根据权利要求1所述一种电池健康状态评估方法，其特征在于：所述步骤C中初始序列检测完毕，将下一个点与正常集和边界集纳入计算序列，输出异常集，三个集合均按FIFO方式实时更新，当前一个点计算完成后，更新计算序列，进行下一个计算点的判断。

6.根据权利要求1所述一种电池健康状态评估方法，其特征在于：所述步骤D每隔300秒统计一次异常集中异常点的数量，然后取每种健康状态下的异常点的数量平均值N_outliers，采用多项式拟合法拟合f(N_outliers)，其最高阶数为三阶。

7.根据权利要求1所述一种电池健康状态评估方法，其特征在于：所述步骤A中电池健康状态SOH由新电池衰减至电池失效为止，这里的SOH定义如下式，其中，C_aged为当前电池的实际容量，C_new为新出厂电池的额定容量。