CN106443474A - 一种动力电池系统寿命衰退特征快速识别的方法 - Google Patents

Abstract

一种动力电池系统寿命衰退特征快速识别的方法，基于预先建立的极化内阻增长率与容量保持率关系，在电动汽车实际运行工况中完成参数辨识的电压电流数据采集，并通过车载计算机进行在线参数辨识，无需特别对电池进行满充满放或其他操作即可在线得到电池的实际容量；采用极化内阻增长率和容量保持率作为输入和输出，避免了电池之间内阻、容量不一致性对容量预测的影响。所辨识的模型内阻参数不仅可以用于容量估计，也可用于SOC估计等方面。

Description

一种动力电池系统寿命衰退特征快速识别的方法

技术领域

本发明涉及电池领域，尤其涉及车载动力电池系统的健康管理和故障检测技术。

背景技术

锂离子动力电池在电动汽车使用过程的中存在性能衰退的问题，主要包括容量损失、内阻变大、温度上升更快、自放电现象明显等表现，严重影响了整车性能以及安全性。电动汽车锂离子电池达到寿命终点的标志是其容量衰退为初始容量的80％，故对其可用容量的在线估计的研究成为锂离子电池寿命研究中的一个关键问题。电池寿命衰退特征识别不仅在预测电池剩余使用寿命方面十分重要，同时也对电动汽车安全性有着重要影响。锂离子电池在寿命衰退过程中，由于内部副反应导致锂离子减少，内部钝化膜增厚，直接导致可用容量衰减和内阻增加，如果剩余容量估计不准确，可能会导致过充过放，造成电池内部材料特性变化，甚至有可能引发电池内部短路或者爆炸；单体电池状态估计不准确，会导致电池组内单体电池性能失衡，影响电池组整体寿命。因此，能否实现对其容量的准确在线估计，做到及时更换、处理老化电池，对汽车安全性以及使用性能均有重大的意义。

通过建立电池剩余容量和衰退特征参数的关系，可以使用在线辨识电池衰退特征参数的方式进行电池剩余容量估计，识别电池寿命衰退行为。然而，现有的动力电池寿命评估方法很难实现在线估计电池容量，而且动力电池系统寿命试验的时间和物质成本巨大、结果离散度大，参考和指导价值有限，如何在线取动力电池的寿命特性成为实现电动车辆系统的精细化设计和成本控制指标优化的关键。

发明内容

本发明的目的在于克服现有电池容量估计方法的不足，提出了一种动力电池系统寿命衰退特征快速识别的方法，其基于电池等效电路模型参数辨识实现动力电池系统的容量估计。方法具体包括以下步骤：

1).建立电池容量保持率和极化内阻增长率的关系。其中，容量保持率是指某一老化状态下电池剩余容量与初始容量的比值，极化内阻增长率是指某一老化状态内阻与其初始值的比值；

2).进行实车数据采集，对采集到的数据进行在线参数辨识，获得电池极化内阻值；

3).通过步骤1)中建立的容量保持率和极化内阻增长率的关系预测电池剩余容量。

优选的，所述步骤1)中建立电池的容量保持率和极化内阻增长率关系包括如下步骤：

(1-1).选取若干新电池进行电池特性测试；

(1-2).在不同温度下重复(1-1)中的电池特性测试；

(1-3).对所述新电池进行老化循环测试，在老化过程中，每隔一定循环次数重复步骤(1-1)和(1-2)步骤，得到电池容量保持率-循环数变化轨迹；

(1-4).对不同老化状态下电池特性测试中DST工况数据，进行极化内阻参数辨识，得到极化内阻增长率-循环数变化轨迹，进而拟合容量保持率和极化内阻增长率的关系。优选的，所述电池特性测试包括，进行容量测试，DST(动态应力测试工况)、HPPC(混合脉冲功率特性测试)、OCV(开路电压测试)、EIS(电化学阻抗谱测试)等。

优选的，所述步骤(1-4)中参数辨识采用2阶RC模型，该模型由表征电荷转移过程的极化电阻R_ct和表征电池内部固体电解质膜的极化内阻R_SEI分别与两个等效极化电容C_d1和C_d2相并联后与等效欧姆内阻R_i以及电压源OCV串联组成，模型中i_L代表电流，U_t代表电池端电压，所述参数辨识方法采用具有遗忘因子的最小二乘法。通过辨识得到电池SOC约为40％～60％范围内的数量级较小的极化内阻R_SEI平均值。通过分别定义某一次循环数下极化内阻R_SEI的增长率为输入量，以电池容量保持率作为因变量，使用指数函数拟合二者关系。

所述2阶RC模型根据基尔霍夫定律以及拉氏变换建立，其数学表达为：

模型的传递函数为：

为了简化计算，定义：

E_L(s)＝U_t(s)-OCV(s) (3)

就可以得到：

由于采样获得的电压电流为离散数据，因此需要采用双线性变换将传递函数G(s)变换到离散时域中：

其中a₁-a₅是由模型参数组成的系数。继续通过假设开路电压变化缓慢，近似地认为相近几个采样点的开路电压值不变，可以得到离散时域下端电压的递推公式：

U_t,k＝(1-a₁-a₂)OCV_k+a₁U_t,k-1+a₂U_t,k-2+a₃i_L,k+a₄i_L,k-1+a₅i_L,k-2 (7)

其中k代表第k次采样数据值。这样即可获得遗忘因子最小二乘法的数据矩阵Φ_k和参数矩阵θ_k分别是：

Φ_k＝[1 U_t,k-1 U_t,k-2 i_t,k i_t,k-1 i_t,k-2] (8)

θ_k＝[(1-a₁-a₂)OCV_k a₁ a₂ a₃ a₄ a₅]^T (9)

公式(7)可以表达为：

U_t,k＝Φ_kθ_k (10)

基于具有遗忘因子的最小二乘法可以做到实时辨识参数矩阵θ_k，同时，参数矩阵中的系数与阻抗参数的对应关系如下：

通过解以上方程组即可获得在线辨识的内阻。

注意到在初始状态下，容量保持率和内阻增长率均为1，拟合所用曲线表达式为：

R＝ae^bQ (12)

式中R为极化内阻R_SEI的增长率，Q为容量保持率。

优选的，所述步骤2)中的进行实车数据采集具体包括：在电动汽车运行时，通过动力电池系统中的电池管理系统(BMS)数据采集器实时采集动力电池单体和动力电池组的电压、电流和温度等操作信息，存储于相应的存储器，建立完整的动力电池系统处理基础数据源。

进一步地，步骤3)根据所述步骤(1-4)中确立的函数关系，以及由所述步骤2)确定的内阻增长率计算出当前老化状态下的电池容量保持率。

本发明所提供的上述方法，能够实现以下有益效果：基于预先确立的电池极化内阻R_SEI的增长率与容量保持率关系，在电动汽车实际运行工况中实时采集电压电流数据，通过车载计算机进行参数辨识，即可在线得到电池的实际容量，而不需要特别对电池进行满充满放或其他操作；采用极化内阻R_SEI的增长率和容量保持率作为输入和输出，避免了电池之间内阻、容量不一致性对容量预测的影响。本发明所辨识的模型内阻参数不仅可以用于容量估计，也可用于SOC估计等方面。

附图说明

上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。

图1是动力电池寿命衰退特征识别方法；

图2是2阶RC模型；

图3是测试流程图

图4是DST工况；

图5是R_SEI在线辨识结果；

图6是参数辨识端电压误差；

图7是电池容量衰退轨迹；

图8是极化内阻R_SEI和剩余容量关系图；

图9是容量保持率和极化内阻增长率的关系图；

图10是3号电池容量保持率-极化内阻增长率关系拟合结果。

具体实施方式

本发明所提供的一种动力电池系统寿命衰退特征快速识别的方法，如附图1所示具体包括以下步骤：

1).建立电池容量保持率和极化内阻R_SEI增长率的关系。其中，容量保持率是指某一老化状态下电池剩余容量与初始容量的比值，极化内阻增长率是指某一老化状态下极化内阻与其初始值的比值；

2).进行实车数据采集，对采集到的数据进行在线参数辨识，获得电池极化内阻值；

3).通过步骤1)中建立的容量保持率和极化内阻R_SEI的增长率的关系预测电池剩余容量。

在本申请的一个优选实施例中，所述步骤1)中建立电池容量保持率和极化内阻增长率关系包括如下步骤：

(1-1).选取若干新电池进行电池特性测试；

(1-2).在不同温度下重复(1-1)中的电池特性测试；

(1-3).对所述新电池进行老化循环实验，在老化过程中，每隔一定循环次数重复步骤(1-1)和(1-2)步骤，得到电池容量保持率-循环数变化轨迹；

(1-4).对不同老化状态下电池特性测试中DST工况数据，以2阶RC模型为基础进行极化内阻参数辨识，得到极化内阻R_SEI增长率-循环数变化轨迹，进而拟合容量保持率和极化内阻R_SEI增长率的关系。

在本申请的一个优选实施例中，所述电池特性测试包括，进行容量测试，DST(动态应力测试工况)、HPPC(混合脉冲功率特性测试)、OCV(开路电压测试)、EIS(电化学阻抗谱测试)等。

在本申请的一个优选实施例中，所述步骤(1-4)中参数辨识采用如附图2所示的2阶RC模型，该模型由两个等效极化电阻R_ct和R_SEI分别与两个等效极化电容C_d1和C_d2相并联后与等效欧姆内阻R_i以及电压源OCV串联组成，模型中i_L代表电流，U_t代表电池端电压，所述参数辨识方法采用具有遗忘因子的最小二乘法。通过辨识得到电池SOC约为40％～60％范围内的极化内阻R_SEI平均值。通过分别定义某一老化状态下极化内阻R_SEI增长率为输入量，以电池容量保持率作为因变量，使用指数函数拟合二者关系。

所述2阶RC模型根据基尔霍夫定律以及拉氏变换建立，其数学表达为：

模型的传递函数为：

定义：

E_L(s)＝U_t(s)-OCV(s) (3)

得到：

采用双线性变换将传递函数G(s)变换到离散时域中：

其中a₁-a₅是由模型参数组成的系数。近似地认为相近几个采样点的开路电压值不变，得到离散时域下端电压的递推公式：

U_t,k＝(1-a₁-a₂)OCV_k+a₁U_t,k-1+a₂U_t,k-2+a₃i_L,k+a₄i_L,k-1+a₅i_L,k-2 (7)

其中k代表第k次采样数据值。可获得遗忘因子最小二乘法的数据矩阵Φ_k和参数矩阵θ_k分别是：

Φ_k＝[1 U_t,k-1 U_t,k-2 i_t,k i_t,k-1 i_t,k-2] (8)

θ_k＝[(1-a₁-a₂)OCV_k a₁ a₂ a₃ a₄ a₅]^T (9)

公式(7)可以表达为：

U_t,k＝Φ_kθ_k (10)

基于具有遗忘因子的最小二乘法实时辨识参数矩阵θ_k，参数矩阵中的系数与阻抗参数的对应关系如下：

通过解以上方程组获得在线辨识的内阻。

在初始状态下，容量保持率和内阻增长率均为1，拟合所用曲线表达式为：

R＝ae^bQ (12)

式中R为极化内阻R_SEI增长率，Q为容量保持率。

在本申请的一个优选实施例中，所述步骤2)中的进行实车数据采集具体包括：在电动汽车运行时，通过动力电池系统中的电池管理系统BMS数据采集器实时采集动力电池单体和动力电池组的电压、电流和温度等操作信息，并存储于相应的存储器，建立完整的动力电池系统处理基础数据源。

在步骤3)中根据上述步骤(1-4)中确立的函数关系，以及由所述步骤2)确定的极化内阻R_SEI增长率计算出当前老化状态下的电池容量保持率。

下面通过实施例进一步阐明本发明的实质特点：

实例中采用的电池为NMC三元材料锂离子电池，其具体参数如下：

表1 NMC锂离子电池参数

一、通过测试建立电池容量保持率和极化内阻增长率的关系；

建立容量保持率和极化内阻增长率关系包括以下步骤：

(1)电池特性测试和循环老化实验和模型参数辨识；选用3个的新电池单体，测量每个电池单体的容量。本实例采用0.3C充放电倍率对电池进行完整的恒流-恒压充放电试验，获得每个电池单体的容量数据，对电池进行工况激励，如使用HPPC工况、DST工况对电池进行充放电操作。测试流程如图3所示。

特性测试中用于参数辨识的DST工况电流激励如附图4所示。

用于容量估计的极化内阻R_SEI辨识结果以及端电压相对误差如图5和图6所示。

(2)在不同温度(10℃、25℃、40℃)下重复(1)中步骤；

(3)进行电池循环老化，每隔100循环重复步骤(1)和(2)，统计得到电池容量和极化内阻变化数据；

图7为电池容量随循环数的衰退轨迹。图8为测试中某一电池内阻和容量变化的关系图。图9为电池极化内阻R_SEI增长率和容量保持率的关系图。

(1)使用公式(12)中的指数关系拟合容量保持率和极化内阻R_SEI增长率关系。

图10为测试中3号电池的拟合曲线，具体数据见表2。

表2 3号电池拟合结果

进行若干次电池老化过程以及参数辨识过程，直到电池容量衰减到设定值，例如常用的电动汽车动力电池寿命结束的条件是容量衰退为初始容量的0.8，为了更好地确定容量和内阻的关系，在该步中将其设为0.7。

二、进行实车数据采集，对采集到的数据进行在线参数辨识，获得电池极化内阻值；

通过BMS在线获得电池电压电流信号，并结合步骤一中的方法对极化内阻进行在线辨识，在SOC 40％～60％范围内求其平均，结合电池初始状态参数辨识结果，求出极化内阻增长率。

三、通过步骤一中建立的容量保持率和极化内阻R_SEI增长率的关系预测电池剩余容量。

将步骤二中辨识得到的内阻增长率输入到测试确定的容量保持率-极化内阻R_SEI增长率关系中，求出电池当前老化状态下的容量保持率，如果得出的容量保持率小于0.8，那么该电池则达到寿命终点。

表3展示了通过测试中1号和3号电池获得的容量-内阻关系预测2号电池容量保持率的结果。可以看出，在电池达到寿命终点之前，电池的容量保持率估计的相对误差可以控制在3％。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种动力电池系统寿命衰退特征快速识别的方法，其特征在于：具体包括以下步骤：

1).建立电池的容量保持率和极化内阻增长率关系，其中，所示容量保持率是指某一老化状态下电池剩余容量与初始容量的比值，所述极化内阻增长率是指某一老化状态下用于容量预测的极化内阻与其初始值的比值；

2).进行实车数据采集，对采集到的数据进行在线参数辨识，获得电池极化内阻值；

3).通过步骤1)中建立的容量保持率和极化内阻增长率关系预测电池剩余容量。

2.如权利要求1所述的方法，其特征在于：所述步骤1)中建立电池的容量保持率和极化内阻增长率关系包括如下步骤：

(1-1).选取若干电池进行电池特性测试；

(1-2).在不同温度下重复所述步骤(1-1)中的电池特性测试；

(1-3).对所述电池进行老化循环测试，在老化过程中，每隔一定循环次数重复所述步骤(1-1)和步骤(1-2)，得到电池的容量保持率-循环数变化轨迹；

(1-4).对不同老化状态下电池特性测试得到的DST(动态应力测试工况)工况数据，进行极化内阻参数辨识，得到极化内阻增长率-循环数变化轨迹，进而拟合容量保持率和极化内阻增长率的关系。

3.如权利要求2所述的方法，其特征在于：所述电池特性测试还包括：进行容量测试，混合脉冲功率特性测试HPPC、开路电压测试OCV、电化学阻抗谱测试EIS。

4.如权利要求2所述的方法，其特征在于：所述步骤(1-4)中参数辨识采用2阶RC模型，该模型由两个等效极化电阻R_ct和R_SEI分别与两个等效极化电容C_d1和C_d2相并联后与等效欧姆内阻R_i以及电压源OCV串联组成，模型中i_L代表电流，U_t代表电池端电压，所述参数辨识方法采用具有遗忘因子的最小二乘法。通过辨识得到电池SOC约为40％～60％范围内的极化内阻R_SEI平均值，通过分别定义某一次循环数下R_SEI增长率为输入量，以电池容量保持率作为因变量，使用指数函数拟合二者关系，

根据基尔霍夫定律以及拉氏变换建立所述2阶RC模型：

$U_t\left(s\right)=OCV\left(s\right)-i_L\left(s\right)(R_i+\frac{R_{ct}}{R_{ct}{C}_{d1}s+1}+\frac{R_{SE1}}{R_{SE1}{C}_{d2}s+1})---\left(1\right)$

模型的传递函数为：

$G\left(s\right)=\frac{U_t\left(s\right)-OCV\left(s\right)}{i_L\left(s\right)}=-(R_i+\frac{R_{ct}}{1+R_{ct}{C}_{d1}}+\frac{R_{SEI}}{1+R_{SEI}{C}_{d2}})---\left(2\right)$

定义：

E_L(s)＝U_t(s)-OCV(s) (3)

可得到：

$G\left(s\right)=\frac{E_L\left(s\right)}{i_L\left(s\right)}=-(R_i+\frac{R_{ct}}{1+R_{ct}{C}_{d1}}+\frac{R_{SEI}}{1+R_{SEI}{C}_{d2}})---\left(4\right)$

$G\left(s\right)=-\frac{R_i{s}^2+\frac{1}{R_{ct}{R}_{SEI}{C}_{d1}{C}_{d2}}(R_i{R}_{ct}{C}_{d1}+R_i{R}_{SEI}{C}_{d2}+R_{SEI}{R}_{ct}{C}_{d2}+R_{ct}{R}_{SEI}{C}_{d1})s+\frac{R_i+R_{ct}+R_{SEI}}{R_{ct}{R}_{SEI}{C}_{d1}{C}_{d2}}}{s^2+\frac{R_{ct}{C}_{d1}+R_{SEI}{C}_{d2}}{R_{ct}{R}_{SEI}{C}_{d1}{C}_{d2}}s+\frac{1}{R_{ct}{R}_{SEI}{C}_{d1}{C}_{d2}}}---\left(5\right)$

采用双线性变换将传递函数G(s)变换到离散时域：

$G\left(Z^{-1}\right)=\frac{a_3+a_4{Z}^{-1}+a_5{Z}^{-2}}{1-a_1{Z}^{-1}-a_2{Z}^{-2}}---\left(6\right)$

其中a₁-a₅是由模型参数组成的系数；近似认为相近几个采样点的开路电压值不变，得到离散时域下端电压的递推公式：

U_t,k＝(1-a₁-a₂)OCV_k+a₁U_t,k-1+a₂U_t,k-2+a₃i_L,k+a₄i_L,k-1+a₅i_L,k-2 (7)

其中，k代表第k次采样数据值，可获得遗忘因子最小二乘法的数据矩阵Φ_k和参数矩阵θ_k分别是：

Φ_k＝[1 U_t,k-1 U_t,k-2 i_t,k i_t,k-1 i_t,k-2] (8)

θ_k＝[(1-a₁-a₂)OCV_k a₁ a₂ a₃ a₄ a₅]^T (9)

公式(7)可以表达为

U_t,k＝Φ_kθ_k (10)

基于具有遗忘因子的最小二乘法实时辨识参数矩阵θ_k，参数矩阵中的系数与阻抗参数的对应关系如下：

$\left\{\begin{array}{c}{a}_1=\frac{-2+8C_{d1}{C}_{d2}{R}_{ct}{R}_{SEI}}{(1+2C_{d1}{R}_{ct})(1+2C_{d2}{R}_{SEI})}\\ a_2=\frac{(-1+2C_{d1}{R}_{ct})(-1+2C_{d2}{R}_{SEI})}{(1+2C_{d1}{R}_{ct})(1+2C_{d2}{R}_{SEI})}\\ a_3=\frac{-R_{ct}-R_{SEI}-2C_{d1}{R}_{ct}{R}_{SEI}-2C_{d2}{R}_{ct}{R}_{SEI}-R_i-2C_{d1}{R}_{ct}{R}_i-2C_{d2}{R}_{SEI}{R}_i-4C_{d1}{C}_{d2}{R}_{SEI}{R}_{ct}{R}_i}{(1+2C_{d1}{R}_{ct})(1+2C_{d2}{R}_{SEI})}\\ a_4=-\frac{-2R_{ct}-2R_{SEI}-2R_i+8R_i{R}_{ct}{R}_{SEI}{C}_{d1}{C}_{d2}}{(1+2C_{d1}{R}_{ct})(1+2C_{d2}{R}_{SEI})}\\ a_5=-\frac{-R_{ct}+2R_{SEI}-2C_{d2}{R}_{ct}{R}_{SEI}+2R_i-4R_i{R}_{SEI}{C}_{d2}}{(1+2C_{d1}{R}_{ct})(1+2C_{d2}{R}_{SEI})}+\frac{R_{SEI}+R_i-2R_i{R}_{SEI}{C}_{d2}}{1+2C_{d2}{R}_{SEI}}\end{array}\right.---\left(11\right)$

通过解以上方程组获得在线辨识的极化内阻。

在初始状态下，容量保持率和内阻增长率均为1，拟合所用曲线可表示为：

R＝ae^bQ (12)

其中，R为极化内阻增长率，Q为容量保持率。

5.如前述权利要求中任一项所述的方法，其特征在于：所述步骤2)中的进行实车数据采集具体包括：在电动汽车运行时，通过动力电池系统中的电池管理系统BMS数据采集器实时采集动力电池单体和动力电池组的电压、电流和温度信息，并存储于相应的存储器，建立完整的动力电池系统处理基础数据源。