CN106599333B

CN106599333B - 一种电源soh的估算方法

Info

Publication number: CN106599333B
Application number: CN201510682799.1A
Authority: CN
Inventors: 曹瑞中
Original assignee: Zhengzhou Yutong Bus Co Ltd
Current assignee: Yutong Bus Co Ltd
Priority date: 2015-10-20
Filing date: 2015-10-20
Publication date: 2019-12-13
Anticipated expiration: 2035-10-20
Also published as: CN106599333A

Abstract

本发明涉及一种电源SOH的估算方法，检测当前时刻的电源的电压、温度和电流信息，与之前建立的数据库进行比对，得到电源在此时状态下的SOC值SOCn和电源在之前其中一个状态下的SOC值SOCn‑1，然后利用SOH＝1‑|SOCn‑SOCn‑1|进行SOH的估算；数据库中为SOC与工作环境温度、工作电流和电压的关系。只需采集到当前时刻的工作环境温度和工作电流，并检测出在当前状态下的电压值，然后根据电源的电压在不同的工作环境温度下和不同的工作电流下与SOC一一对应的数据库，检测值与该数据库进行比对，就得到电源在此时状态下的SOC值和电源在之前其中一个状态下的SOC值，然后计算SOH值。

Description

一种电源SOH的估算方法

技术领域

本发明涉及一种电源SOH的估算方法。

背景技术

电源管理系统与电动汽车及动力电池结合在一起，目前电源管理系统的主要功能对电池进行电压，温度，电流采集，同时还进行漏电流，热管理，电池均衡管理，告警管理，估算电池的剩余容量，能够提供的最大放电功率及能够接受的最大回馈功率，实时报告电池的SOC状态、SOH状态及SOF状态，以及根据电池的电压，温度及输出功率来获取最大的行驶里程，通过CAN总线与车载总控制器，电机控制器，能量控制系统，车载显示系统进行实时通讯管理。

同时新能源汽车对电源管理系统提出了更高的要求，如电池电压与温度数据的高速采集；实施电池的高效率快速均衡，充分发挥电源系统的容量从而提升新能源汽车的行驶里程及电池系统的寿命，同时减少热量的产生；电池SOC与SOH的估算与显示；高可靠的通讯协议；电源系统的安全可靠性管理；高抗电磁干扰能力。

在满足以上要求的同时，对于电源管理系统(BMS)而言，电池SOC状态的计算成为当前应用层面技术难点多的问题，其还存在关键参数可靠性差、精度误差大等问题，同时电源管理系统在应用过程中存在电源系统的构成单元过程SOH状态无法在线、实时监测，无法对电源系统的所有构成单元进行全部监测与采集，同时SOH的估算精度差，随着使用时间延长，SOH精度误差会进一步加大。

电池健康状态SOH(State Of Health)，是指在一定的条件下，电池所充入的容量或者放出的容量(电池当前容量)与电池的标称容量的百分比，电池SOH反应电池老化，容量衰减的特征参数，根据IEEE标准规定，当动力电池的容量值下降到80％的时候，电池已经老化且不能使用，应及时更换电池，电池老化是妨碍锂离子电池在纯电动汽车或者混合动力客车中广泛应用的主要因素之一。电池系统的老化有很多因素，包括电池的循环充放电次数，电源系统的SOC状态,电池应用的环境温度及温度分布的均匀性等等。

目前现有技术中对于SOH的计算方法有如下几种：

1)直接放电法：

通过负载，让单体电池从满电态状态放电到电池容量为零的状态，直接放电法是SOH计算最直接的方法，也是目前企业内对电池SOH评估的方法。

该方法存在的缺点：测量SOH时候需要对单体电池进行离线处理，耗时长，不能够满足电动汽车在线实时测量的要求。

2)电化学阻抗法：

电化学阻抗法是目前试验室研究较多的方法，主要是对电池施加不同频率，幅值的正弦交流信号。在对采集的测量过程的数据进行分析，并且与电池的相关模型结合，预测电池当前的SOH。

该方法存在的缺点：需要进行大量的试验测试以及数据分析，而且该方法的重现性不是很好，受电池本身设计，材料体系，过程工艺等等因素的影响；而且需要扎实的阻抗及阻抗谱的理论知识，并且造价比较昂贵。

3)内阻法：

建立内阻与电池SOH之间的关系来估算电池的SOH，目前的研究也说明了电池内阻与电池的SOH存在一定的对应变化关系，即可认为随着使用时间的延长，电池的内阻增加，影响电池的容量，从而影响电池的SOH。

该方法存在的缺点：当研究电池容量下降至初始容量的30％后，电池本身的内阻才会有显著的变化，所有根据标准规定的80％时候电池被更换，该方法实现比较困难，而且电池内阻很小，准确测量比较困难。

4)模型法：

主要是通过分析电池内部所发生的化学反应，建立电池的模型，根据此模型来计算电池容量的衰减，得出电池的SOH。

该方法存在的缺点：电池内部的电化学反应比较复杂，建立完成与电化学反应各个过程相符的电化学模型存在一定的困难。

除了上述比较常见的SOH计算方法外，申请号为201210317965.4，发明名称为“一种电池组SOH在线估算方法”的中国专利申请中也公开了一种SOH计算方法，首先测量汽车在实际运行时的温度、电压、电流，利用归一化算法得出函数：SOC＝f(T、V、I)，建立温度、电压、电流和SOC之间的数据库，利用这个数据库计算SOC值，然后对电池进行充电，得出充电开始时此时最低电压单体电池的SOC1，充电结束后，得出此时最低电压单体电池的SOC2，最后利用公式计算出电池组的SOH值。首先，在电池使用时，需要对电池进行参数的测量，需要知道在不同温度、不同电流和不同的电压值，因为每种参数在不同的情况下都有很多数值，所以，采集和检测都比较繁琐。并且，在电池的整个使用过程中，由于实际情况，需要不止一次掌握不同时刻电池的SOH值，如果每次SOC的估算都进行上述检测，在电池的整个使用寿命中，仅SOC估算这一项就无疑是一个很巨大的工程，而且，得出SOC值只是在得到SOH过程中的一小部分，根据计算出的SOC值得出SOH过程中还需要很复杂的计算。所以，该SOH的计算方法很繁琐。

发明内容

本发明的目的是提供一种电源SOH的估算方法，用以解决现有的电源SOH计算方法的过程较为繁琐的问题。

为实现上述目的，本发明的方案包括一种电源SOH的估算方法，检测当前时刻的电源的电压、温度和电流信息，与数据库进行比对，得到电源在此时状态下的SOC值SOCn和电源在之前其中一个状态下的SOC值SOCn-1，所述SOH＝1-|SOCn-SOCn-1|；

所述数据库的建立方法是：

当电源在静态状态下，首先设置若干个工作环境温度；然后检测在每个工作环境温度下电源的电压与SOC的关系；最后建立不同的工作环境温度下电压与SOC的一一对应的曲线；

当电源在动态状态下、且当电源进行充电测试时：首先设置若干个工作环境温度值和工作电流值；然后检测当电流值确定时，每个工作环境温度值下电源的充电电压与SOC的关系，和当工作环境温度值确定时，每个电流值下电源的充电电压与SOC的关系；最后建立不同工作环境温度下电源的充电电压与SOC一一对应的曲线，和不同工作电流下电源的充电电压与SOC一一对应的曲线；

当电源在动态状态下、且当电源进行放电测试时：首先设置若干个工作环境温度值和工作电流值；然后检测当电流值确定时，每个工作环境温度值下电源的放电电压与SOC的关系，和当工作环境温度值确定时，每个电流值下电源的放电电压与SOC的关系；最后建立不同工作环境温度下电源的放电电压与SOC一一对应的曲线，和不同工作电流下电源的放电电压与SOC一一对应的曲线。

所述电源的状态分为静态状态和动态状态；当电源在静态状态下，检测当前时刻的电源的温度和电压信息，与所述数据进行比对，得到此时电源的SOC值；当电源在动态状态下，检测当前时刻的电源的电压、温度和电流信息，与所述数据库进行比对，得到此时电源的SOC值。

所述电源在之前其中一个状态下的SOC值SOCn-1为电源在BOL状态下的SOC值SOC_1-BOL。

所述数据库中的所述工作环境温度的范围为：-60℃-+120℃，温度步长为1℃-10℃；所述工作电流的范围为-200C-+200C。

本发明提供的SOH的估算方法避开了安时积分过程中产生的累计误差、神经网络估算方法的繁琐的迭代计算与大量数据的积累与自学习产生的误差及不准确性、内阻测试方法的重现性差及影响因素多以及其他估算方法的固有缺点。

本发明的SOH的估算方法无需对电源进行初始化充放电容量校正，只需根据电压与SOC值一一对应的数据库，就能够完成电源SOH的估算。

另外，数据库是电源的电压在不同的工作环境温度下和不同的工作电流下与SOC一一对应的数据库，在之后的电源使用过程中，如果需要得到此时的电源的SOH信息，此时只需采集到当前时刻的工作环境温度和工作电流，并检测出在当前状态下的电压值，然后与之前建立的数据库进行比对，就可以得出此时电源的SOC值，然后通过简单的计算就可以得到电源的SOH值。

本发明只需采集相应的参数值，利用已经存在的数据库，就可以得出相应的SOH值，而背景技术中的SOH的计算方法是采集实际使用时的电源的参数，然后通过相应的算法临时计算出一定的函数关系式来得出数据库，本发明较背景技术中的技术方案来说，技术方案得到了大幅度的简化，不需要在想要得到SOH值时临时获取数据库，只需采集相应的参数信息，与之前建立的数据库中的信息进行比对，即可得到SOH值。本发明省去了复杂的计算，由于对比相对于计算来说出现误差的可能性较低，所以，本发明提供的SOH估算方法的准确性和可靠性得到了很大程度地提高。

附图说明

图1是数据库建立的流程图；

图2是电池在不同电流状态下的充电曲线；

图3是电池在不同温度状态下的充电曲线；

图4是电池在不同电流状态下的放电曲线；

图5是电池在不同温度状态下的放电曲线；

图6是电池在静态状态下电压与SOC的关系图；

图7是电池SOH估算的流程图；

图8是电池在不同循环次数下的放电曲线；

图9是电池在不同循环次数下的充电曲线。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

锂离子电池采用商品化的正极材料镍钴锰系列，负极材料为石墨系列，按照工艺流程及相关品质控制计划，完成锂离子电池(标称容量为30Ah)的电池制作，化成及后续老化挑选工序，以便后续测试、分析使用。

锂离子电池的使用状态分为两种状态模式，一种是使用状态，即为电池的动态状态，此时电池的电压为动态电压CCV(Close Circuit Voltage)；另一种是搁置状态，即为电池的静态状态，此时电池的电压为静态电压OCV(Open Circuit Voltage)。

在估算电池的SOH值时，首先需要得到电池的SOC值。检测当前时刻的电池的电压、温度和电流信息，与已经得到的数据库进行比对，得到电池的SOC值。数据库为：电池的电压在不同温度特性及不同的电流特性下与其本身的SOC值一一对应的数据库。

这里的数据库是在该估算方法之前已经建立好的，在估算的时候直接利用就可以，下面给出一个数据库的建立方法。

该数据库是在电池的初始状态下(BOL)建立的，在这种状态下，电池分为动态状态(也称工作状态或者CCV状态)和静态状态(也称休息状态或者OCV状态。如图1所示，当电池在动态状态下时，在BOL状态下对电池的动态原始数据进行提取101：

由于电池在使用时分为充电和放电，所以，动态状态分为充电过程和放电过程两种模式，根据具体的使用情况确定电池是在充电下，还是在放电情况下：

当电池在充电情况下，那么，在充电过程中对电池进行原始数据的提取102，在对电池的充电数据进行提取的过程中，过程条件选取范围为：充电电流的选取范围为：-200C-+200C(C为厂家提供的单体电池的标准容量)，电流的选取间隙为ΔI≤10C/A，作为优化方式，其最优值≤1C/A；单体电池的休息时间间隔≤24hrs，作为优化方式，其最优值≤2hrs；温度的选取范围：-60℃-+120℃，作为优化方式，最优值为-40℃-+60℃，测试过程中温度区间的选取，即温度步长ΔT≤10℃，作为优化方式，其最优值ΔT≤5℃；原始数据(包括温度采集、电流采集、电压采集)的数据采集间隔时间≤10min，作为优化方式，其最优值≤0.1Sec。上述过程条件选取的目的是为了增加电池CCV数据的连续性及CCV数据的可靠性，同时多方面考虑单体电池一致性对电池CCV数据的影响等等。上述给定的过程条件均是范围，其具体的取值可以按照实际需求或者按照所需精度进行确定。

通过选取不同的电流和温度完成电池在充电过程中的数据的提取，得到不同温度参数、不同电流参数下的充电原始数据及曲线，如图2和图3所示：当温度T一定时，得出在不同的电流下，电池的动态电压CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：CCV＝f(I，SOC)_K或者SOC＝f(I，CCV)_K；当电流I一定时，得出在不同的温度下，电池的动态电压CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：CCV＝f(T，SOC)_K或者SOC＝f(T，CCV)_K。综上可得，在电池充电过程中，不同温度下、不同电流参数的条件下，能够得出对应的CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC。即：CCV_BOL＝X(I)_K+Y(T)_K+Z(SOC_BOL)_K，其中，K为计算因子。

同理，当电池在放电情况下，那么，在放电过程中对电池进行原始数据的提取103，在对电池的放电数据进行提取的过程中，过程条件的选取与上述对电池在充电时的过程条件的选取相同。通过选取不同的电流和温度完成电池在放电过程中的数据的提取，得到不同温度参数、不同电流参数下的放电原始数据及曲线，如图4和图5所示：当温度T一定时，得出在不同的电流下，电池的动态电压CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：CCV＝f(I，SOC)_K或者SOC＝f(I，CCV)_K；当电流I一定时，得出在不同的温度下，电池的动态电压CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：CCV＝f(T，SOC)_K或者SOC＝f(T，CCV)_K。综上可得，在电池放电过程中，不同温度下、不同电流参数的条件下，能够得出对应的CCV，然后根据动态电压CCV与SOC一一对应的关系，得出相应的SOC。即：CCV_BOL＝X(I)_K+Y(T)_K+Z(SOC_BOL)_K，其中，K为计算因子。

所以，电池在动态状态下，可以根据不同的电流参数和温度参数下得出电池在BOL状态下的数据库，该数据库可以表示为：CCV_BOL＝X(I)_K+Y(T)_K+Z(SOC_BOL)_K，K为计算因子。

对电池的运行过程数据进行提取110，并对数据进行分析，完成对运行状态过程CCV数据与BOL状态的CCV数据分析。

当电池在静态状态下时，在BOL状态下对电池的动态原始数据进行提取106，由于电池在静态过程中，其OCV数据的主要影响因素为环境温度，需要完成在不同温度下单体电池原始数据的提取107。在静态OCV原始数据的测试过程中，温度范围的选取为-60℃-+120℃，作为优化方式，最优范围为-40℃-+60℃；温度区间，即温度步长的选取ΔT≤10℃，作为优化方式，其最优值ΔT≤5℃；SOC_BOL状态的范围为0％-100％，其中SOC的选取间隙≤10％，最优值≤5％。通过上述选取条件对单体电池进行测试，得到不同温度下的OCV特征值108：在BOL状态下单体电池的静态电压OCV，然后根据静态电压OCV与SOC一一对应的关系，得出相应的SOC，转换为函数关系式为：OCV＝f(T，SOC)_K或者SOC＝f(T，OCV)_K，如图6所示。即：可以根据不同的温度参数下得出电池在BOL状态下的数据库，该数据库可以表示为：OCV_BOL＝Y(T)_K+Z(SOC_BOL)_K，其中，K为计算因子。

通过上述电池在动态状态下和静态状态下的数据的提取，可以建立CCV和OCV对应电池BOL状态的SOC特征值数据库112：电池CCV的数据库关系为CCV_BOL＝X(I)_K+Y(T)_K+Z(SOC_BOL)_K，K为计算因子；电池OCV的数据库关系为OCV_BOL＝+Y(T)_K+Z(SOC_BOL)_K，K为计算因子。

所以，上述得出的电池在BOL状态下CCV、OCV对应SOC的数据库完全能够满足本发明的目标。

在建立完整的数据库后，为电池的后续状态的预测评估工作提供了数据支持及指导113，为后续电池的SOC估算及相对应的电池控制策略提供数据支撑。

如图7所示，在对电池的SOC进行估算时，首先电池进行上电巡检201，并且对电池进行状态的判断，判断电池的状态为静态状态过程203还是动态状态过程。同时，对电池进行电压、温度、及系统回路的电流进行采集。

锂离子电池的使用状态分为两种状态模式，一种是使用状态，即为电池的动态状态，另一种是搁置状态，即为电池的静态状态。

电池在静态状态过程203中时，此时电池为搁置状态，没有使用，所以其两端的电流为0。对单体锂离子电池的环境温度数据204和单体锂离子电池的电压数据205进行检测，得到电池此时的环境温度参数和电压参数。然后根据电池的环境温度参数和电压参数，结合之前得到的数据库，在数据库中找到对应的环境温度参数和电压参数，得到与这些参数一一对应的SOC值，如图6所示，根据SOC与OCV的对应关系进行分析处理，得出电池静态状态下的SOC值。

电池在动态状态过程中时，由于此时电池在使用过程中，电池中有电流流过。首先确定电池的使用状态，是在充电过程204中还是在放电过程205中。如果电池在充电过程中，检测此时的电池的环境温度参数、整个电池回路中的充电电流(或者分路电流)参数和此时电池两端的电压参数206，结合之前得到的数据库，在数据库中找到对应的环境温度参数、充电电流参数对应的电压——容量曲线，从如图2和图3所示的那些充电曲线中得到与该充电电压值一一对应的SOC值，完成以上数据一一对应的查询后，即能够评估当前状态下的SOC特征值。

如果电池在放电过程中，检测此时的电池的环境温度参数、整个电池回路中的放电电流(或者分路电流)参数和此时电池两端的电压参数211，结合之前得到的数据库，在数据库中找到对应的环境温度参数、放电电流参数对应的电压——容量曲线，从如图4和图5所示的那些放电曲线中得到与该电压值一一对应的SOC值，完成以上数据一一对应的查询后，即能够评估当前状态下的SOC特征值。

结合电池静态203、动态207、209的SOC评估，能够在线、实时准确的评估电池的SOC_max、SOC_min及SOC的分布状态210，为电池的后续状态预判评估工作提供准确的数据支持211，保证电池安全可靠的运行。

然后对电池的SOH进行估算，如图7所示，当电池在静态状态过程中，那么，保留上一时间节点的SOHmax，SOHmin及电池的SOH分布状态。

当电池在动态状态过程中，且电池在充电过程中时，根据上述步骤(即根据数据库)，如图7所示，得出电池在此时的状态下的SOC n值，同时根据此时检测出的电池的电流、温度，得出电池在BOL状态下的SOC_1-BOL值，然后根据SOH＝1-|SOCn-SOC_1-BOL|的函数关系式求出SOH值，然后根据SOH值可以推算出SOH max、SOH min及SOH的分布状态。电池的状态即为电池的使用的时间，使用的时间以充放电循环次数进行体现，如图8所示，为电池在不同循环次数即不同状态下的充电曲线，在相同的电压下，不同状态下的SOC值是不同的，通过求解这两个不同的SOC值的差的绝对值，然后与1进行相减就可得到电池的SOH值。

当电池在放电过程中时，同理，得出电池在此时的状态下的SOC n值，同时根据此时检测出的电池的电流、温度，得出电池在BOL状态下的SOC_1-BOL值，然后根据SOH＝1-|SOCn-SOC_1-BOL|的函数关系式求出SOH值，最后根据SOH值推算出SOH max、SOH min及SOH的分布状态。如图9所示，为电池在不用循环次数即不同状态下的放电曲线，在相同的电压下，不同状态下的SOC值是不同的，通过求解这两个不同的SOC值的差的绝对值，然后与1进行相减就可得到电池的SOH值。

综合静态过程与动态过程的SOH值，可以得出电池的SOH特征值，包括SOH max、SOHmin及SOH的分布状态，然后根据分布状态信息进行电池的后续状态预判评估工作。

上述实施方式中的电池是锂电池，作为其他的实施方式，镍系电池、铅酸电池、钠(镁)离子电池、锂/空电池等等化学电池均能使用本发明提供的SOH估算方法。

上述实施方式中的电池是单个的电池，作为其他的实施方式，本发明中的电源也可以是单体电池并联组成的构成单元，或者是若干个构成单元以不同的组合方式(串联、并联或者混联)构成的电源系统。其中，构成单元或者电源系统的电压范围为：6.00V-3000V。

上述数据库是不同的环境温度和电流下电压与SOC一一对应的数据库，作为其他的实施例，该数据库中还可以是不同的环境温度和电压下电流与SOC一一对应的数据库，也就是说，只要该数据库是SOC与工作环境温度、工作电流和电压的关系数据库即可。

上述实施例中，根据电源在此时状态下的SOC值SOCn和电源在BOL状态下的SOC值SOC_1-BOL进行SOH的计算，作为其他的实施例，根据电源在此时状态下的SOC值SOCn和电源在之前任意一个状态下的SOC值SOCn-1都可以进行SOH的计算，原理与上述实施例中的一样，这里不做赘述。

另外，说明书中没有详细说明的部分属于现有技术或者本领域的公知常识。

以上给出了具体的实施方式，但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案，对本领域普通技术人员而言，根据本发明的教导，设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。

Claims

1.一种电源SOH的估算方法，其特征在于，检测当前时刻的电源的电压、温度和电流信息，与数据库进行比对，得到电源在此时状态下的SOC值SOCn和电源在之前其中一个状态下的SOC值SOCn-1，所述SOH＝1-|SOCn-SOCn-1|；所述电源在之前其中一个状态下的SOC值SOCn-1为电源在BOL状态下的SOC值SOC_1-BOL；

所述数据库的建立方法是：

2.根据权利要求1所述的电源SOH的估算方法，其特征在于，所述电源的状态分为静态状态和动态状态；当电源在静态状态下，检测当前时刻的电源的温度和电压信息，与所述数据进行比对，得到此时电源的SOC值；当电源在动态状态下，检测当前时刻的电源的电压、温度和电流信息，与所述数据库进行比对，得到此时电源的SOC值。

3.根据权利要求1所述的电源SOH的估算方法，其特征在于，所述数据库中的所述工作环境温度的范围为：-60℃-+120℃，温度步长为1℃-10℃；所述工作电流的范围为-200C-+200C。