CN109270462A - 基于动力电池充放电自学习电池健康在线检测及快速评价方法 - Google Patents

Abstract

本发明公开了一种基于动力电池充放电自学习电池健康在线检测及快速评价方法。该方法是在动力电池充电时检测电池内阻和端电压，从而进行电池的均衡性分析，将充电站动力电池寿命在线检测管理系统内部所建知识库的大量真实数据进行归一化处理，而后使用归一化后的样本数据对电池在该次充放电所得参数(同样进行归一化处理)进行自组织学习，得出最新的数据模型，最终结合均衡性分析结果和最新数据模型判定当前动力电池的健康程度并完善电气特征参数知识库。本发明支持在线全面检测动力电池的工况，可定期对电池进行维护，及时检测发现动力电池存在的隐患，避免电池在使用过程中出现事故。

Description

基于动力电池充放电自学习电池健康在线检测及快速评价 方法

技术领域

本发明主要涉及到动力电池寿命在线估计，特指一种基于动力电池充放电自学习电池健康在线检测及快速评价方法，属于电力技术领域。

背景技术

自汽车出现以来的一百年间，汽车产业逐渐成为了促进整个社会进步和经济发展的重要角色，同时也带动了各个与汽车相关工业支柱产业的迅速发展。然而，随着全球汽车数量的不断增加，汽车尾气的不断排放造成了较为严重的大气污染，也导致能源短缺，石油等非可再生化石燃料价格持续上涨。为了改变能源消费方式、发展低碳经济、循环经济以及应对国际能源危机，我国目前在大力支持发展电动汽车产业。由于电能属二次能源，具有绿色环保、使用方便等优点，使得电动汽车成为了我国研究和开发绿色汽车的主流选择。电动汽车具备显著的节能减排和环保优势，推广应用电动汽车对于减少石油对外依赖，保障国家能源安全，实现经济社会可持续发展具有重要意义。

作为电动汽车核心组成部分，动力电池对电动汽车的安全性、经济性和可靠性都有着非常重大的影响。动力电池的安全、高效使用对电动汽车充换电站实际运行过程起到决定性作用，安全使用动力电池的结果，直接决定电动汽车充换电站乃至电动汽车领域的发展趋势。为了保证整个电动汽车充换电站的正常运转，动力电池的健康状态检测和电池维护的必要性日趋凸显。经过前期的数据模型分析和研究，本发明选取两类电池的相关参数可以较好的反应电池的全面特征，一类为电池使用数据，例如电池使用次数、电池放电电量、电池充电电量、电池累计放电时间等；另外一类为电池充电特性数据以及固有数据，例如电池厂家、电池容量、电池类型等。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种对电池合计运行状况的分析，以优化电池工作环境、提高电池运行效率为目的，进行电池管理，探索电池管理系统研究的新方法。本发明的创新处在于基于传统估算动力电池的SOH方法的基础下，增加了电池特征参数库的建立，并在电池每次充放电的同时能够进行自组织学习，不断更新参数库。

为解决上述技术问题，本发明采用以下技术方案：

基于动力电池充放电自学习电池健康在线检测及快速评价方法，其步骤为：

S1：构建基于概率模型的动力电池电气特征量知识库；

S2：对正在充电的动力电池进行电池参数检测，每次充放电都要对电池进行一次内阻、端电压、温度等参数检测；

S3：对电池进行均衡性评估；

S4：在充电站电气特征量知识库中找到该电池参数特征库，提取数据进行归一化处理，并将归一化处理后的数据在该次充放电得到的参数基础上进行自组织学习，得到最新数据模型；

S5：结合电池均衡性评估和最新数据模型估算电池SOH并完善该电池参数特征库。

由于现有技术对动力电池SOH及寿命衰减的估算未考虑实际车辆运行的多变工况，因此不能准确表征车用电池的性能衰减状况。本发明旨在以动力电池标称数据为参考，基于动力电池日常充电、放电数据对动力电池进行检测，对检测中发现的隐患的动力电池统一调度，并制定电池维护计划，以电池箱(组)为维护对象，根据动力电池的电气特征量采用相应的策略对电池箱进行维护；同时系统支持在线全面检测动力电池的工况，可定期对电池进行维护，及时检测发现动力电池存在的隐患，避免电池在使用过程中出现事故，同时，动力电池维护计划由监控系统统一调配，最大程度上的保证充换电站的正常运行，同时最大限度的保证电池的安全使用，做到及时发现，及时解决。

附图说明

图1是本发明动力电池全生命周期管理系统结构图。

图2是本发明动力电池SOH快速评估方法示意图。

具体实施方式

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。

本技术发明步骤为：

S1：构建基于概率模型的动力电池电气特征量知识库。包括知识定义，知识设计，知识记录，知识库的建立以及推理机的应用；

S2：对正在充电的动力电池进行电池内部参数检测，要求每次充放电都要对电池进行一次内阻、端电压、温度等参数检测；

S3：对电池进行均衡性评估；

S4：在充电站电气特征量知识库中找到该电池参数特征库，提取数据进行归一化处理，并将归一化处理后的数据在该次充放电得到的参数基础上进行自组织学习，得到最新数据模型；

S5：结合电池均衡性评估和最新数据模型估算电池SOH并完善该电池参数特征库。

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。

如图1所示，本发明所述动力电池全寿命周期在线检测管理系统包括电池检测设备，数据采集模块，历史数据服务集群，电池维护策略。动力电池全寿命周期在线监测管理维护系统以提高电池的使用效率，提升电池使用的安全性，延长电池的使用寿命，减少运营成本为目标。

在具体应用中，本发明的步骤S1中，知识定义包括动力电池使用过程中的电池容量、端电压、单体压差、能量以及能量比等。知识记录要求记录动力电池在日常使用过程中的充电、放电、维护等过程。动力电池电气特征量知识库以知识定义为基础，记录动力电池使用过程中的相关数据；如电池充电过程中，记录此次充电电压压差、充电电量、充电历时等。基于记录的数据进行筛选过滤，以标称参数为依据，以经验参数设定阈值，剔除阈值之外的离散数据点，从而形成遵照正态分布的特征曲线知识库。动力电池使用过程中可全程实时采集监测动力电池数据，系统可从得到的数据与知识库中的数据进行比较，得出电池当前状态，形成动力电池评估结果。

在具体应用中，本发明的步骤S2中，动力电池每次充放电，需对电池内阻进行检测，一般情况下经过2个左右的脉冲即可算出电池内阻，根据公式：

在具体应用中，本发明的步骤S2中，动力电池任何一次充放电完成后，系统会根据当前电池箱内部单体电池压差来确定当前电池箱是否需要进行电池均衡维护，若某特定的电池箱在一段时间内经常出现不均衡度越限，则需要对当前动力电池进行深度充放电维护，另外，若某箱电池在一段时间内，充放电时间过短，明显低于正常值，则亦需要对当前动力电池进行深度充放电维护。

在具体应用中，本发明的步骤S3中，动力电池的抽样检测中，对电池内的单体电池进行电压采样统计，检测当前单体电池不均衡度评估，不均衡度大于设定的阈值，系统以设定值为界限进行判定，作为电池SOH评判结果的补充。

在实际的实施过程中，我们既有知识库中有用的大量的真实数据，又有以上 S2中多种测试方法，综合考虑所有参数量即可最终评判电池SOH。而在前期则需要取出正常使用下的电池数据作为样本，将样本数据进行归一化处理，处理后的样本数据对该次充放电参数进行自组织学习，并根据前期的数据模型选择较好的收敛函数，使用样本对系统学习之后，在学习精度达到要求的情况下，获得的各个参数即可作为最新的数据模型，并对当前电池进行SOH的判定。而图2中的三个SOH数值可人为指定其占用的百分比，进行最终SOH的评估结果。

Claims (3)

1.基于动力电池充放电自学习电池健康在线检测及快速评价方法,其特征在于：

S1：构建动力电池电气特征量参数知识库；

S2：在电池充放电的同时对电池进行一次内阻、端电压、温度等电气参数检测；

S3：对电池进行均衡性评估；

S4：在充电站电气特征量知识库中找到该电池参数特征库，提取数据进行归一化处理，并将归一化处理后的数据在该次充放电得到的参数基础上进行自组织学习，得到最新数据模型；

S5：结合电池均衡性评估和最新数据模型估算电池SOH并完善该电池参数特征库。

2.根据权利要求1所述的基于动力电池充放电自学习电池健康在线检测及快速评价方法，其特征在于，

所述步骤S1的具体步骤为：

S101：知识定义。动力电池使用过程中的电池容量、端电压、单体压差、能量以及能量比等。

S102：知识设计。包括电池健康程度检测和电池未来使用参数评估。

S103：知识记录。动力电池在日常使用过程中由充电、放电、维护等记录组成。

S104：知识库形成。基于记录的知识进行筛选过滤，以标称参数为依据，以经验参数设定阈值，从而形成遵照正态分布的特征曲线知识库。

3.根据权利要求1所述的基于动力电池充放电自学习电池健康在线检测及快速评价方法，所述步骤S4中，首先对样本数据进行归一化处理，而后使用归一化后的样本数据基于最新参数进行自组织学习，并根据前期的数据模型选择较好的收敛函数。使用样本对系统学习之后，在学习精度达到要求的情况下，获得的各个参数即可作为最新的数据模型，并对当前电池进行SOH的判定。