CN109901072B - 基于历史数据与实验室测试数据的退役电池参数检测方法 - Google Patents

Abstract

本发明涉及一种基于历史数据与实验室测试数据的退役电池参数检测方法，所述参数包括电池容量和内阻，包括以下步骤：对新电池进行测试，构建用于描述电池充电过程端电压响应的电池离线模型，所述新电池与退役电池具有相同物理化学结构；获取退役电池历史充电数据并标记，获取标记后历史充电数据；基于所述标记后历史充电数据和电池离线模型，采用非线性状态估计方法估计对应的电池历史参数；对退役电池进行实时充电测试，获得实验室测试数据，基于该实验室测试数据采用非线性状态估计方法估计对应的电池实时参数；对所述电池历史参数和电池实时参数进行加权融合，获得最终的退役电池参数。与现有技术相比，本发明具有准确、快速等优点。

Description

基于历史数据与实验室测试数据的退役电池参数检测方法

技术领域

本发明涉及退役动力电池回收利用领域，尤其是涉及一种基于历史数据与实验室测试数据的退役电池参数检测方法。

背景技术

随着电动汽车服役时间的增加，其动力电池不可避免地逐渐老化，主要表现为电池容量的衰减与内阻的增加以致难以满足电动汽车动力需求，需要对电池进行回收处理。如何更好地发挥退役电池的使用价值，实现电池的无害化处理正吸引着更多研究者的关注。对退役电池进行拆解，实现高价值物料的回收，从而实现锂资源的循环利用，被认为是具有前景的处理方式，然而当前针对各类不同型号的电池实现自动化的拆解以及后处理存在很大的难度。另一方面电动汽车退役电池虽难以满足电动汽车动力需求，而在其他场合如储能领域，由于充放电周期更长，倍率更低，退役电池仍能够稳定、可靠服役较长时间，而且相较于新电池，退役电池成本更低，有利于提高经济效益，因此退役电池的梯次利用也被认为具有较好的发展前景。然而由于电池自身的性质以及用户习惯均存在差异，因此退役电池老化状态也存在差异，实现电池老化状态的快速、准确评估是实现退役电池分流以及梯次利用的关键。

针对退役电池老化状态评估，可以对电池进行充放电测试、电化学阻抗测试等获取电池容量与内阻信息，然而该类方法可以获取比较准确的老化数据，然而实验设备投入大，测试周期长造成成本偏高。另一方面充分利用电池历史运行数据，结合合理的算法对电池老化状态进行评估，可以节约部分测试成本，然而得到的结果依赖于电池历史数据得丰富度与准确度，可靠性仍待考察。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于历史数据与实验室测试数据的退役电池参数检测方法，通过充分利用退役电池历史充电电流、电压数据与实验室测试电流、电压数据，实现了退役电池容量与内阻的准确、快速获取。

本发明的目的可以通过以下技术方案来实现：

一种基于历史数据与实验室测试数据的退役电池参数检测方法，所述参数包括电池容量和内阻，包括以下步骤：

1)对新电池进行测试，构建用于描述电池充电过程端电压响应的电池离线模型，所述新电池与退役电池具有相同物理化学结构；

2)获取退役电池历史充电数据并标记，获取标记后历史充电数据；

3)基于所述标记后历史充电数据和电池离线模型，采用非线性状态估计方法估计对应的电池历史参数；

4)对退役电池进行实时充电测试，获得实验室测试数据，基于该实验室测试数据采用非线性状态估计方法估计对应的电池实时参数；

5)对所述电池历史参数和电池实时参数进行加权融合，获得最终的退役电池参数。

进一步地，所述步骤1)中的测试包括电池可用容量测试、电池开路电压和不同倍率充电测试。

进一步地，所述步骤1)中，采用最小二乘法对不同电流下的充电端电压曲线进行拟合，从而实现对电池离线模型参数的辨识。

进一步地，所述步骤2)具体为：

将获取的退役电池历史充电数据按充电次数依次编号，提取每间隔M次的充电数据，同时提取电池最后L次的充电数据，两次提取的充电数据集取并集，按充电时间顺序依次重新标号，其中，5<M<20，5<L<20。

进一步地，所述步骤3)具体包括：

301)以电池内部参数和电池离线模型参数为状态变量，构建非线性状态空间模型；

302)利用非线性状态估计方法对，基于步骤2)获得的标记后历史充电数据，对电池内部状态进行估计，具体地：对获取的首次充电数据进行状态估计时，电池容量与内阻初值采用步骤1)获得的数据；对后续每次充电数据进行状态估计时，电池容量与内阻初值采用前一次的估计结果；

303)记录每次状态估计时所得电压与实测电压之间的均方根误差。

进一步地，所述非线性状态估计方法包括扩展卡尔曼滤波法或滚动时域状态估计法。

进一步地，所述步骤4)中，对退役电池进行实时充电测试具体为：

测试退役电池的开路电压，判断该开路电压是否高于预设值，若是，则将退役电池先以1C倍率放电至该预设值以小于等于电池额定最大充电倍率的电流充电至截止电压，若否，则直接小于等于电池额定最大充电倍率的电流充电至截止电压，记录电池充电数据作为实验室测试数据。

进一步地，所述步骤4)中，基于该实验室测试数据进行电池实时参数估计时，以步骤3)估计获得的最后一次历史参数为初值。

进一步地，所述步骤5)中，选取基于历史数据的最后L次电池历史参数和电池实时参数进行加权融合，采用的加权融合公式为：

其中，Para_est为最终的退役电池参数，ω_his为历史数据权重，ω_l为单次历史数据权重，Para_l为基于历史数据的第l次电池历史参数，ω_lab为实验室数据权重，Para_lab为电池实时参数，rN为标记后历史充电数据所包含的充电次数。

进一步地，所述单次历史数据权重ω_l的表达式为：

其中，VRMSE_i为第i次状态估计时所得电压与实测电压之间的均方根误差。

与现有技术相比，本发明具有以如下有益效果：

1、本发明基于电池历史运行数据，并结合部分实验室测试，对退役电池老化状态进行评估有望在较低成本下，以较快速度获取较为可靠的评估结果，具有研究意义与实用价值。

2、与直接进实验测试获取电池老化状态相比，本发明方法利用退役电池历史运行数据，降低了测试成本，节省测试时间。

3、与仅依靠电池历史运行数据的方法相比，本发明方法对电池当前状态进行了测试，能够具备更高的准确度。

4、本发明提取历史数据时，每间隔一定圈数选取数据有助于降低计算复杂度，同时也保证方法收敛性

5、本发明通过融合多次历史充电数据估计参数与实测数据估计参数，保证了对退役电池容量与内阻估计结果的稳定性。

附图说明

图1为本发明方法的流程示意图；

图2为一阶等效电路模型。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明提供一种基于历史数据与实验室测试数据的退役电池参数检测方法，基于电池模型与非线性状态估计获取退役电池老化参数如容量、内阻。如图1所示，该方法包括以下步骤：

步骤S101、电池离线模型建立：选择与退役电池具有相同物理、化学特征的新电池进行一系列测试，构建等效电路模型用于描述电池充电过程中端电压响应。

该步骤中所进行的测试具体包括：

(1)电池可用容量测试，将该电池在25℃下以1C倍率恒流充电至截止电压后恒压充电至电流衰减为0.05C，搁置1h，以1C倍率恒流放电至截至电压，重复充电、放电三次，若三次充电容量极差小于额定容量的3％，则以三次测试的平均容量作为电池的可用容量记为C_n。

(2)电池开路电压测试，将电池放电至截止电压后静置1h，获得SOC为0 时的开路电压。然后采用间歇充电的方式，将电池充电至不同的SOC静置1h，待电压稳定后，记录电压数据，从而获得电池在不同SOC下的开路电压。

(3)不同倍率的充电实验，将电池以1C倍率放电至截止电压，静置1h后以一定倍率充电至截止电压，在倍率区间[min(0.5C，C_max/4)，max(2C，C_max)]内取若干充电倍率(其中C_max为电池额定最大充电倍率)，重复测试，每次采用上述选择的不同充电电流以获取电池在不同充电电流下的电流、电压数据。

通过上述测试，建立电池充电的等效电路模型，利用(2)中测试所得SOC-OCV 关系利用最小二乘法建立OCV与SOC的函数关系，可用多项式描述如下：

其中，N_OCV为多项式阶数，多项式系数β_1i为拟合实验OCV-SOC数据获得，所需 SOC根据电流积分法计算：

上式中，SOC(0)为锂电池的初始SOC值，C_n为电池容量，I为负载电流，以充电电流为正。

等效电路模型可采用一阶等效电路模型如图2所示，其主要参数包括开路电压V_OC、欧姆内阻R₀、极化内阻R₁和电容C₁，其电压输出可用下列公式计算：

V_b＝V_OC+V₁+IR₀

将上述方程离散化后可得到在一个采样周期Δt内的端电压计算公式：

V_b,k＝V_OC,k+V_1,k+I_kR_0,k

其中，时间常数τ_k＝R_kC_k，k为采样时间点。

在等效电路模型中，各参数为SOC的函数，可用多项式形式表示为：

其中，N为各电路参数对应多项式阶数，所需辨识的参数为多项式系数β_2i、β_3i及β_4i。

在辨识过程中，依据前面建立起来的等效电路模型公式，采用最小二乘法对不同电流下的充电端电压曲线进行拟合，获得β_2i、β_3i及β_4i。至此，离线模型构建完成。

步骤S102、退役电池历史充电数据的选取：提取电池历史充电电流、电压数据，将历史充电数据集依次编号为1，2，3...，提取每间隔M(5<M<20)次的充电电流、电压数据保存，分别标记为IU₁，IU_2M+1，IU_3M+1...，此外提取电池最后L 次(5<L<20)的充电电流、电压数据，依次标记为IU_L，IU_L-1，IU_L-2...IU₁，两次提取的充电数据集取并集，按充电时间顺序依次重新标号标记为IU_r1，IU_r2，IU_r3...IU_rN，用于对电池历史容量与内阻进行估计。电池的老化是个缓慢的历程，相近循环之间容量与内阻等特性差距不大，本发明每间隔一定圈数选取数据有助于降低计算复杂度，同时也保证方法收敛性。

步骤S103、利用状态估计方法对电池历史容量与内阻参数进行估计：构建非线性状态空间模型，并用利用非线性状态估计算法对模型中的参数如电池容量、内阻等进行估计。

该步骤具体可分为以下几步：

(1)非线性状态空间模型的构建，选取电池内部状态如SOC、容量以及等效电路模型部分参数作为状态变量，建立如下式所示的状态空间模型：

状态方程：x_k+1＝F(x_k,u_k)+w_k

观测方程：y_k＝h(x_k,u_k)+v_k

其中，式中w_k表示模型不确定性，为方差为Q_k的高斯白噪声；v_k表示测量不确定性，为方差为R_k的高斯白噪声；w_k和v_k相互独立。状态向量为x_k＝[SOC_k,V_1,k,β_10,k,, β_20,k,,β_30,k,C_n,k]，输入变量u_k＝I_k，状态方程F(x_k,u_k)可用下式表示：

测量方程h(x_k,u_k)为：

h(x_k,u_k)＝V_OC(SOC_k)+V_1,k+I_kR_0,k

(2)利用非线性状态估计方法如扩展卡尔曼滤波法(EKF)或滚动时域状态估计法(MHE)等，基于步骤S102中获取的充电数据IU_r1，IU_r2，IU_r3...等，对电池内部状态如可用容量与内阻进行估计。

对获取的首次充电数据IU_r1进行状态估计时其容量与内阻初值[β_10,0,β_20,0,β_30,0,C_n,0]选择步骤S101中对新电池测试与建模所得数据。而针对后续每次充电数据 (IU_r2，IU_r3...等)进行状态估计，其容量与内阻均选择前一次所估计结果作为初值。比如记录根据第m-1次充电数据进行状态估计所得电池老化参数为[β_10,m-1,β_20,m-1, β_30,m-1,C_n,m-1]，则根据第m次充电数据进行状态估计时，其老化参数初值选为[β_10,m-1, β_20,m-1,β_30,m-1,C_n,m-1]，同时记录下每次非线性状态估计时估计所得电压与实测电压之间的均方根误差，记为VRMSE_m。

步骤S104、基于实测数据的退役电池容量与内阻估计：在实验室对退役电池进行测试，依据实验室测得数据利用非线性状态估计方法对电池当前容量与内阻进行估计。

该步骤主要包括以下两步：

(1)退役电池实验室测试：在进行充放电试验前测试电池开路电压，若电压高于某预设值则将电池先以1C倍率放电至该电压后以不高于C_max的电流充电至截止电压；若电压低于某预设值则直接以不高于C_max的电流充电至截止电压，记录电池充电过程中电流、电压数据为IU_lab。

(2)利用状态估计方法对电池当前容量与内阻参数进行估计：基于实验室测试所得充电数据IU_lab，利用非线性状态估计算法对模型中参数进行估计，其中电池容量、内阻的初值[β_10,0,β_20,0,β_30,0,C_n,0]由步骤S103中所得结果[β_10,rN,β_20,rN,β_30,rN, C_n,rN]给定，记录所得电池老化参数为[β_10,lab,β_20,lab,β_30,lab,C_n,lab]。

步骤S105、融合历史与实测数据估计结果：选取基于历史数据的最后L次电池容量与内阻估计结果即[β_10,rN-L+1,β_20,rN-L+1,β_30,rN-L+1,C_n,rN-L+1]，[β_10,rN-L+2,β_20,rN-L+2, β_30,rN-L+2,C_n,rN-L+2]，...，[β_10,rN,β_20,rN,β_30,rN,C_n,rN]，以及根据实验室测试数据所估计的电池当前容量与内阻估计结果即[β_10,lab,β_20,lab,β_30,lab,C_n,lab]，确定电池容量与内阻， 5<L<20。此处选择最后L次的原因是最后L次电池的老化特性与当前电池老化状态最为接近，而超出一定范围电池老化程度与当前可能有较大差异，因此只选择最后L次进行融合。

该步骤主要分为以下两步：

(1)计算各个估计结果的权重。考虑到实验室测试数据与历史运行数据采样精度与频率的差异，设置实验室测试数据权重为正数ω_lab，历史运行数据权重为正数ω_his，且ω_his+ω_lab＝1。调用步骤S103中基于历史充电数据进行非线性状态估计所得误差，选取最后L次充电数据结果即VRMSE_rN-L+1，VRMSE_rN-L+2，VRMSE_rN-L+3，...， VRMSE_rN。依据均方根误差值计算最后L次数据在最终结果中的权重，其中第l 次充电曲线估计结果(即[β_10,l,β_20,l,β_30,l,C_n,l])对应权重用下式计算：

(2)基于最后L次充电数据估计所得参数与实测数据估计所得参数，计算退役电池的容量与内阻估计结果，用如下公式计算：

其中Para为电池容量与内阻向量[β₁₀,β₂₀,β₃₀,C_n]，Para_est为最终的退役电池参数，ω_his为历史数据权重，ω_l为单次历史数据权重，Para_l为基于历史数据的第l次电池历史参数，ω_lab为实验室数据权重，Para_lab为电池实时参数，rN为标记后历史充电数据所包含的充电次数。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (9)

1.一种基于历史数据与实验室测试数据的退役电池参数检测方法，所述参数包括电池容量和内阻，其特征在于，包括以下步骤：

1)对新电池进行测试，构建用于描述电池充电过程端电压响应的电池离线模型，所述新电池与退役电池具有相同物理化学结构；

2)获取退役电池历史充电数据并标记，获取标记后历史充电数据；

3)基于所述标记后历史充电数据和电池离线模型，采用非线性状态估计方法估计对应的电池历史参数；

4)对退役电池进行实时充电测试，获得实验室测试数据，基于该实验室测试数据采用非线性状态估计方法估计对应的电池实时参数；

5)对所述电池历史参数和电池实时参数进行加权融合，获得最终的退役电池参数；

所述步骤2)具体为：

将获取的退役电池历史充电数据按充电次数依次编号，提取每间隔M次的充电数据，同时提取电池最后L次的充电数据，两次提取的充电数据集取并集，按充电时间顺序依次重新标号，其中，5<M<20，5<L<20。

2.根据权利要求1所述的基于历史数据与实验室测试数据的退役电池参数检测方法，其特征在于，所述步骤1)中的测试包括电池可用容量测试、电池开路电压和不同倍率充电测试。

3.根据权利要求1所述的基于历史数据与实验室测试数据的退役电池参数检测方法，其特征在于，所述步骤1)中，采用最小二乘法对不同电流下的充电端电压曲线进行拟合，从而实现对电池离线模型参数的辨识。

4.根据权利要求1所述的基于历史数据与实验室测试数据的退役电池参数检测方法，其特征在于，所述步骤3)具体包括：

301)以电池内部参数和电池离线模型参数为状态变量，构建非线性状态空间模型；

302)利用非线性状态估计方法对，基于步骤2)获得的标记后历史充电数据，对电池内部状态进行估计，具体地：对获取的首次充电数据进行状态估计时，电池容量与内阻初值采用步骤1)获得的数据；对后续每次充电数据进行状态估计时，电池容量与内阻初值采用前一次的估计结果；

303)记录每次状态估计时所得电压与实测电压之间的均方根误差。

5.根据权利要求4所述的基于历史数据与实验室测试数据的退役电池参数检测方法，其特征在于，所述非线性状态估计方法包括扩展卡尔曼滤波法或滚动时域状态估计法。

6.根据权利要求1所述的基于历史数据与实验室测试数据的退役电池参数检测方法，其特征在于，所述步骤4)中，对退役电池进行实时充电测试具体为：

测试退役电池的开路电压，判断该开路电压是否高于预设值，若是，则将退役电池先以1C倍率放电至该预设值，然后以小于等于电池额定最大充电倍率的电流充电至截止电压，若否，则直接以小于等于电池额定最大充电倍率的电流充电至截止电压，记录电池充电数据作为实验室测试数据。

7.根据权利要求1所述的基于历史数据与实验室测试数据的退役电池参数检测方法，其特征在于，所述步骤4)中，基于该实验室测试数据进行电池实时参数估计时，以步骤3)估计获得的最后一次历史参数为初值。

8.根据权利要求1所述的基于历史数据与实验室测试数据的退役电池参数检测方法，其特征在于，所述步骤5)中，选取基于历史数据的最后L次电池历史参数和电池实时参数进行加权融合，采用的加权融合公式为：

其中，Para_est为最终的退役电池参数，ω_his为历史数据权重，ω_l为单次历史数据权重，Para_l为基于历史数据的第l次电池历史参数，ω_lab为实验室测试数据权重，Para_lab为电池实时参数，rN为标记后历史充电数据所包含的充电次数。

9.根据权利要求8所述的基于历史数据与实验室测试数据的退役电池参数检测方法，其特征在于，所述单次历史数据权重ω_l的表达式为：

其中，VRMSE_i为第i次状态估计时所得电压与实测电压之间的均方根误差。

Images