CN113466696A

CN113466696A - 一种基于电压曲线变换的电池组单体状态估计方法

Info

Publication number: CN113466696A
Application number: CN202110532666.1A
Authority: CN
Inventors: 张彩萍; 柳杨; 张琳静; 张维戈; 马林康; 黄彧; 张言茹; 孙丙香; 吴健; 王占国; 龚敏明; 周兴振
Original assignee: Beijing Jiaotong University
Current assignee: Beijing Jiaotong University
Priority date: 2021-05-17
Filing date: 2021-05-17
Publication date: 2021-10-01

Abstract

本发明属于锂离子电池状态估计技术领域，涉及一种基于电压曲线变换的电池组单体状态估计方法，包括：步骤1：获得“标准OCV曲线”；步骤2：获取单体电池的充电电压时间序列；步骤3：生成“参考OCV曲线”；步骤4：计算“扭曲路径”；步骤5：将“扭曲路径”中“一对多”的点移除；步骤6：对扭曲路径点进行拟合；步骤7：计算电池单体容量和充电起始SOC₀，步骤8：重复步骤4‑7，得到电池组内所有电池单体的容量及充电起始SOC₀。在电池全生命周期内，充电SOC范围为40％～85％时，本发明对容量估计的平均误差约为1.8％，最大误差小于5％；对充电起始SOC₀估计的平均误差约为1.4％，最大误差小于2.5％。

Description

一种基于电压曲线变换的电池组单体状态估计方法

技术领域

本发明属于锂离子电池状态估计技术领域，涉及一种电池组单体状态估计方法，尤其涉及一种基于电压曲线变换的电池组单体状态估计方法。

背景技术

由于锂离子电池具有高功率性能、高能量密度、长循环寿命和低自放电的特点，已在许多领域中得到了广泛使用。受限于安全性和制造工艺，电池单体的容量不能无限地增大。通常通过将复数电池单体按照一定结构串并联后，形成电池组，以满足功率需求和能量需求。为了防止电池组中的单体发生过充和过放等问题，并为电池组维护提供相关指导，需要对电池组中的每个电池单体进行准确的状态估计，包括：荷电状态(SOC)估计和健康状态(SOH)估计。

现有的SOC估计方法主要有：等效电路模型、电化学模型以及数据驱动方法等。其中基于等效电路模型(ECM)的卡尔曼滤波估计方法被广泛使用，其通常基于动态放电工况，因此在进行恒流充电时无法使用。同时由于等效电路模型的参数会随电池老化而变化，因此需要定期更新参数，确保估计结果的准确性。电化学模型方法是基于电池的电化学反应方程所建立，具有较高精度，但模型计算所需资源较大。数据驱动方法无需对电化学机理进行研究，但需要前期进行大量实验积累训练数据。

现有的SOH估计方法主要有：基于经验模型的方法、基于电化学模型的方法、基于数据驱动的模型的方法以及模型与数据驱动融合的方法。其中经验模型和数据驱动方法都需要大量的先验数据。电化学模型方法由于计算复杂，并不适用于状态参数的实时估计。

发明内容

现有的电池状态估计方法存在一些问题，例如：SOC估计多基于动态工况，恒流工况下无法进行估算；SOH估计需要大量的先验数据；SOC和SOH的联合估计方法易受干扰，鲁棒性较差。针对上述问题，本专利提出了一种基于电压曲线变换的状态估计方法，无需大量的实验数据建模，仅需一次恒流充电数据即可对电池组内电池单体容量(或SOH)、充电初始SOC进行估计以及对电池组的一致性进行评估，具体技术方案如下，

一种基于电压曲线变换的电池组单体状态估计方法，包括以下步骤：

步骤1：提前存储电池组中任意一只电池单体的OCV(Open circuit voltage，开路电压)-SOC曲线或同批次电池单体的OCV-SOC曲线，作为“标准OCV曲线”；

步骤2：获取电池组在恒流充电工况下的充电电压时间序列，对电池组中的单体电池进行编号，编号为：1,2,…,i,…,n，并将电池组中的n个电池单体数据视为n个独立时间序列进行处理；

步骤3：根据电池组恒流充电电流I和电池组单体额定容量Q₀，将“标准OCV曲线”插值生成充电电流为I，时间间隔与电池组充电数据采样时间相同，电池组单体额定容量为Q₀的“参考OCV曲线”；

步骤4：选取电池组中编号为1的单体电池的充电电压时间序列作为“充电电压曲线”，并与“参考OCV曲线”进行对比分析；采用动态时间扭曲(DTW)算法计算两条曲线的“扭曲路径”；

步骤5：将“扭曲路径”中“一对多”的点移除，只保留具有“一对一”关系的点；

步骤6：采用直线拟合方法对扭曲路径点进行拟合，直线方程的拟合公式如式(1)所示，

y＝k·x+b (1)

其中，x为扭曲路径点的横坐标，y为扭曲路径点的纵坐标，k为斜率，b为截距；

从直线方程中提取斜率k和截距b；

步骤7：按照公式(2)计算电池单体容量Q，

Q＝k·Q₀ (2)

按照公式(3)计算充电起始SOC₀，

步骤8：选择其他编号的电池，重复步骤4-7，直到得到电池组内所有电池单体的容量及充电起始SOC₀，由于实际中的b为负数，在式(3)中加入负号，使得充电起始SOC₀为正数。

在上述技术方案的基础上，步骤1所述“标准OCV曲线”采用小电流(例如：0.05C)充放电获得的时间间隔为1s的电压序列对齐SOC后，取平均获得。

在上述技术方案的基础上，步骤1所述“标准OCV曲线”通过“充静置”方法获得，具体是：在静置段获取等间隔SOC的开路电压值后，进行分段线性插值获得。

在上述技术方案的基础上，当步骤1所述“标准OCV曲线”通过“充静置”方法获得时，SOC间隔选为5％，静置时间为30min。

在上述技术方案的基础上，步骤3所述的插值的方法为：线性插值。

在上述技术方案的基础上，步骤6中所述直线拟合方法为：最小绝对偏差。

本发明具有以下有益技术效果：

在电池全生命周期内，充电SOC范围为40％～85％时，本发明方法对容量估计的平均误差约为1.8％，最大误差小于5％；对充电起始SOC₀估计的平均误差约为1.4％，最大误差小于2.5％。

附图说明

本发明有如下附图：

图1为开路电压曲线随容量变化的示意图。

图2为开路电压曲线随充电初始SOC变化的示意图。

图3为开路电压曲线随容量和充电初始SOC变化的示意图。

图4为扭曲路径趋势示意图。

图5为本申请所述基于电压曲线变换的电池组单体状态估计方法的流程示意图。

具体实施方式

下面结合附图，对本发明步骤做进一步详细说明。

如图1-5所示，本专利所述基于电压曲线变换的电池组单体状态估计方法，主要步骤如下：

步骤1：提前存储该电池组中任意一只电池单体的OCV-SOC曲线或同批次电池单体的OCV-SOC曲线，作为“标准OCV曲线”；

“标准OCV曲线”可采用小电流(如0.05C)充放电获得的时间间隔为1s的电压序列对齐SOC后，取平均获得；也可通过“充静置”方法，在静置段获取等间隔SOC的开路电压值后，进行分段线性插值获得。如采用“充静置”方法获取电池OCV曲线，建议SOC间隔选为5％，建议静置时间30min以上，从而获取准确OCV曲线。

步骤2：获取电池组在恒流充电工况下的充电电压时间序列(即电池组恒流充电数据)，对电池组中的单体电池进行编号，编号为：1,2,…,i,…,n，并将电池组中的n个电池单体数据视为n个独立时间序列进行处理；

步骤3：根据电池组恒流充电电流I和电池组单体额定容量(简称：额定容量)Q₀，将“标准OCV曲线”插值生成充电电流为I，时间间隔与电池组充电数据采样时间相同，电池组单体额定容量为Q₀的“参考OCV曲线”；插值时，需要模拟实际电池充电过程，即根据实际需要，设置电池充电电流与额定容量，得到需求的SOC序列，再根据标准的SOC-OCV曲线插值得到所需的“参考OCV曲线”。

图5中的参数指电池组恒流充电电流I和电池组单体额定容量。

“参考OCV曲线”的插值方法可选用线性插值等。

步骤4：选取电池组中编号为1的单体电池的充电电压时间序列(简称：充电电压序列)作为“充电电压曲线”，并与“参考OCV曲线”(曲线也对应序列)进行对比分析；采用动态时间扭曲(DTW)算法计算两条曲线的“扭曲路径”；

“扭曲路径”即代表两曲线上点之间的对应关系，其可表现为二维坐标点的集合，点的对应关系可以分为“一对一”和“一对多”两类；具有不同容量、充电初始SOC的电压曲线具有形状相似性，遵循最简单的曲线变换规则：平移与缩放(如图1-3所示)。但由于欧姆内阻和极化效应的存在，直接分析充电曲线较为复杂。动态时间扭曲算法可以将抽象的曲线变换关系转换为简单的线性方程，即如式(1)所示，

y＝k·x+b (1)。

步骤5：将“扭曲路径”中“一对多”的点移除，只保留具有“一对一”关系的点(即拟合点筛选)；

图4中的虚线为理想状态下的扭曲路径，可以看到移除“一对多”点后，剩余的扭曲路径点可以很好地符合虚线的趋势，因此对扭曲路径点采用合适的方法进行直线拟合，使得拟合线尽量贴近图4中的虚线，即可获得准确的容量和充电初始SOC的估计值。

y＝k·x+b (1)

其中x为扭曲路径点的横坐标，y为扭曲路径点的纵坐标，k为斜率，b为截距；

从直线方程中提取斜率k和截距b；

直线拟合方法可采用最小绝对偏差(LAD)拟合，但不局限于这一种方法。

步骤7：按照公式(2)计算电池单体容量Q，

Q＝k·Q₀ (2)

按照公式(3)计算充电起始(又称为：充电初始)SOC₀，

步骤8：选择其他编号的电池单体，重复步骤4-7，直到得到电池组内所有电池单体的容量及充电初始SOC₀，由于实际中的b为负数，在式(3)中加入负号，使得充电起始SOC₀为正数。

上述实施例对本发明的技术方案进行了详细说明。显然，本发明并不局限于所描述的实施例。基于本发明中的实施例，熟悉本技术领域的人员还可据此做出多种变化，但任何与本发明等同或相类似的变化都属于本发明保护的范围。

本说明书中未做详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims

1.一种基于电压曲线变换的电池组单体状态估计方法，其特征在于，包括以下步骤：

步骤1：提前存储电池组中任意一只电池单体的OCV-SOC曲线或同批次电池单体的OCV-SOC曲线，作为“标准OCV曲线”；

步骤4：选取电池组中编号为1的单体电池的充电电压时间序列作为“充电电压曲线”，并与“参考OCV曲线”进行对比分析；采用动态时间扭曲算法计算两条曲线的“扭曲路径”；

y＝k·x+b (1)

从直线方程中提取斜率k和截距b；

步骤7：按照公式(2)计算电池单体容量Q，

Q＝k·Q₀ (2)

按照公式(3)计算充电起始SOC₀，

步骤8：选择其他编号的电池，重复步骤4-7，直到得到电池组内所有电池单体的容量及充电起始SOC₀。

2.如权利要求1所述的基于电压曲线变换的电池组单体状态估计方法，其特征在于：步骤1所述“标准OCV曲线”采用小电流充放电获得的时间间隔为1s的电压序列对齐SOC后，取平均获得。

3.如权利要求1所述的基于电压曲线变换的电池组单体状态估计方法，其特征在于：步骤1所述“标准OCV曲线”通过“充静置”方法获得，具体是：在静置段获取等间隔SOC的开路电压值后，进行分段线性插值获得。

4.如权利要求3所述的基于电压曲线变换的电池组单体状态估计方法，其特征在于：当步骤1所述“标准OCV曲线”通过“充静置”方法获得时，SOC间隔选为5％，静置时间为30min。

5.如权利要求1所述的基于电压曲线变换的电池组单体状态估计方法，其特征在于：步骤3所述的插值的方法为：线性插值。

6.如权利要求1所述的基于电压曲线变换的电池组单体状态估计方法，其特征在于：步骤6中所述直线拟合方法为：最小绝对偏差。