CN113820615B - 一种电池健康度检测方法与装置 - Google Patents
一种电池健康度检测方法与装置 Download PDFInfo
- Publication number
- CN113820615B CN113820615B CN202111162616.5A CN202111162616A CN113820615B CN 113820615 B CN113820615 B CN 113820615B CN 202111162616 A CN202111162616 A CN 202111162616A CN 113820615 B CN113820615 B CN 113820615B
- Authority
- CN
- China
- Prior art keywords
- voltage
- battery
- time
- value
- sequence data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000010606 normalization Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000010586 diagram Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 6
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 4
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 claims description 4
- 239000002253 acid Substances 0.000 claims description 4
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 229910052739 hydrogen Inorganic materials 0.000 claims description 4
- 239000001257 hydrogen Substances 0.000 claims description 4
- 229910001416 lithium ion Inorganic materials 0.000 claims description 4
- QELJHCBNGDEXLD-UHFFFAOYSA-N nickel zinc Chemical compound [Ni].[Zn] QELJHCBNGDEXLD-UHFFFAOYSA-N 0.000 claims description 4
- 238000000540 analysis of variance Methods 0.000 claims description 3
- 238000000546 chi-square test Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 208000028659 discharge Diseases 0.000 description 29
- 230000008569 process Effects 0.000 description 6
- 238000007599 discharging Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 229940070527 tourmaline Drugs 0.000 description 1
- 229910052613 tourmaline Inorganic materials 0.000 description 1
- 239000011032 tourmaline Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种电池健康度的检测方法及装置,包括如下检测步骤:S1,对N个与待测电池同类型的样本电池进行恒流放电测试,获得N组电压时序数据urr1、urr2...urrN;S2,构造针对每组电压时序数据的各自独立适用的时间归一化公式;S3,根据所述时间归一化公式对N组电压时序数据分别进行时间归一化,根据时间归一化后的N组电压时序数据绘制点集图,得到一条收敛轨迹;S4,对所述收敛轨迹进行数据拟合得到时间归一化标准曲线L,所述时间归一化标准曲线L的电压取值范围记为[UA,UB];S5,对待测电池进行恒流放电,获得待测电池的相关参数;S6,根据时间归一化标准曲线L以及待测电池的相关参数,判定待测电池的健康度。
Description
技术领域
本发明涉及电池健康度检测技术领域,具体涉及一种电池健康度检测方法与装置。
背景技术
蓄电池健康度SOH指的是在标准条件下蓄电池从充满状态以一定倍率放电到截止电压所放出的容量与其所对应的标称容量的比值,即SOH=电池的实际容量/电池的标称容量。蓄电池健康度SOH反应了蓄电池劣化程度。为了获得蓄电池健康度SOH,就应当测试或估算蓄电池的实际容量。目前,测试蓄电池实际容量业内唯一公认的可靠方法为直接放电法,即利用负载让蓄电池实际放电一次,测出实际放电量,然而直接放电法要消耗大量的时间、人力和财力资源,往往不适合实际生产需求,因此,业内开发了许多可替代直接放电法的测试或估算方法,如内阻法、电化学阻抗分析法、艾琳方程模型法等。公开号为CN108427076A的中国发明专利申请公开了一种动力电池SOH估算方法,通过对不同放电率情况下以及不同老化程度情况下的充放电过程的UT数据进行归一化处理,得到归一化电池电压与SOC的变化曲线,从而估算出电池的SOH值,并通过均值化处理提高了SOH估算的准确性,实现了对通用性和准确性的兼顾,然而,该估算方法需要收集充放电两种过程的UT数据,大大增加了测试时间,提升了测试成本。
发明内容
本发明的目的在于提供一种电池健康度检测方法与装置,其可不受电池类型与批次的限制,大大提升检测模型的可应用范围。本发明基于蓄电池放电状态建模,获取了适用于待测电池的时间归一化曲线。通过该曲线,可以获得蓄电池放电过程中的电压参考值。通过比较电压参考值与实测值的差异大小,来反应蓄电内部状态的偏离程度,以此判断蓄电池内部的电化学反应条件是否发生变化,进而判断蓄电的健康度。该方法具备测试快速、结果准确的特点。
为实现上述目的,本发明通过如下技术方案实现:
本发明提供一种电池健康度检测方法与装置,包括如下检测步骤:
S1,对N个与待测电池同类型的样本电池进行恒流放电测试,获得N组电压时序数据urr1、urr2...urrN;
S2,构造针对每组电压时序数据的各自独立适用的时间归一化公式;
S3,根据所述时间归一化公式对N组电压时序数据分别进行时间归一化,根据时间归一化后的N组电压时序数据绘制点集图,得到一条收敛轨迹;
S4,对所述收敛轨迹进行数据拟合得到时间归一化标准曲线L,所述时间归一化标准曲线L的电压取值范围记为[UA,UB];
S5,对待测电池进行恒流放电,获得待测电池的相关参数;
S6,根据时间归一化标准曲线L以及待测电池的相关参数,判定待测电池的健康度。
进一步地,所述N组电压时序数据urr1、urr2...urrN为N个样本电池在电压平稳下降期内的电压时序数据。
进一步地,每组所述电压时序数据由每个样本电池在恒流放电测试中测得的一系列ut数据构成,所述N的取值为大于零的整数。
进一步地,所述S2还包括如下步骤:
根据获得N组电压时序数据urr1、urr2...urrN绘制点集图,将N组电压时序数据urr1、urr2...urrN分别投影至电压轴,得到N个电压轴上的投影区间,将所述N个电压轴上的投影区间在电压轴上的最大重合区间记作[U1,U2],其中U1<U2,在区间[U1,U2]中任取两点u1和u2,所述u1和u2满足U1≤u1<u2≤U2,过点u1和u2分别做时间轴的平行线s1和s2,则每组电压时序数据中的t数据在平行线s1和s2之间具有最大t值tmx以及最小t值tmn;根据每组电压时序数据urr1、urr2...urrN各自独立适用的tmx和tmn,构造针对每组电压时序数据的各自独立适用的时间归一化公式,所述时间归一化公式为:
其中,tg为时间归一化后的T轴时间取值,t为每组电压时序数据的所有时间取值。
进一步地,所述S2还包括如下步骤:
利用所述N组电压时序数据urr1、urr2...urrN绘制出由N条样本电池折线构成的折线图,则所述平行线s1和s2会与各条样本电池折线分别相交于2个点,其中,与直线s1交点坐标中的t值记为tmx,与直线s2交点坐标中的t值记为tmn。
进一步地,所述S3获得的收敛轨迹具有如下特点:所述平行线s1和s2内所限定的电压时序数据归一化到区间[0,1]内,所述平行线s1和s2外的电压时序数据归一化到区间[0,1]外。
进一步地,所述S4中采用的数据拟合方法为机器学习回归算法、感知机、多层感知机(俗称:神经网络)、最小二乘法、线性拟合、多项式拟合、指数拟合以及高斯拟合中的任意一种或几种。
进一步地,所述S5还包括如下步骤:对所述待测电池进行恒流放电测试,任取一段待测电池在电压平稳下降期内的时段[t1,t2],所述t1所对应的电压UC为起始电压,所述t2所对应的电压UD为终止电压,所述起始电压UC终止电压UD满足[UC,UD]∈[UA,UB],记录待测电池在时段[t1,t2]的电压时序数据arr。
进一步地,所述待测电池在电压平稳下降期内获得的电压时序数据需要进行数据预处理,所述数据预处理的方法为指数平滑、卡尔曼滤波以及移动平均中的任意一种或几种。
进一步地,所述S6还包括如下步骤:在归一化曲线方程L中截取电压从UC到UD的曲线段,记作L1,为了方便后面计算,将L1的时间轴缩放平移到[0,1],得到的曲线方程记作L2,构造针对电压序列数据arr的归一化公式:
上式中t1与t2为时段[t1,t2]的端点值,t为所述arr序列内的时间值,tg1为归一化后的时间值。将时间电压序列数据arr的时间值经过本节所述的公式进行归一化后代入曲线L2,得到电压参考值序列,记作urr,并将urr与arr相应的时间值对应的电压值进行比较,根据所述比较得到的差异度即可判定电池的健康度。
进一步地,所述urr与arr相应的时间值对应的电压值进行比较的方法为cos度量、欧式距离损失、卡方检验、T检验、F检验、方差分析、相关系数中的任意一种或几种。
进一步地,所述电池可以是铅酸电池、镍氢电池、锂离子电池、镍镉电池、钠硫电池、镍锌电池中的任意一种或几种。
进一步地,所述UA为所述收敛轨迹的所有电压时序数据中的最小电压值,所述UB为所述收敛轨迹的所有电压时序数据中的最大电压值。
一种电池健康度检测装置,包括:模型建立模块1、待测电池检测模块2和待测电池健康度检测模块3;
所述模型建立模块1,用于收集样本电池在恒流放电条件下相关参数,并根据所述电池可使用时长和容量检测方法中的步骤S1-S4得到时间归一化标准曲线L以及所述时间归一化标准曲线L的电压取值范围[UA,UB]。
所述待测电池检测模块2,用于根据所述电池健康度检测方法中的步骤S5收集记录待测电池在恒流放电条件下相关参数。
所述待测电池健康度检测模块3,用于根据所述电池健康度检测方法中的步骤S6判定待测电池的健康度。
一种存储介质,所述存储介质存储有程序,其特征在于:在所述程序被处理器运行时使得所述处理器执行前述电池健康度的检测方法。
本发明具有如下有益效果:
1、本发明的电池健康度检测方法通用性强,准确度高,耗时极短,解决了现有的电池容量测试技术无法同时兼顾通用性、准确性与快速性的技术问题。
2、本发明适用于不同容量的电池和不同的恒流放电电流的场景。
3、本发明提出了一种时间归一化公式。该公式是对共有电压区间条件的扩展,利用该公式可以使用在共有电压区间外的数据,扩大最终得到归一化曲线的电压范围,即,利用该公式可以更容易的获得电压范围大的时间归一化曲线。
4、本发明具有很好的适应性;其一,待测电池的放电开始阶段的电压可能会比归一化曲线的最大电压大,但是随着放电的进行,待测电池终将进入电压平稳下降区间,电压终将降低,只要电压落到归一化曲线的电压区间,就可以预测该待测电池接下来的放电情况;其二,本技术可应用包括但不限于铅酸电池、镍氢电池、锂离子电池、镍镉电池、钠硫电池、镍锌电池等等类型电池的可使用时长和容量预测。
附图说明
附图1是本发明电池健康度检测方法的流程图;
附图2是本发明步骤S2中的点集示意图;
附图3是本发明步骤S2中的折线示意图;
附图4是本发明步骤S3的收敛轨迹示意图;
附图5是本发明步骤S4经过数据拟合得到的时间归一化标准曲线L示意图;
附图6是本发明步骤S5待测电池检测过程示意图;
附图7是本发明步骤S6中的曲线L2的示意图;
附图8是本发明步骤S6所述电压参考值序列urr与测量值arr的差异度示意图;
附图9是本发明电池健康度检测装置的结构示意图。
图中附图标记表示为:
1、模型建立模块;2、待测电池检测模块;3、待测电池健康度检测模块。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
根据本发明实施例,提供了电池可使用时长和容量预测方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的电池可使用时长和容量预测方法的流程图,如图1所示,该方法包括两个阶段,第一个阶段为时间归一化曲线模型建立阶段,一般在实验室中进行;第二个阶段为待测电池健康度检测阶段,一般在待测电池健康度检测现场中进行。
所述第一个阶段包括以下步骤:
S1,对N个与待测电池同类型的样本电池进行恒流放电测试,获得N组电压时序数据urr1、urr2...urrN。
具体地,基于电池放电原理可知,在恒流放电过程中,电池会先经历电压剧烈变化期再进入电压平稳下降期,因此,在步骤S1中,需要剔除每个样本电池在放电初期中的电压剧烈变化期的数据,因此,所述N组电压时序数据urr1、urr2...urrN即为N个样本电池在电压平稳下降期内的电压时序数据。
进一步地,每组电压时序数据由每个样本电池在恒流放电中测得的一系列ut(即电压时间,简称ut)数据构成。
进一步地,所述N的取值为大于零的整数。
S2,构造针对每组电压时序数据的各自独立适用的时间归一化公式。
具体地,如图2所示,根据获得N组电压时序数据urr1、urr2...urrN绘制点集图,将N组电压时序数据urr1、urr2...urrN分别投影至电压轴,得到N个电压轴上的投影区间,将所述N个电压轴上的投影区间在电压轴上的最大重合区间记作[U1,U2],其中U1<U2,在区间[U1,U2]中任取两点u1和u2,所述u1和u2满足U1≤u1<u2≤U2,过点u1和u2分别做时间轴的平行线s1和s2,则每组电压时序数据中的t数据在平行线s1和s2之间具有最大t值tmx以及最小t值tmn;
所述最大t值tmx以及最小t值tmn可利用如下方法获得,如图3所示,利用所述N组电压时序数据urr1、urr2...urrN绘制出由N条样本电池折线构成的折线图,则所述平行线s1和s2会与各条样本电池折线分别相交于2个点,其中,与直线s1交点坐标中的t值记为tmx,与直线s2交点坐标中的t值记为tmn,因此,每组电压时序数据urr1、urr2...urrN都有各自独立适用的tmx和tmn。图3中还演示了N条样本电池折线中2个样本电池折线对应的tmx和tmn如何进行取值,其中,tmx1和tmn1为接近最下方的样本电池折线所对应的电压时序数据的最大t值与最小t值,tmx2和tmn2为接近最上方的样本电池折线所对应的电压时序数据的最大t值与最小t值。
根据每组电压时序数据urr1、urr2...urrN各自独立适用的tmx和tmn,构造针对每组电压时序数据的各自独立适用的时间归一化公式,所述时间归一化公式为:
其中,tg为时间归一化后的T轴时间取值,t为每组电压时序数据的所有时间取值;
S3,根据所述时间归一化公式对N组电压时序数据分别进行时间归一化,根据时间归一化后的N组电压时序数据绘制点集图,得到一条收敛轨迹。
时间归一化后的N组电压时序数据绘制的点集图如图4所示,其中,平行线s1和s2内所限定的电压时序数据归一化到区间[0,1]内,平行线s1和s2外的电压时序数据归一化到区间[0,1]外。
S4,对所述收敛轨迹进行数据拟合得到时间归一化标准曲线L,所述时间归一化标准曲线L的电压取值范围记为[UA,UB]。
具体地,所述数据拟合若为最小二乘法,具体步骤如下:
设有一条一元多项式曲线L,所述收敛轨迹上的电压时序数据点到曲线L的差异之和最小,设曲线L的方程为:
其中,k为大于0的整数,多项式的阶数为k-1;β为多项式的系数,u的取值范围记为u∈[UA,UB],UA为所述收敛轨迹的所有电压时序数据中的最小电压值,UB为所述收敛轨迹的所有电压时序数据中的最大电压值;
曲线L的系数矩阵可由下式求得:
β=(XTX)-1XTY
其中,X为电压时序数据的时间t的多项式矩阵,Y为t对应的电压U组成的列向量。X的形式如下:
经过数据拟合得到的时间归一化标准曲线L,如图5所示。
具体地,所述数据拟合还可以采用机器学习的各种回归算法、感知机、多层感知机(俗称:神经网络)、最小二乘法、线性拟合、多项式拟合、指数拟合以及高斯拟合等数据拟合法。
时间归一化标准曲线L的取值范围[UA,UB]决定了该时间归一化标准曲线L可预测的电压范围,并且由电池电化学性质决定了电池的放电电压有大致的范围;因此,只要收集足够多的放电电压范围大的同类型电池恒流放电数据,就能使时间归一化标准曲线L可预测的电压范围变得更广,大大提升本预测方法的通用性。
所述第二个阶段结合所述的时间归一化标准曲线L,通过对待测电池进行短时间的恒流放电,获得少量的电压时序数据即可求得待测电池的健康度,具体包括以下步骤:
S5,对待测电池进行恒流放电测试,获得待测电池的相关参数。
具体地,如图6所示,对所述待测电池进行恒流放电测试,任取一段待测电池在电压平稳下降期内的时段[t1,t2],所述t1所对应的电压UC为起始电压,所述t2所对应的电压UD为终止电压,所述起始电压UC终止电压UD满足[UC,UD]∈[UA,UB],记录待测电池在时段[t1,t2]的电压时序数据arr。
进一步地,由于仪器设备的精度等问题,测量得到的电压时序数据会存在一定的误差,因此需要对所测的电压时序数据arr进行数据预处理,所述数据预处理的方法包括但不限于指数平滑、卡尔曼滤波及移动平均等。
S6,根据时间归一化标准曲线L以及待测电池的相关参数,判定待测电池的健康度。
在归一化曲线方程L中截取电压从UC到UD的曲线段,记作L1,为了方便后面计算,将L1的时间轴缩放平移到[0,1],得到的曲线方程记作L2,如图7所示。
构造针对电压序列数据arr的归一化公式:
上式中t1与t2为时段[t1,t2]的端点值,t为所述arr序列内的时间值,tg1为归一化后的时间值。将时间电压序列数据arr的时间值经过本节所述的公式进行归一化后代入曲线L2,得到电压参考值序列,记作urr,并将urr与arr相应的时间值对应的电压值进行比较。根据所述比较得到的差异度即可判定电池的健康度。比较两组数据的差异度的方法有很多,比如:cos度量、欧式距离损失、卡方检验、T检验、F检验、方差分析、相关系数等等。
下面以cos度量所述差异,所述cos度量公式如下:
上式中,Α、Β的位置可以互换。Α为经归一化的UT数据序列的电压U序列,Β为通过经归一化的UT数据序列的时间t在标准归一化曲线上得到的标准参考电压值序列。分子为Α、Β的点积,分母为Α、Β的模长乘积。cos值得范围为[-1,1],-1负相关,1正相关,0不相关,cos的绝对值越大,相关性越强。图8即电压参考值序列urr与测量值arr的差异度示意图。
进一步地,所述电池可以是铅酸电池、镍氢电池、锂离子电池、镍镉电池、钠硫电池、镍锌电池等各类电池。
根据本发明另一实施例,提供了电池健康度检测装置的实施例,如图9所示,所述电池健康度检测装置,包括:模型建立模块1、待测电池检测模块2和待测电池健康度检测模块3。下面对该电池可使用时长和容量预测装置进行详细说明。
模型建立模块1,用于收集样本电池在恒流放电条件下相关参数,并根据所述电池可使用时长和容量检测方法中的步骤S1-S4得到时间归一化标准曲线L以及所述时间归一化标准曲线L的电压取值范围[UA,UB]。
待测电池检测模块2,用于根据所述电池健康度检测方法中的步骤S5收集记录待测电池在恒流放电条件下相关参数。
待测电池健康度检测模块3,用于根据所述电池健康度检测方法中的步骤S6判定待测电池的健康度。
根据本发明另一实施例,还提供了一种存储介质,存储介质存储有程序,其中,在程序被处理器运行时使得处理器执行上述中任意一项的电池健康度检测方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电池健康度的检测方法,其特征在于,包括如下检测步骤:
S1,对N个与待测电池同类型的样本电池进行恒流放电测试,获得N组电压时序数据urr1、urr2...urrN,根据获得N组电压时序数据urr1、urr2...urrN绘制点集图,将N组电压时序数据urr1、urr2...urrN分别投影至电压轴,得到N个电压轴上的投影区间,将所述N个电压轴上的投影区间在电压轴上的最大重合区间记作[U1,U2],其中U1<U2,在区间[U1,U2]中任取两点u1和u2,所述u1和u2满足U1≤u1<u2≤U2,过点u1和u2分别做时间轴的平行线s1和s2,所述平行线s1和s2会与各条样本电池折线分别相交于2个点,其中,与直线s1交点坐标中的t值记为tmx,与直线s2交点坐标中的t值记为tmn,则每组电压时序数据中的t数据在平行线s1和s2之间具有最大t值tmx以及最小t值tmn;
S2,根据每组电压时序数据urr1、urr2...urrN各自独立适用的tmx和tmn,构造针对每组电压时序数据的各自独立适用的时间归一化公式,所述时间归一化公式为:
其中,tg为时间归一化后的T轴时间取值,t为每组电压时序数据的所有时间取值;
S3,根据所述时间归一化公式对N组电压时序数据分别进行时间归一化,根据时间归一化后的N组电压时序数据绘制点集图,得到一条收敛轨迹;
S4,对所述收敛轨迹进行数据拟合得到时间归一化标准曲线L,所述时间归一化标准曲线L的电压取值范围记为[UA,UB];其中,UA为所述收敛轨迹的所有电压时序数据中的最小电压值,UB为所述收敛轨迹的所有电压时序数据中的最大电压值;
S5,对待测电池进行恒流放电,获得待测电池的相关参数,其中,对所述待测电池进行恒流放电测试具体为:任取一段待测电池在电压平稳下降期内的时段[t1,t2],所述t1所对应的电压UC为起始电压,所述t2所对应的电压UD为终止电压,所述起始电压UC终止电压UD满足[UC,UD]∈[UA,UB],记录待测电池在时段[t1,t2]的电压时序数据arr;
S6,根据时间归一化标准曲线L以及待测电池的相关参数,判定待测电池的健康度,其中,在归一化曲线方程L中截取电压从UC到UD的曲线段,记作L1,为了方便后面计算,将L1的时间轴缩放平移到[0,1],得到的曲线方程记作L2,构造针对电压时序数据arr的归一化公式:
上式中t1与t2为时段[t1,t2]的端点值,t为arr序列内的时间值,tg1为归一化后的时间值;将电压时序数据arr的时间值经过所述针对电压时序数据arr的归一化公式进行归一化后代入曲线L2,得到电压参考值序列,记作urr’,并将urr’与arr相应的时间值对应的电压值进行比较,根据所述比较得到的差异度即可判定电池的健康度。
2.如权利要求1所述的一种电池健康度的检测方法,其特征在于:所述N组电压时序数据urr1、urr2...urrN为N个样本电池在电压平稳下降期内的电压时序数据。
3.如权利要求1或2所述的一种电池健康度的检测方法,其特征在于:每组所述电压时序数据由每个样本电池在恒流放电测试中测得的一系列ut数据构成,所述N的取值为大于零的整数。
4.如权利要求1所述的一种电池健康度的检测方法,其特征在于:所述S3获得的收敛轨迹具有如下特点:平行线s1和s2内所限定的电压时序数据归一化到区间[0,1]内,所述平行线s1和s2外的电压时序数据归一化到区间[0,1]外。
5.如权利要求1所述的一种电池健康度的检测方法,其特征在于:所述S4中采用的数据拟合方法为机器学习回归算法、感知机、多层感知机、最小二乘法、线性拟合、多项式拟合、指数拟合以及高斯拟合中的任意一种或几种。
6.如权利要求1所述的一种电池健康度的检测方法,其特征在于:所述待测电池在电压平稳下降期内获得的电压时序数据需要进行数据预处理,所述数据预处理的方法为指数平滑、卡尔曼滤波以及移动平均中的任意一种或几种。
7.如权利要求1所述的一种电池健康度的检测方法,其特征在于:所述urr’与arr相应的时间值对应的电压值进行比较的方法为cos度量、欧式距离损失、卡方检验、T检验、F检验、方差分析、相关系数中的任意一种或几种。
8.如权利要求1所述的一种电池健康度的检测方法,其特征在于:所述电池可以是铅酸电池、镍氢电池、锂离子电池、镍镉电池、钠硫电池、镍锌电池中的任意一种或几种。
9.一种电池健康度检测装置,包括:模型建立模块1、待测电池检测模块2和待测电池健康度检测模块3;
所述模型建立模块1,用于采集N个与待测电池同类型的样本电池进行恒流放电测试获得的N组电压时序数据urr1、urr2...urrN,根据获得N组电压时序数据urr1、urr2...urrN绘制点集图,将N组电压时序数据urr1、urr2...urrN分别投影至电压轴,得到N个电压轴上的投影区间,将所述N个电压轴上的投影区间在电压轴上的最大重合区间记作[U1,U2],其中U1<U2,在区间[U1,U2]中任取两点u1和u2,所述u1和u2满足U1≤u1<u2≤U2,过点u1和u2分别做时间轴的平行线s1和s2,所述平行线s1和s2会与各条样本电池折线分别相交于2个点,其中,与直线s1交点坐标中的t值记为tmx,与直线s2交点坐标中的t值记为tmn,则每组电压时序数据中的t数据在平行线s1和s2之间具有最大t值tmx以及最小t值tmn;根据每组电压时序数据urr1、urr2...urrN各自独立适用的tmx和tmn,构造针对每组电压时序数据的各自独立适用的时间归一化公式,所述时间归一化公式为:
其中,tg为时间归一化后的T轴时间取值,t为每组电压时序数据的所有时间取值;
根据所述时间归一化公式对N组电压时序数据分别进行时间归一化,根据时间归一化后的N组电压时序数据绘制点集图,得到一条收敛轨迹;对所述收敛轨迹进行数据拟合得到时间归一化标准曲线L,所述时间归一化标准曲线L的电压取值范围记为[UA,UB],其中,UA为所述收敛轨迹的所有电压时序数据中的最小电压值,UB为所述收敛轨迹的所有电压时序数据中的最大电压值;
所述待测电池检测模块2,用于对待测电池进行恒流放电,获得待测电池的相关参数,其中,对所述待测电池进行恒流放电测试具体为:任取一段待测电池在电压平稳下降期内的时段[t1,t2],所述t1所对应的电压UC为起始电压,所述t2所对应的电压UD为终止电压,所述起始电压UC终止电压UD满足[UC,UD]∈[UA,UB],记录待测电池在时段[t1,t2]的电压时序数据arr;
所述待测电池健康度检测模块3,用于根据时间归一化标准曲线L以及待测电池的相关参数,判定待测电池的健康度,其中,在归一化曲线方程L中截取电压从UC到UD的曲线段,记作L1,为了方便后面计算,将L1的时间轴缩放平移到[0,1],得到的曲线方程记作L2,构造针对电压时序数据arr的归一化公式:
上式中t1与t2为时段[t1,t2]的端点值,t为arr序列内的时间值,tg1为归一化后的时间值;将电压时序数据arr的时间值经过所述针对电压时序数据arr的归一化公式进行归一化后代入曲线L2,得到电压参考值序列,记作urr’,并将urr’与arr相应的时间值对应的电压值进行比较,根据所述比较得到的差异度即可判定电池的健康度。
10.一种存储介质,所述存储介质存储有程序,其特征在于:在所述程序被处理器运行时使得所述处理器执行权利要求1至8中任意一项所述的一种电池健康度的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162616.5A CN113820615B (zh) | 2021-09-30 | 2021-09-30 | 一种电池健康度检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162616.5A CN113820615B (zh) | 2021-09-30 | 2021-09-30 | 一种电池健康度检测方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113820615A CN113820615A (zh) | 2021-12-21 |
CN113820615B true CN113820615B (zh) | 2024-05-07 |
Family
ID=78920109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111162616.5A Active CN113820615B (zh) | 2021-09-30 | 2021-09-30 | 一种电池健康度检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113820615B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114355222A (zh) * | 2021-12-23 | 2022-04-15 | 厦门大学 | 基于电压曲线的电池健康状态估计方法、装置及可读介质 |
CN114487848B (zh) * | 2022-01-17 | 2024-05-03 | 北京和利时系统集成有限公司 | 一种蓄电池的状态计算方法和装置 |
CN114486245B (zh) * | 2022-03-31 | 2024-04-23 | 东风汽车集团股份有限公司 | 一种试验方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9157968B1 (en) * | 2011-02-22 | 2015-10-13 | Securaplane Technologies, Inc. | System and method for characterizing the health of a rechargeable battery |
CN107329094A (zh) * | 2017-08-23 | 2017-11-07 | 北京新能源汽车股份有限公司 | 动力电池健康状态估算方法及装置 |
CN107797070A (zh) * | 2017-10-24 | 2018-03-13 | 北京普莱德新能源电池科技有限公司 | 动力电池健康状态的评估方法及评估装置 |
CN108427076A (zh) * | 2018-02-12 | 2018-08-21 | 国网江西省电力有限公司电力科学研究院 | 一种动力电池soh估算方法 |
CN108646189A (zh) * | 2018-05-08 | 2018-10-12 | 国网陕西省电力公司电力科学研究院 | 一种面向铅酸蓄电池剩余容量预测的libsvm建模方法 |
CN110068774A (zh) * | 2019-05-06 | 2019-07-30 | 清华四川能源互联网研究院 | 锂电池健康状态的估计方法、装置及存储介质 |
CN112699998A (zh) * | 2021-03-25 | 2021-04-23 | 北京瑞莱智慧科技有限公司 | 一种时间序列预测方法、装置、电子设备及可读存储介质 |
CN112858918A (zh) * | 2021-01-15 | 2021-05-28 | 长沙理工大学 | 基于优化多因子的动力锂离子电池健康状态在线估计策略 |
CN113419187A (zh) * | 2021-06-08 | 2021-09-21 | 上海交通大学 | 一种锂离子电池健康估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL293176B2 (en) * | 2019-11-20 | 2023-10-01 | Dekra Se | A method for determining the state value of a traction battery |
-
2021
- 2021-09-30 CN CN202111162616.5A patent/CN113820615B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9157968B1 (en) * | 2011-02-22 | 2015-10-13 | Securaplane Technologies, Inc. | System and method for characterizing the health of a rechargeable battery |
CN107329094A (zh) * | 2017-08-23 | 2017-11-07 | 北京新能源汽车股份有限公司 | 动力电池健康状态估算方法及装置 |
CN107797070A (zh) * | 2017-10-24 | 2018-03-13 | 北京普莱德新能源电池科技有限公司 | 动力电池健康状态的评估方法及评估装置 |
CN108427076A (zh) * | 2018-02-12 | 2018-08-21 | 国网江西省电力有限公司电力科学研究院 | 一种动力电池soh估算方法 |
CN108646189A (zh) * | 2018-05-08 | 2018-10-12 | 国网陕西省电力公司电力科学研究院 | 一种面向铅酸蓄电池剩余容量预测的libsvm建模方法 |
CN110068774A (zh) * | 2019-05-06 | 2019-07-30 | 清华四川能源互联网研究院 | 锂电池健康状态的估计方法、装置及存储介质 |
CN112858918A (zh) * | 2021-01-15 | 2021-05-28 | 长沙理工大学 | 基于优化多因子的动力锂离子电池健康状态在线估计策略 |
CN112699998A (zh) * | 2021-03-25 | 2021-04-23 | 北京瑞莱智慧科技有限公司 | 一种时间序列预测方法、装置、电子设备及可读存储介质 |
CN113419187A (zh) * | 2021-06-08 | 2021-09-21 | 上海交通大学 | 一种锂离子电池健康估计方法 |
Non-Patent Citations (2)
Title |
---|
基于归一化拟合的电池剩余放电预测问题研究;陈辉等;《重庆科技学院学报(自然科学版)》;20170415;第19卷(第02期);121-125 * |
基于改进型极限学习机的锂离子电池健康状态预测;史永胜等;《电子器件》;20200620(第03期);107-112 * |
Also Published As
Publication number | Publication date |
---|---|
CN113820615A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113820615B (zh) | 一种电池健康度检测方法与装置 | |
CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
CN110031770B (zh) | 一种快速得到电池包中所有单体电池容量的方法 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN111398833A (zh) | 一种电池健康状态评估方法和评估系统 | |
Cai et al. | An estimation model for state of health of lithium-ion batteries using energy-based features | |
CN113484764B (zh) | 基于多维阻抗谱的退役电池soh和一致性的评估方法 | |
CN114035095B (zh) | 基于电压曲线拐点识别的锂电池soh估计方法、介质及设备 | |
CN112180258A (zh) | 电池平均库伦效率的测定方法、装置、介质、终端、及系统 | |
US20230384384A1 (en) | Method and device for nondestructive detection of electrode lithium intercalation of lithium ion battery, and battery management system therewith | |
CN114720899A (zh) | 退役电池梯次利用分选方法及系统、电子设备、存储介质 | |
CN116930794A (zh) | 电池容量更新方法、装置、电子设备及存储介质 | |
CN116224073A (zh) | 电池soc估计方法、装置、设备、电池模组及存储介质 | |
CN116203490A (zh) | 传感器故障诊断方法、装置、设备及存储介质 | |
CN113447840B (zh) | 锂离子电池分选方法和装置 | |
CN114879066A (zh) | 一种电池包一致性评估方法及系统 | |
CN112748348B (zh) | 电池低温性能分布水平检测方法、系统及存储介质 | |
CN114184972A (zh) | 数据驱动与电化学机理结合的电池soh自动估计方法及设备 | |
CN114130713A (zh) | 一种电池梯次利用的筛选方法及装置 | |
CN112649735A (zh) | 一种快速得到电池包总容量的方法 | |
CN115902677A (zh) | 一种锂离子电池直流内阻参数的获取方法 | |
US20240006670A1 (en) | Battery management apparatus and method | |
US20230236264A1 (en) | Methods, systems and terminal devices for analyzing cell states based on cell parameters | |
CN118011240B (zh) | 电池的一致性的评估方法、装置、存储介质和计算机设备 | |
CN117388712A (zh) | 一种基于递归图分析的锂电池健康状态评估预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |