CN115510648A - 一种锂电池电芯实际容量和电芯健康度识别方法和系统 - Google Patents
一种锂电池电芯实际容量和电芯健康度识别方法和系统 Download PDFInfo
- Publication number
- CN115510648A CN115510648A CN202211179631.5A CN202211179631A CN115510648A CN 115510648 A CN115510648 A CN 115510648A CN 202211179631 A CN202211179631 A CN 202211179631A CN 115510648 A CN115510648 A CN 115510648A
- Authority
- CN
- China
- Prior art keywords
- working condition
- electrochemical model
- data set
- loss function
- simulation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000036541 health Effects 0.000 title claims abstract description 70
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 51
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 51
- 238000004088 simulation Methods 0.000 claims abstract description 137
- 238000012545 processing Methods 0.000 claims abstract description 59
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000004140 cleaning Methods 0.000 claims abstract description 11
- 239000007790 solid phase Substances 0.000 claims description 53
- 102000015097 RNA Splicing Factors Human genes 0.000 claims description 32
- 108010039259 RNA Splicing Factors Proteins 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 12
- 230000001172 regenerating effect Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 230000032683 aging Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 230000001276 controlling effect Effects 0.000 abstract 1
- 230000001105 regulatory effect Effects 0.000 abstract 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 6
- 229910001416 lithium ion Inorganic materials 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 239000007773 negative electrode material Substances 0.000 description 4
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种锂电池电芯实际容量和电芯健康度识别方法和系统，其方法包括步骤：从电池实际工况数据中清洗出至少两条实际工况数据集；根据实际工况数据集、电化学模型、第一损失函数、第二损失函数、第三损失函数，分别对电化学模型参数集进行第一参数辨识处理、第二参数辨识处理，最终得到第二目标电化学模型参数集；根据输入第二目标电化学模型参数集后电化学模型输出的第二仿真工况数据集，计算相应电芯的电芯实际容量和电芯健康度。本发明可以精确计算锂电池中各个电芯的电芯实际容量和电芯健康度，便于后续对电站运行参数进行调控。
Description
技术领域
本发明涉及锂电池电化学模型技术领域，特别涉及一种锂电池电芯实际容量和电芯健康度识别方法和系统。
背景技术
在进行锂电池电站工况管理的过程中，需要获知各个电芯的实际容量和SOH值，但是在电站中实际工作过程中，电芯会伴随电站工作时长增加后发生老化，即使针对电池包进行放电测试，也难以获知每个电芯的实际电芯容量。
由于电站运行过程导致的电芯不一致性，使在测量电芯容量时只能测得容量最差电芯的容量，这导致进行锂电池电站工况管理的过程时，难以通过直接测试的方法直接获取电池包中每个电芯的实际容量和SOH值。
因此目前需要一种锂电池电芯实际容量和电芯健康度识别方法，基于电池实际工况进行电化学模型参数辨识后，根据电化学模型仿真数据生成锂电池中各个电芯的电芯实际容量和电芯健康度。
发明内容
为解决目前无法精确测得电站各个电芯实际容量和健康度的技术问题，本发明提供一种锂电池电芯实际容量和电芯健康度识别方法和系统，具体的技术方案如下：
本发明提供一种锂电池电芯实际容量和电芯健康度识别方法，包括步骤：
获取电池实际工况数据，从所述电池实际工况数据中清洗出至少两条实际工况数据集，所述实际工况数据集中包括一条实际工况主数据集和至少一条实际工况辅数据集；
根据所述实际工况主数据集、预设的电化学模型、预设的第一损失函数和预设的第二损失函数，对电化学模型参数进行第一参数辨识处理得到第一目标电化学模型参数集；
根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集；
根据每个电芯预设的测量工况，控制输入所述第二目标电化学模型参数集后的所述电化学模型输出对应的第二仿真工况数据集，并根据各个所述第二仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度。
本发明提供的锂电池电芯实际容量和电芯健康度识别方法结合电池实际工况数据中实际工况主数据集对电化学模型进行第一参数辨识处理，并结合电池实际工况数据中实际工况辅数据集对电化学模型进行第二参数辨识处理，基于经过第一参数辨识处理和第二参数辨识处理后的电化学模型参数进行模拟仿真，根据仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度，解决由于电芯不一致性导致即便通过测试也无法获知电池包中每个电芯的电芯实际容量和电芯健康度的技术问题，实现通过一次测量便精确地获取电池包所有电芯的电芯实际容量和电芯健康度的技术效果。
在一些实施方式中，所述的根据所述实际工况主数据集、预设的电化学模型、预设的第一损失函数和预设的第二损失函数，对电化学模型参数进行第一参数辨识处理得到第一目标电化学模型参数集，具体包括：
控制所述电化学模型在训练过程中，根据随机生成的第三目标电化学模型参数集模拟得到第三仿真工况数据集；
基于所述第一损失函数计算所述实际工况主数据集和所述第三仿真工况数据集之间的第一损失函数结果值；
基于所述第二损失函数计算根据历史第三目标电化学模型参数集仿真得到的所述第三仿真工况数据集中电池容量，和根据当前第三目标电化学模型参数集仿真得到的所述第三仿真工况数据集中电池容量之间的第二损失函数结果值；
在所述第一损失函数结果值大于预设的第一损失函数结果阈值，或，所述第二损失函数结果值大于预设的第二损失函数结果阈值时，将当前所述第三目标电化学模型参数集存储至历史第三目标电化学模型参数集数据库中，并重新生成所述第三目标电化学模型参数集，所述历史第三目标电化学模型参数集数据库中存储有若干历史第三目标电化学模型参数集；
在所述第一损失函数结果值不大于所述第一损失函数结果阈值，并且，所述第二损失函数结果值不大于所述第二损失函数结果阈值时，将所述第三目标电化学模型参数集作为所述第一目标电化学模型参数集。
本发明提供的锂电池电芯实际容量和电芯健康度识别方法公开一种同时根据第一损失函数和第二损失函数进行第一参数辨识处理的具体方案，提高第一参数辨识处理的辨识精度。
在一些实施方式中，所述第一损失函数包括电压均方差损失函数，所述的基于所述第一损失函数计算所述实际工况主数据集和所述第三仿真工况数据集之间的第一损失函数结果值，具体包括：
计算所述实际工况主数据集和所述第三仿真工况数据集之间的电压均方误差作为所述第一损失函数结果值，公式如下：
其中Vsim,i为所述第三仿真工况数据集中第i个采样点的模型仿真输出电压值，Vreal,i为所述实际工况主数据集第i个采样点的实测电压值，N为电压数据的个数。
在一些实施方式中，所述第二损失函数包括容量收敛系数损失函数，所述的基于所述第二损失函数计算根据历史第三目标电化学模型参数集仿真得到的所述第三仿真工况数据集中电池容量，和根据当前第三目标电化学模型参数集仿真得到的所述第三仿真工况数据集中电池容量之间的第二损失函数结果值，具体包括：
对历史所述第三目标电化学模型参数集进行参数标准化后，计算通过所述电化学模型根据历史所述第三目标电化学模型参数集仿真得到的电池容量；
对当前所述第三目标电化学模型参数集进行参数标准化后，计算通过所述电化学模型根据当前所述第三目标电化学模型参数集仿真得到的电池容量；
计算历史所述第三目标电化学模型参数集仿真得到的电池容量和当前所述第三目标电化学模型参数集仿真得到的电池容量之间的所述容量收敛系数，公式如下：
其中δ为所述容量收敛系数，Cmax,k-1为根据历史所述第三目标电化学模型参数集仿真得到的电池容量，Cmax,k为根据当前所述第三目标电化学模型参数集仿真得到的电池容量。
在一些实施方式中，所述第三损失函数包括电压差值损失函数，所述的根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体包括：
分别调整所述第一仿真工况数据集中固相正负极初始浓度与各条所述实际工况辅数据集中固相正负极初始浓度相同；
分别计算各条所述实际工况辅数据集中输出的第一个电压值和调整固相正负极初始浓度后所述第一仿真工况数据集中输出的第一个电压值之间的电压差值，作为所述第三损失函数结果值，公式如下：
|Vsim,1-Vreal,1|；
其中Vsim,1为所述第一仿真工况数据集中输出的第一个电压值，Vreal,1为所述实际工况辅数据集中第一个电压值；
在任意所述实际工况辅数据集对应的所述第三损失函数结果值大于预设的电压差值阈值时，重新生成所述第一目标电化学模型参数集；
在各条所述实际工况辅数据集对应的所述第三损失函数结果值均不大于所述电压差值阈值时，输出所述第二电化学模型参数集作为所述第二参数辨识处理的辨识结果。
在一些实施方式中，所述第三损失函数还包括电压均方差损失函数，所述的根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体还包括：
分别调整所述第一仿真工况数据集中固相正负极初始浓度与各条所述实际工况辅数据集中固相正负极初始浓度相同；
分别计算各条所述实际工况辅数据集和调整固相正负极初始浓度后所述第一仿真工况数据集之间的电压均方差，作为所述第三损失函数结果值；
在任意所述实际工况辅数据集对应的所述第三损失函数结果值大于预设的电压均方差阈值时，重新生成所述第一目标电化学模型参数集；
在各条所述实际工况辅数据集对应的所述第三损失函数结果值均不大于所述电压均方差阈值时，输出所述第二电化学模型参数集作为所述第二参数辨识处理的辨识结果。
在一些实施方式中，所述电化学模型中还包括拼接因子，所述拼接因子用于调整所述第一目标电化学模型参数集的固相正负极初始浓度与至少一条所述实际工况辅数据集相同；
所述的根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体还包括：
将经过所述拼接因子调整后的所述第一目标电化学模型参数集输入所述电化学模型中得到所述第一仿真工况数据集，根据电压均方差损失函数计算所述第一仿真工况数据集和各条所述参数辨识辅数据集之间的电压均方差，作为所述第三损失函数结果值；
在任意所述实际工况辅数据集对应的所述第三损失函数结果值大于预设的电压均方差阈值时，重新生成所述第一目标电化学模型参数集和所述拼接因子；
在各条所述实际工况辅数据集对应的所述第三损失函数结果值均不大于所述电压均方差阈值时，输出所述第二电化学模型参数集和所述拼接因子作为所述第二参数辨识处理的辨识结果。
在一些实施方式中，所述的根据各个所述第二仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度，具体包括：
根据各个所述第二仿真工况数据集，通过安时积分法计算各个电芯的电芯实际容量，公式如下：
Qaged＝∫Idt；
其中Qaged为各个电芯的所述电芯实际容量，I为各个电芯的当前电流；
根据各个所述第二仿真工况数据集计算各个电芯的所述电芯健康度，公式如下：
其中i为各个电芯的序号，Qaged,i为所述第二仿真工况数据集中序号为i的单体电芯老化后的所述电芯实际容量，Qrated为所述锂电池中电芯的标准容量。
在一些实施方式中，全部所述实际工况数据集中初始工况数据前均存在大于预设时长的电池静止时段；
至少一条所述实际工况数据集中SOC变化区间大于预设的SOC变化阈值；
至少一条所述实际工况数据集中包括电池弛豫阶段工况数据。
本发明提供的锂电池电芯实际容量和电芯健康度识别方法解决实际电站中电池无法清洗出恒流满充满放的数据用作参数辨识的技术问题，同时引入电压均方差误差损失函数和容量变化率误差损失函数，提高了参数辨识结果的可靠性，并通过对参数辨识结果中浓度的调整，用另一条数据集验证参数辨识结果的泛化能力，并基于参数辨识后的电化学模型参数模拟输出仿真工况数据集，一次性获得电池包中经过不同老化程度后各个电芯当前的电芯实际容量和电芯健康度，便于用户根据精确的电芯实际容量和电芯健康度调控电站运行状态。
在一些实施方式中，根据本发明的另一方面，本发明还提供一种锂电池电芯实际容量和电芯健康度识别系统，包括：
获取模块，用于获取电池实际工况数据，从所述电池实际工况数据中清洗出至少两条实际工况数据集，所述实际工况数据集中包括一条实际工况主数据集和至少一条实际工况辅数据集；
第一参数辨识模块，与所述获取模块连接，用于根据所述实际工况主数据集、预设的电化学模型、预设的第一损失函数和预设的第二损失函数，对电化学模型参数进行第一参数辨识处理得到第一目标电化学模型参数集；
第二参数辨识模块，分别与所述获取模块和所述第一参数辨识模块连接，用于根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集；
计算模块，与所述第二参数辨识模块连接，用于根据每个电芯预设的测量工况，控制输入所述第二目标电化学模型参数集后的所述电化学模型输出对应的第二仿真工况数据集，并根据各个所述第二仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度。
本发明提供的锂电池电芯实际容量和电芯健康度识别方法和系统，至少包括以下一项技术效果：
(1)结合电池实际工况数据中实际工况主数据集对电化学模型进行第一参数辨识处理，并结合电池实际工况数据中实际工况辅数据集对电化学模型进行第二参数辨识处理，基于经过第一参数辨识处理和第二参数辨识处理后的电化学模型参数进行模拟仿真，根据仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度，解决由于电芯不一致性导致即便通过测试也无法获知电池包中每个电芯的电芯实际容量和电芯健康度的技术问题，实现通过一次测量便精确地获取电池包所有电芯的电芯实际容量和电芯健康度的技术效果；
(2)解决实际电站中电池无法清洗出恒流满充满放的数据用作参数辨识的技术问题，同时引入电压均方差误差损失函数和容量变化率误差损失函数，提高了参数辨识结果的可靠性，并通过对参数辨识结果中浓度的调整，用另一条数据集验证参数辨识结果的泛化能力，并基于参数辨识后的电化学模型参数模拟输出仿真工况数据集，一次性获得电池包中经过不同老化程度后各个电芯当前的电芯实际容量和电芯健康度，便于用户根据精确的电芯实际容量和电芯健康度调控电站运行状态。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种锂电池电芯实际容量和电芯健康度识别方法的流程图；
图2为本发明一种锂电池电芯实际容量和电芯健康度识别方法中第一参数辨识处理的流程图；
图3为本发明一种锂电池电芯实际容量和电芯健康度识别方法中计算第二损失函数结果值的流程图；
图4为本发明一种锂电池电芯实际容量和电芯健康度识别方法中第二参数辨识处理的流程图；
图5为本发明一种锂电池电芯实际容量和电芯健康度识别方法中第二参数辨识处理的一个流程图；
图6为本发明一种锂电池电芯实际容量和电芯健康度识别方法中第二参数辨识处理的另一个流程图；
图7为本发明一种锂电池电芯实际容量和电芯健康度识别方法中计算电芯实际容量和电芯健康度的流程图；
图8为本发明一种锂电池电芯实际容量和电芯健康度识别系统的示例图。
图中标号：获取模块-10、第一参数辨识模块-20、第二参数辨识模块-30和计算模块-40。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘出了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
本发明的一个实施例，如图1所示，本发明提供一种锂电池电芯实际容量和电芯健康度识别方法，包括步骤：
S100获取电池实际工况数据，从电池实际工况数据中清洗出至少两条实际工况数据集。
具体地，实际工况数据集中包括一条实际工况主数据集和至少一条实际工况辅数据集，在清洗数据过程中理想数据为锂电池不同工况时恒流状态下SOC由100％～0％的连续数据，但是在实际电站工作过程中，难以清洗出上述理想数据，因此只能清洗出多条实际工况数据集用于参数辨识，将多条实际工况数据集中SOC变化范围最大的数据集作为实际工况主数据集，其余作为实际工况辅数据集。
S200根据实际工况主数据集、预设的电化学模型、预设的第一损失函数和预设的第二损失函数，对电化学模型参数进行第一参数辨识处理得到第一目标电化学模型参数集。
具体地，本申请公开的技术方案在实现过程中，可以采用不同电化学模型，例如AMESim电化学模型、P2D电化学模型和P2D热耦合电化学模型等等。
S300根据至少一条实际工况辅数据集、经过第一参数辨识处理后电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集。
S400根据每个电芯预设的测量工况，控制输入第二目标电化学模型参数集后的电化学模型输出对应的第二仿真工况数据集，并根据各个第二仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度。
本实施例提供的锂电池电芯实际容量和电芯健康度识别方法结合电池实际工况数据中实际工况主数据集对电化学模型进行第一参数辨识处理，并结合电池实际工况数据中实际工况辅数据集对电化学模型进行第二参数辨识处理，基于经过第一参数辨识处理和第二参数辨识处理后的电化学模型参数进行模拟仿真，根据仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度，解决由于电芯不一致性导致即便通过测试也无法获知电池包中每个电芯的电芯实际容量和电芯健康度的技术问题，实现通过一次测量便精确地获取电池包所有电芯的电芯实际容量和电芯健康度的技术效果。
在一个实施例中，如图2所示，步骤S200根据实际工况主数据集、预设的电化学模型、预设的第一损失函数和预设的第二损失函数，对电化学模型参数进行第一参数辨识处理得到第一目标电化学模型参数集，具体包括：
S210控制电化学模型在训练过程中，根据随机生成的第三目标电化学模型参数集模拟得到第三仿真工况数据集。
S220基于第一损失函数计算实际工况主数据集和第三仿真工况数据集之间的第一损失函数结果值。
具体地，第一损失函数包括电压均方差损失函数，在执行步骤S220时具体过程为计算实际工况主数据集和第三仿真工况数据集之间的电压均方误差作为第一损失函数结果值，公式如下：
其中Vsim,i为第三仿真工况数据集中第i个采样点的模型仿真输出电压值，Vreal,i为实际工况主数据集第i个采样点的实测电压值，N为电压数据的个数。
S230基于第二损失函数计算根据历史第三目标电化学模型参数集仿真得到的第三仿真工况数据集中电池容量，和根据当前第三目标电化学模型参数集仿真得到的第三仿真工况数据集中电池容量之间的第二损失函数结果值。
S240在第一损失函数结果值大于预设的第一损失函数结果阈值，或，第二损失函数结果值大于预设的第二损失函数结果阈值时，将当前第三目标电化学模型参数集存储至历史第三目标电化学模型参数集数据库中，并重新生成第三目标电化学模型参数集。
具体地，历史第三目标电化学模型参数集数据库中存储有若干历史第三目标电化学模型参数集。在执行步骤S240的过程中，将当前第三目标电化学模型参数集附加时间戳存储至历史参数辨识结果数据库时，由此实现在第一损失函数结果值不大于第一损失函数结果阈值时，根据时间戳从历史第三目标电化学模型参数集数据库中提取前一次历史第三目标电化学模型参数集仿真得到的电池容量。
S250在第一损失函数结果值不大于第一损失函数结果阈值，并且，第二损失函数结果值不大于第二损失函数结果阈值时，将第三目标电化学模型参数集作为第一目标电化学模型参数集。
在一个实施例中，如图3所示，步骤S230基于第二损失函数计算根据历史第三目标电化学模型参数集仿真得到的第三仿真工况数据集中电池容量，和根据当前第三目标电化学模型参数集仿真得到的第三仿真工况数据集中电池容量之间的第二损失函数结果值，具体包括：
S231对历史第三目标电化学模型参数集进行参数标准化后，计算通过电化学模型根据历史第三目标电化学模型参数集仿真得到的电池容量。
具体地，根据输入历史第三目标电化学模型参数集后的电化学模型对锂电池在预设荷电状态下的标准充电过程进行模拟仿真，计算正极锂离子体积平均浓度和负极锂离子体积平均浓度。
示例性地，根据输入历史第三目标电化学模型参数集后的电化学模型对锂电池在SOC＝100％时的标准充电过程进行模拟仿真，以钴酸锂电芯为例，根据产品说明应在0.5C下先充电至4.2V，之后维持电压4.2V直至电流下降至0.05C，根据电化学模型输出的仿真数据集计算正极锂离子体积平均浓度和负极锂离子体积平均浓度。
在获得SOC＝100％时的正极锂离子体积平均浓度和负极锂离子体积平均浓度后，应控制电化学模型按照标准放电过程进行仿真，以获得修改模型参数后的容量，其中锂电池容量的计算公式为：
Qdis＝∫Idt；
其中Qdis为锂电池在仿真过程中的放电量。
S232对当前第三目标电化学模型参数集进行参数标准化后，计算通过电化学模型根据当前第三目标电化学模型参数集仿真得到的电池容量。
S233计算根据历史第三目标电化学模型参数集仿真得到的电池容量和当前第三目标电化学模型参数集仿真得到的电池容量之间的容量收敛系数。
具体地，计算容量收敛系数的公式如下：
其中δ为容量收敛系数，Cmax,k-1为根据历史第三目标电化学模型参数集仿真得到的电池容量，Cmax,k为根据当前第三目标电化学模型参数集仿真得到的电池容量。
在一个实施例中，如图4所示，步骤S300根据至少一条实际工况辅数据集、经过第一参数辨识处理后电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体包括：
S311分别调整第一仿真工况数据集中固相正负极初始浓度与各条实际工况辅数据集中固相正负极初始浓度相同。
具体地，在执行步骤S311过程中，初始化电化学模型中固相浓度为第一固相浓度，在初始化电化学模型中固相浓度为第一固相浓度的过程中，固相浓度可任意设取，其中在电池荷电状态为soc时，正负极固相初始浓度符合下式：
其中，cn,100为电池在soc＝100％时的负极活性材料的浓度，cn,soc为电池在soc状态时的负极活性材料的浓度，Ln为负极活性材料厚度，εn为负极活性材料体积分数，p表示正极材料。
之后根据电化学模型、预设电流和第一固相浓度，模拟锂电池在预设时段内的仿真输出电压，在初始化浓度后，将预设的电流工况输入电化学模型中，电化学模型可以仿真输出电池在预设时段内的仿真输出电压，并获取锂电池在预设时段内的实际输出电压，计算仿真输出电压与实际输出电压之间的误差系数，并预设误差系数对应的误差阈值，其中，误差系数包括初始检测值的电压差值和电压均方误差，在误差系数大于误差阈值时，对第一固相浓度进行迭代修正，直至误差系数不大于误差阈值，输出修正后的第二固相浓度。
S312分别计算各条实际工况辅数据集中输出的第一个电压值，和调整固相正负极初始浓度后第一仿真工况数据集中输出的第一个电压值之间的电压差值，作为第三损失函数结果值。
具体地，电压差值的计算公式如下：
|Vsim,1-Vreal,1|；
其中Vsim,1为第一仿真工况数据集中输出的第一个电压值，Vreal,1为实际工况辅数据集中第一个电压值。
S313在任意实际工况辅数据集对应的第三损失函数结果值大于预设的电压差值阈值时，重新生成第一目标电化学模型参数集。
S314在各条实际工况辅数据集对应的第三损失函数结果值均不大于电压差值阈值时，输出第二电化学模型参数集作为第二参数辨识处理的辨识结果。
在一个实施例中，如图5所示，步骤S300根据至少一条实际工况辅数据集、经过第一参数辨识处理后电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体还包括：
S321分别调整第一仿真工况数据集中固相正负极初始浓度与各条实际工况辅数据集中固相正负极初始浓度相同。
S322分别计算各条实际工况辅数据集和调整固相正负极初始浓度后第一仿真工况数据集之间的电压均方差，作为第三损失函数结果值。
S323在任意实际工况辅数据集对应的第三损失函数结果值大于预设的电压均方差阈值时，重新生成第一目标电化学模型参数集。
S324在各条实际工况辅数据集对应的第三损失函数结果值均不大于电压均方差阈值时，输出第二电化学模型参数集作为第二参数辨识处理的辨识结果。
在一个实施例中，步骤S300根据至少一条实际工况辅数据集、经过第一参数辨识处理后电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体还包括：
在分别调整第一仿真工况数据集中固相正负极初始浓度与各条实际工况辅数据集中固相正负极初始浓度相同之后，分别计算各条实际工况辅数据集和调整固相正负极初始浓度后第一仿真工况数据集之间的电压均方差，以及各条实际工况辅数据集中输出的第一个电压值，和调整固相正负极初始浓度后第一仿真工况数据集中输出的第一个电压值之间的电压差值，在任意实际工况辅数据集对应的电压均方差或电压差值大于预设的电压均方差阈值时，重新生成第一目标电化学模型参数集，在各条实际工况辅数据集对应的电压均方差均不大于电压均方差阈值，并且各条实际工况辅数据集对应的电压差值均不大于电压差值阈值时，输出第二电化学模型参数集作为第二参数辨识处理的辨识结果。
在一个实施例中，如图6所示，步骤S300根据至少一条实际工况辅数据集、经过第一参数辨识处理后电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体还包括：
S331将经过拼接因子调整后的第一目标电化学模型参数集输入电化学模型中得到第一仿真工况数据集，根据电压均方差损失函数计算第一仿真工况数据集和各条参数辨识辅数据集之间的电压均方差，作为第三损失函数结果值。
具体地，电化学模型中还包括拼接因子，拼接因子用于调整第一目标电化学模型参数集的固相正负极初始浓度与至少一条实际工况辅数据集相同。
在引入拼接因子的过程中，基于第一仿真工况数据集的初始SOC、各条参数辨识辅数据集的初始SOC和预设的拼接因子上下限系数，生成拼接因子的阈值范围，根据预设α、β分别为拼接因子上限系数和拼接因子下限系数，生成拼接因子的阈值范围如下：
其中ω为拼接因子，SOCaux为参数辨识辅数据集的初始SOC，SOCmain为第一仿真工况数据集的初始SOC，α、β的设置与SOC的识别精确有关，在电池老化程度低、通过电池管理系统(BATTERY MANAGEMENT SYSTEM，BMS)识别SOC的精确较高时，在设置α、β的过程中α、β的取值接近1，在电池老化程度高、通过BMS识别SOC的精确较低时，在设置α、β的过程中α、β的取值远离1，例如在识别SOC的精确较高时，α、β分别取值(1，0.9)。在拼接因子的阈值范围中取任意值作为拼接因子，在电化学模型中引入拼接因子。
S332在任意实际工况辅数据集对应的第三损失函数结果值大于预设的电压均方差阈值时，重新生成第一目标电化学模型参数集和拼接因子。
S333在各条实际工况辅数据集对应的第三损失函数结果值均不大于电压均方差阈值时，输出第二电化学模型参数集和拼接因子作为第二参数辨识处理的辨识结果。
本实施例提供的锂电池电芯实际容量和电芯健康度识别方法通过引入拼接因子来调节从电池实际工况数据中清洗出的多条实际工况数据集的固相正负极初始浓度，实现同时根据多条实际工况数据集进行电化学模型参数集和拼接因子，避免在常规电化学模型参数辨识的过程中只通过单条工况数据进行参数辨识存在的过拟合问题，提高电化学模型参数集的泛化能力，便于后续根据电化学模型参数集进行仿真输出数据集计算锂电池电芯实际容量和电芯健康度。
在一个实施例中，步骤S300可以如图步骤S331～S333所示，也可以在引入拼接因子后，根据电压差值损失函数综合辨识拼接因子和第一目标电化学模型参数集，还可以在引入拼接因子后，根据电压均方差损失函数综合辨识拼接因子和第一目标电化学模型参数集。
在一个实施例中，如图7所示，步骤S400根据每个电芯预设的测量工况，控制输入第二目标电化学模型参数集后的电化学模型输出对应的第二仿真工况数据集，并根据各个第二仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度，具体包括：
S410根据各个第二仿真工况数据集，通过安时积分法计算各个电芯的电芯实际容量。
具体地，各个电芯的电芯实际容量的公式如下：
Qaged＝∫Idt；
其中Qaged为各个电芯的电芯实际容量，I为各个电芯的当前电流。
S420根据各个第二仿真工况数据集计算各个电芯的电芯健康度。
具体地，计算各个电芯的电芯健康度的公式如下：
其中i为各个电芯的序号，Qaged,i为第二仿真工况数据集中序号为i的单体电芯老化后的电芯实际容量，Qrated为锂电池中电芯的标准容量。
本实施例中无需计算电池实际工况，而是通过电化学模型生成仿真数据集计算电池包所有电芯的电芯实际容量和电芯健康度，避免测量实际工况数据过程中测量准确性较低导致电芯实际容量和电芯健康度测算精确也随之出现偏差，进而影响对电站的调控。
在全部上述实施例中，执行步骤S100获取电池实际工况数据，从电池实际工况数据中清洗出至少两条实际工况数据集时，需满足全部实际工况数据集中初始工况数据前均存在大于预设时长的电池静止时段，至少一条实际工况数据集中SOC变化区间大于预设的SOC变化阈值，至少一条实际工况数据集中包括电池弛豫阶段工况数据，上述基于电池实际工况数据清洗出至少两条实际工况数据集的清洗方案，可以提高清洗出实际工况数据集的表征性，便于电化学模型基于实际工况数据集进行参数辨识后得到电化学模型参数集针对该锂电池的实际工况具有泛用性。
示例性地，在从工况数据中清洗出实际工况数据集的过程中，需满足实际工况数据集中初始工况数据前存在大于预设时长的电池静止时段，以及至少一条实际工况数据集中实际工况数据集中SOC变化区间大于预设的SOC变化阈值，至少一条实际工况数据集中包括电池弛豫阶段工况数据三个条件，比如电芯应静止1小时以上以保证电芯开始工作时内部处于平衡状态，至少一条实际工况数据集中soc变化区间应足够大，应涉及70％以上的SOC波动，至少一条实际工况数据集中应存在电流为0，电压变化的过程。
上述实施例提供的技术方案经过组合后可以解决实际电站中电池无法清洗出恒流满充满放的数据用作参数辨识的技术问题，同时引入电压均方差误差损失函数和容量变化率误差损失函数，提高了参数辨识结果的可靠性，并通过对参数辨识结果中浓度的调整，用另一条数据集验证参数辨识结果的泛化能力，并基于参数辨识后的电化学模型参数模拟输出仿真工况数据集，一次性获得电池包中经过不同老化程度后各个电芯当前的电芯实际容量和电芯健康度，便于用户根据精确的电芯实际容量和电芯健康度调控电站运行状态。
在一个实施例中，如图8所示，根据本发明的另一方面，本发明还提供一种锂电池电芯实际容量和电芯健康度识别系统，包括获取模块10、第一参数辨识模块20、第二参数辨识模块30和计算模块40。
获取模块10用于获取电池实际工况数据，从电池实际工况数据中清洗出至少两条实际工况数据集。
具体地，实际工况数据集中包括一条实际工况主数据集和至少一条实际工况辅数据集。
第一参数辨识模块20与获取模块10连接，用于根据实际工况主数据集、预设的电化学模型、预设的第一损失函数和预设的第二损失函数，对电化学模型参数进行第一参数辨识处理得到第一目标电化学模型参数集。
第二参数辨识模块30分别与获取模块10和第一参数辨识模块20连接，用于根据至少一条实际工况辅数据集、经过第一参数辨识处理后电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集。
计算模块40与第二参数辨识模块30连接，用于根据每个电芯预设的测量工况，控制输入第二目标电化学模型参数集后的电化学模型输出对应的第二仿真工况数据集，并根据各个第二仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度。
本实施例提供的锂电池电芯实际容量和电芯健康度识别系统结合电池实际工况数据中实际工况主数据集对电化学模型进行第一参数辨识处理，并结合电池实际工况数据中实际工况辅数据集对电化学模型进行第二参数辨识处理，基于经过第一参数辨识处理和第二参数辨识处理后的电化学模型参数进行模拟仿真，根据仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度，解决由于电芯不一致性导致即便通过测试也无法获知电池包中每个电芯的电芯实际容量和电芯健康度的技术问题，实现通过一次测量便精确地获取电池包所有电芯的电芯实际容量和电芯健康度的技术效果。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述或记载的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的一种锂电池电芯实际容量和电芯健康度识别方法和系统，可以通过其他的方式实现。例如，以上所描述的一种锂电池电芯实际容量和电芯健康度识别方法和系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅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，多个单元或模块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通讯连接可以是通过一些接口，装置或单元的通讯连接或集成电路，可以是电性、机械或其他的形式。
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网络单元上。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，在本申请各个实施例中的各功能单元可能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。
应当说明的是，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种锂电池电芯实际容量和电芯健康度识别方法，其特征在于，包括步骤：
获取电池实际工况数据，从所述电池实际工况数据中清洗出至少两条实际工况数据集，所述实际工况数据集中包括一条实际工况主数据集和至少一条实际工况辅数据集；
根据所述实际工况主数据集、预设的电化学模型、预设的第一损失函数和预设的第二损失函数，对电化学模型参数进行第一参数辨识处理得到第一目标电化学模型参数集；
根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集；
根据每个电芯预设的测量工况，控制输入所述第二目标电化学模型参数集后的所述电化学模型输出对应的第二仿真工况数据集，并根据各个所述第二仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度。
2.根据权利要求1所述的一种锂电池电芯实际容量和电芯健康度识别方法，其特征在于，所述的根据所述实际工况主数据集、预设的电化学模型、预设的第一损失函数和预设的第二损失函数，对电化学模型参数进行第一参数辨识处理得到第一目标电化学模型参数集，具体包括：
控制所述电化学模型在训练过程中，根据随机生成的第三目标电化学模型参数集模拟得到第三仿真工况数据集；
基于所述第一损失函数计算所述实际工况主数据集和所述第三仿真工况数据集之间的第一损失函数结果值；
基于所述第二损失函数计算根据历史第三目标电化学模型参数集仿真得到的所述第三仿真工况数据集中电池容量，和根据当前第三目标电化学模型参数集仿真得到的所述第三仿真工况数据集中电池容量之间的第二损失函数结果值；
在所述第一损失函数结果值大于预设的第一损失函数结果阈值，或，所述第二损失函数结果值大于预设的第二损失函数结果阈值时，将当前所述第三目标电化学模型参数集存储至历史第三目标电化学模型参数集数据库中，并重新生成所述第三目标电化学模型参数集，所述历史第三目标电化学模型参数集数据库中存储有若干历史第三目标电化学模型参数集；
在所述第一损失函数结果值不大于所述第一损失函数结果阈值，并且，所述第二损失函数结果值不大于所述第二损失函数结果阈值时，将所述第三目标电化学模型参数集作为所述第一目标电化学模型参数集。
3.根据权利要求2所述的一种锂电池电芯实际容量和电芯健康度识别方法，其特征在于，所述第一损失函数包括电压均方差损失函数，所述的基于所述第一损失函数计算所述实际工况主数据集和所述第三仿真工况数据集之间的第一损失函数结果值，具体包括：
计算所述实际工况主数据集和所述第三仿真工况数据集之间的电压均方误差作为所述第一损失函数结果值，公式如下：
其中Vsim,i为所述第三仿真工况数据集中第i个采样点的模型仿真输出电压值，Vreal,i为所述实际工况主数据集第i个采样点的实测电压值，N为电压数据的个数。
4.根据权利要求2所述的一种锂电池电芯实际容量和电芯健康度识别方法，其特征在于，所述第二损失函数包括容量收敛系数损失函数，所述的基于所述第二损失函数计算根据历史第三目标电化学模型参数集仿真得到的所述第三仿真工况数据集中电池容量，和根据当前第三目标电化学模型参数集仿真得到的所述第三仿真工况数据集中电池容量之间的第二损失函数结果值，具体包括：
对历史所述第三目标电化学模型参数集进行参数标准化后，计算通过所述电化学模型根据历史所述第三目标电化学模型参数集仿真得到的电池容量；
对当前所述第三目标电化学模型参数集进行参数标准化后，计算通过所述电化学模型根据当前所述第三目标电化学模型参数集仿真得到的电池容量；
计算历史所述第三目标电化学模型参数集仿真得到的电池容量和当前所述第三目标电化学模型参数集仿真得到的电池容量之间的所述容量收敛系数，公式如下：
其中δ为所述容量收敛系数，Cmax,k-1为根据历史所述第三目标电化学模型参数集仿真得到的电池容量，Cmax,k为根据当前所述第三目标电化学模型参数集仿真得到的电池容量。
5.根据权利要求1所述的一种锂电池电芯实际容量和电芯健康度识别方法，其特征在于，所述第三损失函数包括电压差值损失函数，所述的根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体包括：
分别调整所述第一仿真工况数据集中固相正负极初始浓度与各条所述实际工况辅数据集中固相正负极初始浓度相同；
分别计算各条所述实际工况辅数据集中输出的第一个电压值，和调整固相正负极初始浓度后所述第一仿真工况数据集中输出的第一个电压值之间的电压差值，作为所述第三损失函数结果值，公式如下：
|Vsim,1-Vreal,1|；
其中Vsim,1为所述第一仿真工况数据集中输出的第一个电压值，Vreal,1为所述实际工况辅数据集中第一个电压值；
在任意所述实际工况辅数据集对应的所述第三损失函数结果值大于预设的电压差值阈值时，重新生成所述第一目标电化学模型参数集；
在各条所述实际工况辅数据集对应的所述第三损失函数结果值均不大于所述电压差值阈值时，输出所述第二电化学模型参数集作为所述第二参数辨识处理的辨识结果。
6.根据权利要求1所述的一种锂电池电芯实际容量和电芯健康度识别方法，其特征在于，所述第三损失函数还包括电压均方差损失函数，所述的根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体还包括：
分别调整所述第一仿真工况数据集中固相正负极初始浓度与各条所述实际工况辅数据集中固相正负极初始浓度相同；
分别计算各条所述实际工况辅数据集和调整固相正负极初始浓度后所述第一仿真工况数据集之间的电压均方差，作为所述第三损失函数结果值；
在任意所述实际工况辅数据集对应的所述第三损失函数结果值大于预设的电压均方差阈值时，重新生成所述第一目标电化学模型参数集；
在各条所述实际工况辅数据集对应的所述第三损失函数结果值均不大于所述电压均方差阈值时，输出所述第二电化学模型参数集作为所述第二参数辨识处理的辨识结果。
7.根据权利要求6所述的一种锂电池电芯实际容量和电芯健康度识别方法，其特征在于，
所述电化学模型中还包括拼接因子，所述拼接因子用于调整所述第一目标电化学模型参数集的固相正负极初始浓度与至少一条所述实际工况辅数据集相同；
所述的根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集，具体还包括：
将经过所述拼接因子调整后的所述第一目标电化学模型参数集输入所述电化学模型中得到所述第一仿真工况数据集，根据电压均方差损失函数计算所述第一仿真工况数据集和各条所述参数辨识辅数据集之间的电压均方差，作为所述第三损失函数结果值；
在任意所述实际工况辅数据集对应的所述第三损失函数结果值大于预设的电压均方差阈值时，重新生成所述第一目标电化学模型参数集和所述拼接因子；
在各条所述实际工况辅数据集对应的所述第三损失函数结果值均不大于所述电压均方差阈值时，输出所述第二电化学模型参数集和所述拼接因子作为所述第二参数辨识处理的辨识结果。
8.根据权利要求1～7中任意一项所述的一种锂电池电芯实际容量和电芯健康度识别方法，其特征在于，所述的根据各个所述第二仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度，具体包括：
根据各个所述第二仿真工况数据集，通过安时积分法计算各个电芯的电芯实际容量，公式如下：
Qaged＝∫Idt；
其中Qaged为各个电芯的所述电芯实际容量，I为各个电芯的当前电流；
根据各个所述第二仿真工况数据集计算各个电芯的所述电芯健康度，公式如下：
其中i为各个电芯的序号，Qaged,i为所述第二仿真工况数据集中序号为i的单体电芯老化后的所述电芯实际容量，Qrated为所述锂电池中电芯的标准容量。
9.根据权利要求1～7中任意一项所述的一种锂电池电芯实际容量和电芯健康度识别方法，其特征在于，
全部所述实际工况数据集中初始工况数据前均存在大于预设时长的电池静止时段；
至少一条所述实际工况数据集中SOC变化区间大于预设的SOC变化阈值；
至少一条所述实际工况数据集中包括电池弛豫阶段工况数据。
10.一种锂电池电芯实际容量和电芯健康度识别系统，其特征在于，包括：
获取模块，用于获取电池实际工况数据，从所述电池实际工况数据中清洗出至少两条实际工况数据集，所述实际工况数据集中包括一条实际工况主数据集和至少一条实际工况辅数据集；
第一参数辨识模块，与所述获取模块连接，用于根据所述实际工况主数据集、预设的电化学模型、预设的第一损失函数和预设的第二损失函数，对电化学模型参数进行第一参数辨识处理得到第一目标电化学模型参数集；
第二参数辨识模块，分别与所述获取模块和所述第一参数辨识模块连接，用于根据至少一条所述实际工况辅数据集、经过所述第一参数辨识处理后所述电化学模型输出的第一仿真工况数据集和预设的第三损失函数，对所述第一目标电化学模型参数集进行第二参数辨识处理，得到第二目标电化学模型参数集；
计算模块，与所述第二参数辨识模块连接，用于根据每个电芯预设的测量工况，控制输入所述第二目标电化学模型参数集后的所述电化学模型输出对应的第二仿真工况数据集，并根据各个所述第二仿真工况数据集计算相应电芯的电芯实际容量和电芯健康度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211179631.5A CN115510648B (zh) | 2022-09-27 | 2022-09-27 | 一种锂电池电芯实际容量和电芯健康度识别方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211179631.5A CN115510648B (zh) | 2022-09-27 | 2022-09-27 | 一种锂电池电芯实际容量和电芯健康度识别方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115510648A true CN115510648A (zh) | 2022-12-23 |
| CN115510648B CN115510648B (zh) | 2023-12-19 |
Family
ID=84505166
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211179631.5A Active CN115510648B (zh) | 2022-09-27 | 2022-09-27 | 一种锂电池电芯实际容量和电芯健康度识别方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115510648B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107390138A (zh) * | 2017-09-13 | 2017-11-24 | 山东大学 | 动力电池等效电路模型参数迭代辨识新方法 |
| US20180131200A1 (en) * | 2016-11-04 | 2018-05-10 | Battelle Memorial Institute | Battery system management through non-linear estimation of battery state of charge |
| CN112163372A (zh) * | 2020-09-21 | 2021-01-01 | 上海玫克生储能科技有限公司 | 一种动力电池的soc估算方法 |
| CN112816877A (zh) * | 2021-01-04 | 2021-05-18 | 东风柳州汽车有限公司 | 电池的电流校准方法、设备和存储介质 |
| WO2021143592A1 (zh) * | 2020-01-17 | 2021-07-22 | 华为技术有限公司 | 电池等效电路模型的建立方法、健康状态估算方法及装置 |
| CN113687250A (zh) * | 2021-08-18 | 2021-11-23 | 蜂巢能源科技有限公司 | 电芯容量预测方法、装置、电子设备及介质 |
| CN114696385A (zh) * | 2020-12-29 | 2022-07-01 | 中车时代电动汽车股份有限公司 | 一种电池系统的电池容量均衡差值计算方法及相关设备 |
| CN115084693A (zh) * | 2022-06-28 | 2022-09-20 | 上海玫克生储能科技有限公司 | 一种锂电池固相浓度修正方法、系统及存储介质 |
-
2022
- 2022-09-27 CN CN202211179631.5A patent/CN115510648B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180131200A1 (en) * | 2016-11-04 | 2018-05-10 | Battelle Memorial Institute | Battery system management through non-linear estimation of battery state of charge |
| CN107390138A (zh) * | 2017-09-13 | 2017-11-24 | 山东大学 | 动力电池等效电路模型参数迭代辨识新方法 |
| WO2021143592A1 (zh) * | 2020-01-17 | 2021-07-22 | 华为技术有限公司 | 电池等效电路模型的建立方法、健康状态估算方法及装置 |
| CN112163372A (zh) * | 2020-09-21 | 2021-01-01 | 上海玫克生储能科技有限公司 | 一种动力电池的soc估算方法 |
| CN114696385A (zh) * | 2020-12-29 | 2022-07-01 | 中车时代电动汽车股份有限公司 | 一种电池系统的电池容量均衡差值计算方法及相关设备 |
| CN112816877A (zh) * | 2021-01-04 | 2021-05-18 | 东风柳州汽车有限公司 | 电池的电流校准方法、设备和存储介质 |
| CN113687250A (zh) * | 2021-08-18 | 2021-11-23 | 蜂巢能源科技有限公司 | 电芯容量预测方法、装置、电子设备及介质 |
| CN115084693A (zh) * | 2022-06-28 | 2022-09-20 | 上海玫克生储能科技有限公司 | 一种锂电池固相浓度修正方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115510648B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110398697B (zh) | 一种基于充电过程的锂离子健康状态估计方法 | |
| CN109991554B (zh) | 一种电池电量检测方法、装置及终端设备 | |
| Takyi‐Aninakwa et al. | A strong tracking adaptive fading‐extended Kalman filter for the state of charge estimation of lithium‐ion batteries | |
| CN107064805A (zh) | 蓄电池容量测量系统和蓄电池容量测量方法 | |
| CN106932728B (zh) | 电池荷电状态soc修正方法、装置及电动汽车 | |
| CN110275113A (zh) | 一种锂电池荷电状态估计方法 | |
| CN115084693B (zh) | 一种锂电池固相浓度修正方法、系统及存储介质 | |
| CN112858916B (zh) | 一种基于模型与数据驱动融合的电池包荷电状态估计方法 | |
| CN109633453A (zh) | 电池参数在线辨识方法、装置及计算机可读存储介质 | |
| US20160190827A1 (en) | Charging device and method for the same, and discharging device and method for the same | |
| Liu et al. | A high-order state-of-charge estimation model by cubature particle filter | |
| CN115512777A (zh) | 一种基于容量变化率的电化学模型参数辨识方法和系统 | |
| CN111060822B (zh) | 一种基于模型切换及融合的荷电状态估计方法 | |
| CN112557906A (zh) | 一种动力电池全生命周期内soc和容量在线联合估计方法 | |
| CN109061497A (zh) | 一种电池剩余电量计量系统及方法 | |
| CN108693483A (zh) | 一种电池包荷电状态的计算方法及系统 | |
| CN111142025A (zh) | 一种电池soc估算方法、装置、存储介质及电动汽车 | |
| CN110673037A (zh) | 基于改进模拟退火算法的电池soc估算方法及系统 | |
| CN114609530A (zh) | 修正电池荷电状态的方法、装置、设备及介质 | |
| CN204030697U (zh) | 基于动态soc估算系统的电池管理系统 | |
| CN114779103A (zh) | 一种基于时滞卷积神经网络的锂离子电池soc估计方法 | |
| CN112763916B (zh) | 一种空间用锂离子电池组未来工况预测方法 | |
| CN108983109A (zh) | 用于电池的电流估算芯片、估算方法及剩余电量计量系统 | |
| CN109061498A (zh) | 一种电池剩余电量计量芯片及计量方法 | |
| Zhu et al. | Online state of charge EKF estimation for LiFePO 4 battery management systems |
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 |