CN117092541B - 一种直流充电大数据计算电池健康的分析方法 - Google Patents

Abstract

本发明涉及电池健康分析技术领域。本发明涉及一种直流充电大数据计算电池健康的分析方法。其包括以下步骤：收集锂电池在直流充电过程中的充电数据，并获取锂电池的电压稳定数值；划分收集的充电数据，获取不同类型的充电行为；根据不同类型的充电行为在截取对应的充电数据，并对截取的充电数据提取对应的锂电池实时电压数值；本发明通过分析直流充电大数据的电压数值，可以更精确地评估电池的健康状况，包括电池容量衰减、内阻增加等指标，提供更全面、实时和动态的电池健康信息，可以提高直流充电大数据计算电池健康分析的性能和实用性，更好地支持电池管理和优化决策。

Description

一种直流充电大数据计算电池健康的分析方法

技术领域

本发明涉及电池健康分析技术领域，具体地说，涉及一种直流充电大数据计算电池健康的分析方法。

背景技术

在电动汽车领域中，主要电动汽车中通过计算电池的累计充放电量对动力电池的电池健康状态进行管理，这种基于单一因素所确定的动力电池的电池健康状态，随着充放电循环的增加会出现非线性衰减的情况，通过累计充放电量无法准确捕捉非线性衰减的变化趋势，可能导致对电池容量衰减的真实情况估计不准确，与动力电池的真实健康状态差距较大，随着蓄电池使用时间的增长，对蓄电池的健康度进行更新错误，影响蓄电池生命周期，因此，提出一种直流充电大数据计算电池健康的分析方法。

发明内容

本发明的目的在于提供一种直流充电大数据计算电池健康的分析方法，以解决上述背景技术中提出的问题。

为实现上述目的，提供了一种直流充电大数据计算电池健康的分析方法，包括以下步骤：

S1、收集锂电池在直流充电过程中的充电数据，并获取锂电池的电压稳定数值；

S2、划分S1收集的充电数据，获取不同类型的充电行为；

S3、根据不同类型的充电行为在截取对应的充电数据，并对截取的充电数据提取对应的锂电池实时电压数值，将实时电压数值结合电压稳定数值进行差值比对，获取不同充电行为对锂电池电压数值的干扰数值；

S4、获取锂电池参数，根据锂电池信息参数建立电池损伤模型，并将S3获取的干扰数值结合电压稳定数据输入至电池损伤模型内进行电池损伤分析，获取不同干扰数值对锂电池的损伤数据，并对充电行为进行统计，获取对锂电池的损伤总值；

S5、根据S4获取的锂电池参数提取锂电池生命周期的整体数值，将整体生命周期和损伤总值进行差值分析，获取生命周期的剩余数值；

S6、设定对锂电池健康的标准数值，然后将S5获取的剩余数值和标准数值进行差值比对，若剩余数值大于标准数值，即认定该锂电池为健康状态。

作为本技术方案的进一步改进，所述S1通过在锂电池内安装电压传感器实时监测电池的电压，并以数据的形式记录下来。

作为本技术方案的进一步改进，所述S1根据充电过程中的电压数据，识别并提取电池充电阶段中电压稳定的段落，作为电压稳定数值。

作为本技术方案的进一步改进，所述S2获取不同类型的充电行为的步骤如下：

S2.1、在S1收集的充电数据中通过电压变化率作为特征进行充电行为特征提取；

S2.2、将S2.1提取的充电行为根据充电类型不同进行划分，获取不同类型的充电行为。

作为本技术方案的进一步改进，所述S3获取不同充电行为对锂电池电压数值的干扰数值的步骤如下：

S3.1、截取充电数据中出现电压变化的实时数值，并将电压变化的实时数值结合对应的充电行为进行标记；

S3.2、将不同充电行为的实时电压变化数值分别和电压稳定数值进行差值比对，将实时电压变化数值减去电压稳定数值，获取的电压差值作为该充电行为对锂电池的干扰数值。

作为本技术方案的进一步改进，所述S4使用锂电池测试仪器，获取锂电池的参数信息，根据锂电池的参数信息建立电池损伤模型，电池损伤模型通过容量衰减算法和内阻增加算法作为电池损伤模型的验证函数。

作为本技术方案的进一步改进，所述S5获取生命周期的剩余数值的步骤如下：

S5.1、在S4获取的参数信息中提取锂电池生命周期的整体数值，然后将损伤总值转换为和生命周期统一标准格式，作为生命周期的减少数值；

S5.2、将生命周期的整体数值和S5.1获取的减少数值进行差值分析，将整体数值减去减少数值，获取生命周期的剩余数值。

作为本技术方案的进一步改进，所述S6认定该锂电池为健康状态的步骤如下：

S6.1、向用户发送需求设定问卷，根据问卷内容设定锂电池生命周期为健康的标准数值；

S6.2、将S5.2获取生命周期的剩余数值和S6.1设定的标准数值进行差值比对，若剩余数值大于标准数值，即认定该锂电池为健康状态，反之，若剩余数值小于标准数值，即认定该锂电池为不健康状态，发出优化信号。

作为本技术方案的进一步改进，所述S6.2发出优化信号包括如下步骤:

S6.2.1、根据统计的充电行为中筛选出次数对多和损伤最大的充电行为，并将此充电行为作为警示发送给用户，提醒用户减少此类的充电行为。

与现有技术相比，本发明的有益效果：

该直流充电大数据计算电池健康的分析方法中，通过分析直流充电大数据的电压数值，可以更精确地评估电池的健康状况，包括电池容量衰减、内阻增加等指标，提供更全面、实时和动态的电池健康信息，可以提高直流充电大数据计算电池健康分析的性能和实用性，更好地支持电池管理和优化决策。

附图说明

图1为本发明的整体流程框图；

图2为本发明的获取不同类型的充电行为的流程框图；

图3为本发明的获取不同充电行为对锂电池电压数值的干扰数值的流程框图；

图4为本发明的获取生命周期的剩余数值的流程框图；

图5为本发明的认定该锂电池为健康状态的流程框图。

具体实施方式

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，都属于本发明保护的范围。

实施例

请参阅图1-图5所示，本实施例目的在于，提供了一种直流充电大数据计算电池健康的分析方法，包括以下步骤：

S1、收集锂电池在直流充电过程中的充电数据；

所述S1通过在锂电池内安装电压传感器实时监测电池的电压，并以数据的形式记录下来。步骤如下：

选择适合的电压传感器：根据锂电池的工作电压范围和要求，选择合适的电压传感器。常用的传感器类型包括电压分压器、电压传感电路等；

安装电压传感器：将选定的电压传感器安装到锂电池内，确保其能够准确测量电池的电压。安装时需注意传感器与电池的正负极连接，并保证传感器的稳定性和安全性；

连接与校准：将电压传感器连接到数据采集设备或数据记录系统。校准电压传感器，以确保测量到的电压数值与实际电池电压相符；

实时监测与记录：通过数据采集设备或者数据记录系统，连续实时监测电池的电压，并将监测到的数据以指定的格式记录下来。

获取锂电池的电压稳定数值；

所述S1根据充电过程中的电压数据，识别并提取电池充电阶段中电压稳定的段落，作为电压稳定数值。步骤如下：

数据预处理：对采集到的电压数据进行去噪和平滑处理，以降低噪声对结果的影响。常用的方法包括使用滑动窗口平均或中值滤波等；

划分阶段：根据充电过程的特点，将电压数据划分为不同的阶段，如电池启动阶段、恒流充电阶段、恒压充电阶段等；

特征提取：对每个阶段的电压数据进行特征提取，以判断该段落的电压是否处于稳定状态。常用的特征包括电压变化范围、标准差、均值等；

稳定段落识别：通过设置阈值或利用自适应算法，判断哪些段落的电压数据符合稳定的要求。例如，可以设置电压变化范围小于一定阈值的段落为稳定段落；

提取稳定数值：将被识别为稳定段落的电压数据提取出来，并作为电压稳定数值使用。

S2、划分S1收集的充电数据，获取不同类型的充电行为；

所述S2获取不同类型的充电行为的步骤如下：

S2.1、在S1收集的充电数据中通过电压变化率作为特征进行充电行为特征提取；步骤如下：

数据预处理：对采集到的电压数据进行平滑处理，以减少噪声和抖动的影响。可以使用滑动窗口平均或中值滤波等方法；

特征提取：计算电压数据的变化率作为充电行为的特征。可以使用差分法，即计算相邻时间点的电压差值除以时间间隔，得到电压变化率。

S2.2、将S2.1提取的充电行为根据充电类型不同进行划分，获取不同类型的充电行为。步骤如下：

划分充电行为类型：根据电压变化率的特征，对充电行为进行划分和分类。根据实际需求和充电类型的特点，设定阈值进行充电行为的划分；

提取不同类型的充电行为：根据划分得到的充电行为类型，从充电数据中提取相应类型的充电行为，并记录下相关参数或标记。

S3、根据不同类型的充电行为在截取对应的充电数据，并对截取的充电数据提取对应的锂电池实时电压数值，将实时电压数值结合电压稳定数值进行差值比对，获取不同充电行为对锂电池电压数值的干扰数值；

所述S3获取不同充电行为对锂电池电压数值的干扰数值的步骤如下：

S3.1、截取充电数据中出现电压变化的实时数值，并将电压变化的实时数值结合对应的充电行为进行标记；步骤如下：

数据预处理：对采集到的充电数据进行平滑处理，以减少噪声和抖动的影响。可以使用滑动窗口平均或中值滤波等方法；

特征提取：计算电压数据的变化率作为充电行为的特征。可以使用差分法，即计算相邻时间点的电压差值除以时间间隔，得到电压变化率；

识别电压变化实时数值：根据设定的阈值或变化率，识别充电数据中出现电压变化的实时数值。如果电压变化率超过设定的阈值，则判定为电压变化的实时数值；

标记充电行为：将识别到的电压变化实时数值与对应的充电行为进行标记，可以使用时间戳记录这些实时数值，以及对应的充电行为。

S3.2、将不同充电行为的实时电压变化数值分别和电压稳定数值进行差值比对，将实时电压变化数值减去电压稳定数值，获取的电压差值作为该充电行为对锂电池的干扰数值。步骤如下：

计算电压变化差值：将不同充电行为的实时电压变化数值与对应的电压稳定数值进行差值计算，获得电压变化的差值；

干扰数值计算：将电压变化的差值作为该充电行为对锂电池的干扰数值。干扰数值可用来表示充电行为对电池的影响程度。

S4、获取锂电池参数，根据锂电池信息参数建立电池损伤模型，并将S3获取的干扰数值结合电压稳定数据输入至电池损伤模型内进行电池损伤分析，获取不同干扰数值对锂电池的损伤数据，并对充电行为进行统计，获取对锂电池的损伤总值；

所述S4使用锂电池测试仪器，获取锂电池的参数信息，根据锂电池的参数信息建立电池损伤模型，电池损伤模型通过容量衰减算法和内阻增加算法作为电池损伤模型的验证函数。步骤如下：

电池损伤模型建立：根据获取的锂电池参数，建立电池损伤模型。常用的损伤模型包括容量衰减模型和内阻增加模型。容量衰减模型描述电池容量随充放电循环次数的衰减情况，内阻增加模型描述电池内阻随充放电循环次数的增加情况；

损伤模型验证函数：通过容量衰减算法和内阻增加算法作为损伤模型的验证函数，验证建立的电池损伤模型的准确性和可靠性。利用实验数据或模拟数据，分析容量衰减和内阻增加的情况，与损伤模型进行对比验证；

干扰数值与电压稳定数据输入：将获取的干扰数值结合电压稳定数据输入至建立的电池损伤模型内进行电池损伤分析。干扰数值可以表示各个充电行为对锂电池的干扰程度，电压稳定数据可以作为参考，指导损伤分析；

损伤数据获取与统计：根据电池损伤模型的分析结果，获取不同干扰数值对锂电池的损伤数据。针对不同充电行为，统计不同干扰数值的损伤数据，如容量衰减或内阻增加的程度；

损伤总值评估：根据损伤数据的统计结果，对充电行为进行统计，获取对锂电池的损伤总值。可以综合考虑容量衰减和内阻增加等指标，评估充电行为对锂电池健康的综合影响。公式如下：

容量衰减公式：

ΔC＝Cinitial*(1-k*n)；

其中，ΔC表示容量衰减量，Cinitial表示初始容量，k为损伤系数，n为循环次数；

内阻增加公式：

ΔR＝Rinitial*m*n；

其中，ΔR表示内阻增加量，Rinitial表示初始内阻，m为损伤系数，n为循环次数，损伤系数k和m可以根据实际的锂电池研究或实验数据进行拟合或估计。

S5、根据S4获取的锂电池参数提取锂电池生命周期的整体数值，将整体生命周期和损伤总值进行差值分析，获取生命周期的剩余数值；

所述S5获取生命周期的剩余数值的步骤如下：

S5.1、在S4获取的参数信息中提取锂电池生命周期的整体数值，然后将损伤总值转换为和生命周期统一标准格式，作为生命周期的减少数值；步骤如下：

损伤总值计算：根据之前的电池损伤分析结果，获取损伤总值，即不同充电行为在不同干扰数值下导致的电池损伤；

生命周期转换：将损伤总值转换为和生命周期统一的标准格式，并作为生命周期的减少数值。

S5.2、将生命周期的整体数值和S5.1获取的减少数值进行差值分析，将整体数值减去减少数值，获取生命周期的剩余数值。步骤如下：

提取整体数值：从参数信息中提取锂电池生命周期的整体数值，表示锂电池的初始预期寿命；

提取减少数值：将损伤总值转换为生命周期减少数值，获取针对不同充电行为的损伤对生命周期的负面影响；

差值分析：将整体数值减去减少数值，进行差值分析，得到生命周期的剩余数值，表示考虑了损伤的后续预期寿命。

S6、设定对锂电池健康的标准数值，然后将S5获取的剩余数值和标准数值进行差值比对，若剩余数值大于标准数值，即认定该锂电池为健康状态。

所述S6认定该锂电池为健康状态的步骤如下：

S6.1、向用户发送需求设定问卷，根据问卷内容设定锂电池生命周期为健康的标准数值；步骤如下：

设计问卷内容：设计一份问卷，包含关于锂电池生命周期的相关问题。问卷可以包括关于使用环境、充电行为、电池容量衰减等方面的问题，以了解用户对于锂电池健康的期望和需求；

发送问卷：将设计好的问卷发送给用户，可以通过电子邮件、在线调查工具或其他适用的方式发送；

收集和整理数据：收集用户填写的问卷数据，并对数据进行整理和汇总；

分析和归纳：根据收集到的问卷数据，进行数据分析和归纳，以确定锂电池生命周期健康的标准数值；

设定锂电池生命周期健康的标准数值：根据问卷分析结果，确定锂电池生命周期健康的标准数值。

S6.2、将S5.2获取生命周期的剩余数值和S6.1设定的标准数值进行差值比对，若剩余数值大于标准数值，即认定该锂电池为健康状态，反之，若剩余数值小于标准数值，即认定该锂电池为不健康状态，发出优化信号。步骤如下：

计算剩余数值：根据获取锂电池的剩余数值，即生命周期的剩余数值；

设定标准数值：基于问卷分析结果或其他标准，设定锂电池生命周期的健康标准数值；

差值比对：将剩余数值与标准数值进行差值比对，以确定锂电池的健康状态；

发出优化信号：根据差值比对结果，若剩余数值小于标准数值，即认定锂电池为不健康状态，发出优化信号，提醒用户进行相关优化措施。

所述S6.2发出优化信号包括如下步骤:

S6.2.1、根据统计的充电行为中筛选出次数对多和损伤最大的充电行为，并将此充电行为作为警示发送给用户，提醒用户减少此类的充电行为。步骤如下：

统计充电行为：对收集到的充电行为数据进行统计，包括记录各个充电行为的出现次数和对应的损伤数值；

筛选次数最多的充电行为：根据充电行为的出现次数，筛选出出现次数最多的充电行为；

筛选损伤最大的充电行为：根据充电行为的损伤数值，筛选出损伤最大的充电行为；

发送警示信息：将筛选出的次数最多和损伤最大的充电行为作为警示信息发送给用户，提醒用户减少此类充电行为。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种直流充电大数据计算电池健康的分析方法，其特征在于：包括以下步骤：

S1、收集锂电池在直流充电过程中的充电数据，并获取锂电池的电压稳定数值；

S2、划分S1收集的充电数据，获取不同类型的充电行为；

S3、根据不同类型的充电行为在截取对应的充电数据，并对截取的充电数据提取对应的锂电池实时电压数值，将实时电压数值结合电压稳定数值进行差值比对，获取不同充电行为对锂电池电压数值的干扰数值；

S4、获取锂电池参数，根据锂电池信息参数建立电池损伤模型，并将S3获取的干扰数值结合电压稳定数据输入至电池损伤模型内进行电池损伤分析，获取不同干扰数值对锂电池的损伤数据，并对充电行为进行统计，获取对锂电池的损伤总值；

S5、根据S4获取的锂电池参数提取锂电池生命周期的整体数值，将整体生命周期和损伤总值进行差值分析，获取生命周期的剩余数值；

S6、设定对锂电池健康的标准数值，然后将S5获取的剩余数值和标准数值进行差值比对，若剩余数值大于标准数值，即认定该锂电池为健康状态；

所述S2获取不同类型的充电行为的步骤如下：

S2.1、在S1收集的充电数据中通过电压变化率作为特征进行充电行为特征提取；

S2.2、将S2.1提取的充电行为根据充电类型不同进行划分，获取不同类型的充电行为；

所述S3获取不同充电行为对锂电池电压数值的干扰数值的步骤如下：

S3.1、截取充电数据中出现电压变化的实时数值，并将电压变化的实时数值结合对应的充电行为进行标记；

S3.2、将不同充电行为的实时电压变化数值分别和电压稳定数值进行差值比对，将实时电压变化数值减去电压稳定数值，获取的电压差值作为该充电行为对锂电池的干扰数值。

2.根据权利要求1所述的直流充电大数据计算电池健康的分析方法，其特征在于：所述S1通过在锂电池内安装电压传感器实时监测电池的电压，并以数据的形式记录下来。

3.根据权利要求1所述的直流充电大数据计算电池健康的分析方法，其特征在于：所述S1根据充电过程中的电压数据，识别并提取电池充电阶段中电压稳定的段落，作为电压稳定数值。

4.根据权利要求1所述的直流充电大数据计算电池健康的分析方法，其特征在于：所述S4使用锂电池测试仪器，获取锂电池的参数信息，根据锂电池的参数信息建立电池损伤模型，电池损伤模型通过容量衰减算法和内阻增加算法作为电池损伤模型的验证函数。

5.根据权利要求1所述的直流充电大数据计算电池健康的分析方法，其特征在于：所述S5获取生命周期的剩余数值的步骤如下：

S5.1、在S4获取的参数信息中提取锂电池生命周期的整体数值，然后将损伤总值转换为和生命周期统一标准格式，作为生命周期的减少数值；

S5.2、将生命周期的整体数值和S5.1获取的减少数值进行差值分析，将整体数值减去减少数值，获取生命周期的剩余数值。

6.根据权利要求5所述的直流充电大数据计算电池健康的分析方法，其特征在于：所述S6认定该锂电池为健康状态的步骤如下：

S6.1、向用户发送需求设定问卷，根据问卷内容设定锂电池生命周期为健康的标准数值；

S6.2、将S5.2获取生命周期的剩余数值和S6.1设定的标准数值进行差值比对，若剩余数值大于标准数值，即认定该锂电池为健康状态，反之，若剩余数值小于标准数值，即认定该锂电池为不健康状态，发出优化信号。

7.根据权利要求6所述的直流充电大数据计算电池健康的分析方法，其特征在于：所述S6.2发出优化信号包括如下步骤：

S6.2.1、根据统计的充电行为中筛选出次数对多和损伤最大的充电行为，并将此充电行为作为警示发送给用户，提醒用户减少此类的充电行为。