CN108107372A - 基于soc分区估算的蓄电池健康状况量化方法及系统 - Google Patents

Abstract

本发明涉及蓄电池检测技术领域，公开了一种基于SOC分区估算蓄电池健康状况量化方法及系统，以完善电池管理系统功能，方便电池管理系统实时对电池状态进行评估。本发明方法包括：以充电速率为核心，综合电池的内阻，基于SOC分区估算的剩余电量和温度因素，利用层次分析法综合评价电池的健康。本发明公开的对电池健康状态有效的评估方法及系统，综合评估了影响电池性能的多种因素，同时也有效的降低了电池后期使用过程中电池性能突变的概率，便于对电池组的性能状态和使用寿命进行评估，同时该评估方法可以在集成在电池管理系统当中去，完善电池管理系统功能，方便电池管理系统实时对电池状态进行日常维护检测及评估。

Description

基于SOC分区估算的蓄电池健康状况量化方法及系统

技术领域

本发明涉及蓄电池检测技术领域，尤其涉及一种基于SOC分区估算的蓄电池健康状况量化方法及系统。

背景技术

电池健康状态SOH(state of health)评估作为电池状态评估的关键任务之一，越来越受到国内外研究者的重视。

目前，车用动力电池健康状态评估常见的方法均通过对电池内部参数估计、辨识来实现的。主要分为以下两类：一是通过对电池额定容量的估计来评估电池健康状态，另一种是通过对电池内阻的估计来评估电池健康状态。然而实际中很难得到电池的准确额定容量和内阻值，很难得到实际应用。

电池在使用过程中，其健康状态产生衰退，主要表现为额定容量衰减和内阻增加，同时其内部温度、SOC(State of Charge，SOC)、电压和电流等也会发生不同程度的变化。因此，一种简单高效且精确的电池健康状态评估方法变得尤其重要，以促进更加有效地使用和管理电池，例如：适当地控制电池的充电或者放电输出和充电状态(SOC)的使用策略。

电池组的使用寿命和性能状态，不仅与电池内部的电化学体系的稳定性有关，还与电池组的使用环境和使用工况有关，特别是充放电倍率和工作温度。充放电倍率过大，会加快电池组的寿命衰退。在不同使用温度下，电池组的寿命衰退以及对电池性能的影响也是不同的，当电池组内各单体温差较大，还会扩大不同电池的性能差异，加剧动力电池组的不一致性，进一步影响电池组整体的性能状态。电池性能发生的这些变化还不能够直接从测量得到的物理量反应出来，因此，需要找到一种方法对电池组健康状态(简称电池组SOH值)进行评估。

虽然目前电池组在成组使用，尤其是锂离子电池成组使用的过程当中，都会配备电池管理系统，以保证对电池组的状态实时监控和安全使用。对电池性能的评估主要依靠电池管理系统的SOC估算和电池组单体电压、电池温度、单体电池之间压差、电池组温差的测量而进行的，评价的依据比较有局限性，并且这种评价方法非常依赖于专业技术人员的知识和经验水平。

发明内容

本发明目的在于公开一种基于SOC分区估算的蓄电池健康状况量化方法及系统，以完善电池管理系统功能，方便电池管理系统实时对电池状态进行评估。

为实现上述目的，本发明公开一种基于SOC分区估算的蓄电池健康状况量化方法，包括：

以充电速率为核心，综合电池的内阻，剩余电量和温度因素，构建健康状况SOH评价模型为：

其中，λ为充电速率修正常数，C(t)为实际充电速率，C为理想充电速率，ε为充电速率为基础的评价方法的权重系数，α为电池内阻为基础的评价方法的权重系数，β为电池剩余电量为基础的评价方法的权重系数，SOC(t)为电池当前充电状态下的测量容量，SOC为电池标称容量，δ为电池充电温度为基础的评价方法的权重系数，T_平均为电池当前充电状态下的平均温度，且：

其中，R_EOL为电池寿命终结时的电池内阻，R_new为电池出厂时的内阻，R_t为电池当前状态下的内阻；以及

电池当前充电状态下容量SOC(t)的测定方法包括：

根据SOC-OCV曲线将SOC估算区间划分为低端陡峭区、中间平稳区和高端陡峭区；

分区间确定各估算区间的估算模型，各区间的估算模型包括一个主模型和至少一个辅模型，相应主模型和辅模型累加的权重系数由层次分析法确定；

获取实时的采样数据进行SOC区间的预估，然后调度该区间所对应的估算模型结合相关采样数据进行精细化估算处理。

可选的，本发明的上述各权重系数ε、α、β和δ的值通过层次分析法得出。且优选地，权重系数ε大于等于0.5。

与上述方法相对应的，本发明还公开一种蓄电池健康状况量化系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述方法的步骤。

综上，本发明公开的对电池健康状态有效的评估方法及系统，一方面，分区间进行SOC估算，提高了SOC估算的细粒度；另一方面，在各SOC估算区间，采用层次分析法确定估算模型，弥补了单一SOC估算方法的局限性的同时进一步提高了SOC估算的精度。而且本发明综合评估了影响电池性能的多种因素，可以较为精确评价蓄电池的健康状况，同时也有效的降低了电池后期使用过程中电池性能突变的概率，便于对电池组的性能状态和使用寿命进行评估，同时该评估方法可以在集成在电池管理系统当中去，完善电池管理系统功能，方便电池管理系统实时对电池状态进行日常维护检测及评估。

下面对本发明作进一步详细的说明。

具体实施方式

以下对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

实施例1

本实施例公开一种蓄电池健康状况量化方法，包括：

以充电速率为核心，综合电池的内阻，剩余电量和温度因素，构建健康状况SOH评价模型为：

其中，λ为充电速率修正常数，C(t)为实际充电速率，C为理想充电速率，ε为充电速率为基础的评价方法的权重系数，α为电池内阻为基础的评价方法的权重系数，β为电池剩余电量为基础的评价方法的权重系数，SOC(t)为电池当前充电状态下的测量容量，SOC为电池标称容量，δ为电池充电温度为基础的评价方法的权重系数，T_平均为电池当前充电状态下的平均温度。本实施例中，各权重系数ε、α、β和δ的值可以根据统计经验值得出；优选地，本实施例利用层次分析法综合评价电池的健康，即各权重系数ε、α、β和δ的值通过层次分析法得出。

其中：

R_EOL为电池寿命终结时的电池内阻，R_new为电池出厂时的内阻，R_t为电池当前状态下的内阻。

在电池使用过程中，电池健康不佳首先能感觉到的就是充放电时间均变短了。为此，本实施例是以充电速率为核心，因此，优选地，权重系数ε大于等于0.5。其中，综合电池厂商在生产和测试过程中，可以得出电池在理想状况下的充电时间和充电电流的曲线拟合，通过曲线的变化关系，使用微分计算可求出原始充电速率为C；同理，在实际充电过程中，根据监测的充电电流和充电时间计算，拟合曲线变化关系，求出实际充电速率为C(t)。

另一方面，本实施例中，电池当前充电状态下容量SOC(t)的测定方法具体包括：

步骤S1、根据SOC-OCV(Open Circuit Voltage，开路电压)曲线将SOC估算区间划分为低端陡峭区、中间平稳区和高端陡峭区。

在该步骤中，估算区间划分的原理是基于：通常SOC-OCV曲线的低端和高端都比较陡峭，而曲线的中间部分较为平缓。

步骤S2、分区间确定各估算区间的估算模型，各区间的估算模型包括一个主模型和至少一个辅模型，相应主模型和辅模型累加的权重系数由层次分析法确定。

步骤S3、获取实时的采样数据进行SOC区间的预估，然后调度该区间所对应的估算模型结合相关采样数据进行精细化估算处理。

可选地，上述任一估算模型所用的主模型和辅模型为基于下述SOC估算方法的至少两个以上的组合：

电流积分法、开路电压法、阻抗法、零负载法、卡尔曼滤波法、以及

基于人工智能、模糊控制或神经网络的在线辨识电池SOC的估算模型等。

同理，上述步骤S3中的预估SOC区间的方法也可以取自上述方法中的任意一种。

上述SOC估算方法是本领域技术人员所熟知的测量SOC的基本方法。例如：电流积分法又称为库伦计数或AH计量法；其缺陷在于：要求SOC初始值，需要精确计算充电效率和放电效率；需要以恒电流对电池组进行充放电，在实际应用中，由于温度、电流等因素的影响，电池的充电效率和放电效率不恒定，使得单一通过累计电流积分来计算SOC存在较大的累计误差。又例如：零负载法是在开路电压法的基础上，通过建立电池模型和测定开路电压，在电池充放电过程中，测量电池端电压和电流，计算开路电压，从而得到SOC；其缺点在于：需要准确地建立电池模型，并计算电池模型中的各阻抗参数，但这些参数受温度、电流、充放电状态等非线性因素的影响，很难计算精确，而这些参数的微小变化会对OCV的计算造成较大的误差，从而影响SOC的估算精度。藉此，本实施例在各估算区间，以主模型为主，以辅模型进行修正，并采用层次分析法确定估算模型的权重系数，弥补了单一估算方法的局限性的同时进一步提高了估算的精度。

优选地，本实施例针对每个厂商的不同蓄电池型号的都需要单独计算上述的各常数，包括：ε、α、β、δ和λ。藉此，可以较为精确评价蓄电池的健康状况，比传统的评价方案更加的可靠真实。

实施例2

与上述方法相对应的，本实施例公开一种蓄电池健康状况量化系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述方法的步骤。

综上，本发明实施例公开的对电池健康状态有效的评估方法及系统，一方面，分区间进行SOC估算，提高了SOC估算的细粒度；另一方面，在各SOC估算区间，采用层次分析法确定估算模型，弥补了单一SOC估算方法的局限性的同时进一步提高了SOC估算的精度。而且本发明综合评估了影响电池性能的多种因素，可以较为精确评价蓄电池的健康状况，同时也有效的降低了电池后期使用过程中电池性能突变的概率，便于对电池组的性能状态和使用寿命进行评估，同时该评估方法可以在集成在电池管理系统当中去，完善电池管理系统功能，方便电池管理系统实时对电池状态进行日常维护检测及评估。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于SOC分区估算的蓄电池健康状况量化方法，其特征在于，包括：

以充电速率为核心，综合电池的内阻，剩余电量和温度因素，构建健康状况SOH评价模型为：

其中，λ为充电速率修正常数，C(t)为实际充电速率，C为理想充电速率，ε为充电速率为基础的评价方法的权重系数，α为电池内阻为基础的评价方法的权重系数，β为电池剩余电量为基础的评价方法的权重系数，SOC(t)为电池当前充电状态下的测量容量，SOC为电池标称容量，δ为电池充电温度为基础的评价方法的权重系数，T_平均为电池当前充电状态下的平均温度，且：

其中，R_EOL为电池寿命终结时的电池内阻，R_new为电池出厂时的内阻，R_t为电池当前状态下的内阻；以及

电池当前充电状态下容量SOC(t)的测定方法包括：

根据SOC-OCV曲线将SOC估算区间划分为低端陡峭区、中间平稳区和高端陡峭区；

分区间确定各估算区间的估算模型，各区间的估算模型包括一个主模型和至少一个辅模型，相应主模型和辅模型累加的权重系数由层次分析法确定；

获取实时的采样数据进行SOC区间的预估，然后调度该区间所对应的估算模型结合相关采样数据进行精细化估算处理。

2.根据权利要求1所述的基于SOC分区估算的蓄电池健康状况量化方法，其特征在于，各权重系数ε、α、β和δ的值通过层次分析法得出，且所述权重系数ε大于等于0.5。

3.根据权利要求1或2所述的基于SOC分区估算的蓄电池健康状况量化方法，其特征在于，任一估算模型所用的主模型和辅模型为基于下述SOC估算方法的至少两个以上的组合：

电流积分法、开路电压法、阻抗法、零负载法、卡尔曼滤波法、和/或基于人工智能、模糊控制或神经网络的在线辨识电池SOC的估算模型。

4.一种基于SOC分区估算的蓄电池健康状况量化系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1、2或3任一所述方法的步骤。