[發明專利]一種電池SOH估計方法及設備

在審

• 申請號: 201910784277.0
• 申請日: 2019-08-23
• 公開（公告）號: CN110441706A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 王志剛;朱瑞
• 申請（專利權）人: 優必愛信息技術（北京）有限公司
• 主分類號: G01R31/392
• 分類號: G01R31/392;G01R31/367
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 葛鐘

1.一種電池SOH估計方法，其特征在于，包括：

獲取被測電池的在線數據；

根據所述在線數據，計算得到所述被測電池的模型輸入變量，所述模型輸入變量為根據所述被測電池的IC曲線提取的特征量；

將所述被測電池的模型輸入變量輸入預先訓練的電池SOH判別模型，確定所述被測電池的SOH屬于的SOH分類，所述SOH分類共為多種。

2.根據權利要求1所述的方法，其特征在于，所述在線數據包括：電壓、電池實時電量，所述根據所述在線數據，計算得到所述被測電池的模型輸入變量，包括：

根據所述電壓和所述電池實時電量建立電壓-電量曲線；

將所述電壓-電量曲線轉換為IC曲線；

在所述IC曲線上提取所述模型輸入變量。

3.根據權利要求2所述的方法，其特征在于，所述模型輸入變量為：所述IC曲線上各峰的高度值及對應的位置值。

4.根據權利要求1所述的方法，其特征在于，所述獲取被測電池的在線數據之后，所述方法還包括：

采用預先訓練的支持向量機模型，根據被測電池的在線數據將所述被測電池區分為失效電池和未失效電池，以便對未失效電池的SOH進行判別。

5.根據權利要求4所述的方法，其特征在于，還包括：

獲取第一組訓練樣本的在線數據；

根據所述第一組訓練樣本的在線數據，估計所述第一組訓練樣本的電池估計容量；

獲取所述第一組訓練樣本的所述電池估計容量對應的標識信息，所述標識信息為失效電池或未失效電池，其中，當所述第一組訓練樣本的電池估計容量大于或等于預設值時，所述標識信息為未失效電池，當所述第一組訓練樣本的電池估計容量小于預設值時，所述標識信息為失效電池；

根據所述第一組訓練樣本的電池估計容量及對應的標識信息，采用支持向量機算法進行訓練，得到所述支持向量機模型。

6.根據權利要求5所述的方法，其特征在于，所述在線數據包括：電流、電池實時電量，所述根據所述第一組訓練樣本的在線數據估計所述第一組訓練樣本的電池估計容量，包括：

根據所述電流和所述電池實時電量，采用安時積分法，計算得到所述第一組訓練樣本的電池估計容量。

7.根據權利要求1所述的方法，其特征在于，還包括：

獲取第二組訓練樣本的特征量，所述第二組訓練樣本為未失效電池，所述特征量是根據所述未失效電池的IC曲線提取的；

對所述第二組訓練樣本的特征量進行聚類，聚類成多種類別，將每種類別作為一種SOH分類；

將所述特征量作為所述電池SOH判別模型的輸入，所述SOH分類作為所述電池SOH判別模型的輸出，構建所述電池SOH判別模型。

8.根據權利要求3所述的方法，其特征在于，所述將所述電壓-電量曲線轉化為IC曲線，包括：

根據所述電壓-電量曲線計算電量增量與電壓增量的比值；

將所述電量增量與電壓增量比值作為縱坐標，所述電壓作為橫坐標，建立IC曲線。

9.根據權利要求1所述的方法，其特征在于，還包括：

采用預先訓練的廣義線性模型，對被測電池的使用情況進行估計并展示給用戶，所述使用情況包括如下項中的至少一項：使用預設時長后的電池SOH；使用預設次數之后的電池SOH；電池SOH衰減到預設值時的使用時長。

10.一種電池SOH估計設備，其特征在于，包括：

處理器，以及與所述處理器相連接的存儲器；

所述存儲器用于存儲計算機程序；

所述處理器用于調用并執行所述存儲器中的所述計算機程序，以執行如權利要求1-9任一項所述的方法。