[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

本發明涉及一種電池SOH估計方法及設備，應用于電池技術領域，其中，方法包括獲取被測電池的在線數據；根據在線數據，計算得到被測電池的模型輸入變量，模型輸入變量為根據被測電池的IC曲線提取的特征量；將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，確定被測電池的SOH屬于的SOH分類，SOH分類共為多種。根據在線數據便可以直接獲得電池的SOH，省去了在實驗室中進行試驗的時間，縮短了試驗周期，并且通過對在線數據的計算，最終得到模型輸入變量，將其輸入電池SOH判別模型中，便可以直接確定被測電池的SOH所屬的SOH分類，實現了電池SOH的實時判別，操作方便。

技術領域

本發明涉及電池技術領域，具體涉及一種電池SOH估計方法及設備。

背景技術

隨著新能源汽車市場的推廣和用戶認知度的提高，電動汽車的銷量正逐年增長，其動力來源主要是電池，其SOH(State Of Health)對電動汽車的使用和發展具有重要影響，因此，對電動汽車動力電池的SOH評估則顯得尤為重要。

相關技術中，主要是基于實驗室的測試環境對電池SOH進行評估，通常采用容量衰減法、部分放電法等，這些方法主要是以電池循環充放電試驗為基礎，對電池特性的變化情況進行分析，從而估計電池的SOH，這種方式不僅試驗周期長，而且不能對電池進行在線實時測量，使得測量結果存在誤差。

發明內容

有鑒于此，本發明為了在至少一定程度上克服相關技術中存在的問題，提供一種電池SOH估計方法及設備。

為解決上述技術問題，本發明采用如下技術方案：

第一方面，一種電池SOH估計方法，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。

可選的，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。

可選的，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。

可選的，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，根據所述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。

可選的，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。

可選的，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：