[發(fā)明專利]數(shù)據(jù)驅(qū)動(dòng)與電化學(xué)機(jī)理結(jié)合的電池SOH自動(dòng)估計(jì)方法及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202111285759.5
• 申請(qǐng)日: 2021-11-02
• 公開(kāi)（公告）號(hào): CN114184972A
• 公開(kāi)（公告）日: 2022-03-15
• 發(fā)明（設(shè)計(jì)）人: 趙玲玲
• 申請(qǐng)（專利權(quán)）人: 江蘇博強(qiáng)新能源科技股份有限公司
• 主分類號(hào): G01R31/392
• 分類號(hào): G01R31/392
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 翁惠瑜

本發(fā)明涉及一種數(shù)據(jù)驅(qū)動(dòng)與電化學(xué)機(jī)理結(jié)合的電池SOH自動(dòng)估計(jì)方法及設(shè)備，包括以下步驟：獲取每個(gè)電池單體的電流、端電壓和溫度信息，計(jì)算每次充電周期內(nèi)的IC曲線、DV曲線、電壓曲線和溫度差分曲線；在相同充放電模式的循環(huán)周期內(nèi)，分別提取各曲線的關(guān)鍵點(diǎn)序列；基于各曲線的關(guān)鍵點(diǎn)序列及對(duì)時(shí)間序列的回歸，獲得SOH相關(guān)指標(biāo)組；基于預(yù)先離線獲取的指標(biāo)權(quán)重及所述SOH相關(guān)指標(biāo)組，得到各電池單體的最終SOH估計(jì)SOH_i；根據(jù)各電池單體的SOH_i，結(jié)合單體的SOH平均水平和分布差異，獲得整個(gè)電池簇的最終SOH估計(jì)。與現(xiàn)有技術(shù)相比，本發(fā)明具有有效、準(zhǔn)確等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及電池SOH估計(jì)技術(shù)領(lǐng)域，尤其是涉及一種數(shù)據(jù)驅(qū)動(dòng)與電化學(xué)機(jī)理結(jié)合的電池SOH自動(dòng)估計(jì)方法及設(shè)備。

背景技術(shù)

電池老化過(guò)程中復(fù)雜的電化學(xué)機(jī)理使得SOH(State Of Health，指蓄電池容量、健康度、性能狀態(tài))在線監(jiān)測(cè)技術(shù)的發(fā)展更具挑戰(zhàn)性。雖然可以通過(guò)離線測(cè)試和在線識(shí)別算法來(lái)評(píng)估電阻增長(zhǎng)問(wèn)題，但容量衰減的檢測(cè)仍在很大程度上依賴于實(shí)驗(yàn)室測(cè)量和離線分析。電池單體的SOH已經(jīng)形成一些有效方法，主要分為以下幾種：

(1)從SOH的定義出發(fā)，直接測(cè)量法通過(guò)測(cè)量電池容量、循環(huán)次數(shù)的方式估算，這種方法可以獲得準(zhǔn)確的SOH估計(jì)，但很難在線應(yīng)用。

(2)確定電池容量衰減的一種傳統(tǒng)且最常用的方法是基于OCV-SOC曲線。但是，它需要在低速率下對(duì)蓄電池進(jìn)行完全充電或放電，或在整個(gè)范圍內(nèi)的SOC水平下經(jīng)過(guò)長(zhǎng)時(shí)間的松弛后測(cè)量開(kāi)路電壓。這兩種方法都需要耗時(shí)的測(cè)試，因此不適用于現(xiàn)場(chǎng)操作數(shù)據(jù)的實(shí)現(xiàn)。基于OCV直接對(duì)電池單體進(jìn)行SOH診斷存在困難。鋰離子的嵌入和脫嵌僅在很窄的電壓范圍內(nèi)發(fā)生。所有電壓平臺(tái)都位于臨界電壓范圍內(nèi)并重疊，而電壓容易受到測(cè)量噪聲的影響。所有這些因素導(dǎo)致了大多數(shù)鋰電池化學(xué)的OCV曲線的特征難以直接觀察。當(dāng)前很多在線SOH估計(jì)方法綜合利用或者單獨(dú)提取IC、DV、DT曲線的關(guān)鍵特征點(diǎn)，如峰值、面積、斜率來(lái)構(gòu)建健康因子(集合)，利用離線壽命試驗(yàn)獲取的SOH數(shù)據(jù)，建立離線SOH估計(jì)模型。然后，在線進(jìn)行單個(gè)循環(huán)的使用的健康因子的提取，利用建立好的離線SOH估計(jì)模型計(jì)算得到在線的SOH估計(jì)值。這些方法建立在被觀測(cè)電池單體與離線模型所使用的單體性能一致的假設(shè)前提下，然而，雖然IC、DV、DT被證明是分析電池容量衰減的有效工具，但由于這些曲線上的所有峰值都位于V-Q曲線的電壓平臺(tái)區(qū)相對(duì)平坦，對(duì)測(cè)量噪聲比較敏感，較小的測(cè)量誤差會(huì)引起峰值極大的變化。此外，由于電池工藝一致性的差異，使得單純依賴離線模型來(lái)進(jìn)行在線SOH估計(jì)往往并不可靠。

(3)估計(jì)容量損失的另一種方法是基于計(jì)算的分析方法，包括增量容量分析(ICA)、差分電壓分析法(differential voltage analysis，DVA)和差分溫度(differential temperature，DT)分析法。通過(guò)區(qū)分蓄電池充電容量(Q)和終端電壓(V)，ICA轉(zhuǎn)換充電/放電電壓(V-Q)曲線上的電壓平臺(tái)，該平臺(tái)將石墨陽(yáng)極分段，形成增量容量(IC)曲線上清晰可識(shí)別的dQ/dV峰值。ICA的概念來(lái)源于對(duì)嵌鋰過(guò)程和相應(yīng)階段現(xiàn)象的研究。ICA的優(yōu)勢(shì)在于檢測(cè)生命周期試驗(yàn)期間電池行為的逐漸變化，其靈敏度高于基于傳統(tǒng)充放電曲線的靈敏度，并產(chǎn)生與電化學(xué)特性相關(guān)的電池行為的關(guān)鍵信息。DVA方法通過(guò)離線構(gòu)建電池外特征(主要是差分電壓曲線中的關(guān)鍵特征點(diǎn))與老化之間的關(guān)系，建立回歸模型，以在線估計(jì)其老化信息。這些技術(shù)需要進(jìn)行離線的壽命實(shí)驗(yàn)，建立不同電芯、不同充放電模式和工況下的老化庫(kù)，并建立健康因子與SOH的回歸模型，在線使用時(shí)找到對(duì)應(yīng)的回歸模型進(jìn)行在線SOH的估計(jì)。

(4)以卡爾曼濾波、粒子濾波及其改進(jìn)算法為代表的自適應(yīng)濾波算法對(duì)于解決電池非線性復(fù)雜系統(tǒng)狀態(tài)估計(jì)問(wèn)題非常適用，但需要建立電化學(xué)模型來(lái)擬合電化學(xué)過(guò)程，模型中的各種參數(shù)的辨識(shí)決定了模型能力。但卡爾曼濾波、粒子濾波等濾波方法過(guò)于依賴電池狀態(tài)模型，而恰當(dāng)?shù)碾姵赝嘶癄顟B(tài)空間模型在實(shí)際中往往不易得到。