本發(fā)明屬于動(dòng)力電池技術(shù)領(lǐng)域，具體涉及一種電池健康狀態(tài)評(píng)估方法。

背景技術(shù)：

環(huán)境污染、能源短缺及汽車(chē)需求量增加迫使汽車(chē)產(chǎn)業(yè)朝電動(dòng)化方向發(fā)展。電池系統(tǒng)作為電動(dòng)汽車(chē)的動(dòng)力來(lái)源，其狀態(tài)對(duì)整車(chē)的動(dòng)力性、經(jīng)濟(jì)性和安全性都有重大影響。電池健康狀態(tài)評(píng)估作為電池狀態(tài)評(píng)估的關(guān)鍵任務(wù)之一，越來(lái)越受到國(guó)內(nèi)外研究者的重視，一種簡(jiǎn)單高效的電池健康狀態(tài)評(píng)估方法變得尤其重要。

目前，車(chē)用動(dòng)力電池健康狀態(tài)評(píng)估常見(jiàn)的方法均通過(guò)對(duì)電池內(nèi)部參數(shù)估計(jì)、辨識(shí)來(lái)實(shí)現(xiàn)的。主要分為以下兩類(lèi)：一是通過(guò)對(duì)電池額定容量的估計(jì)來(lái)評(píng)估電池健康狀態(tài)，另一種是通過(guò)對(duì)電池內(nèi)阻的估計(jì)來(lái)評(píng)估電池健康狀態(tài)。然而實(shí)際中很難得到電池的準(zhǔn)確額定容量和內(nèi)阻值，很難得到實(shí)際應(yīng)用。

電池在使用過(guò)程中，其健康狀態(tài)產(chǎn)生衰退，主要表現(xiàn)為額定容量衰減和內(nèi)阻增加，同時(shí)其內(nèi)部溫度、SOC、電壓和電流等也會(huì)發(fā)生不同程度的變化。

異常點(diǎn)檢測(cè)是數(shù)據(jù)挖掘中一個(gè)重要方面，通過(guò)數(shù)據(jù)驅(qū)動(dòng)方法，采用基于角度分布的異常點(diǎn)檢測(cè)算法能很好地適應(yīng)電池系統(tǒng)老化特征參數(shù)所表現(xiàn)出的維數(shù)高、參數(shù)漸變、數(shù)據(jù)量大等問(wèn)題。

根據(jù)以上分析，本發(fā)明提出一種基于角度分布的異常點(diǎn)檢測(cè)算法評(píng)估電池健康狀態(tài)的方法。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述背景技術(shù)中存在的問(wèn)題，本發(fā)明提出一種電池健康狀態(tài)評(píng)估方法。以避免現(xiàn)有技術(shù)中額定容量和內(nèi)阻評(píng)估不準(zhǔn)確，影響參數(shù)眾多等問(wèn)題。

一種電池健康狀態(tài)評(píng)估方法，用于實(shí)時(shí)評(píng)估動(dòng)力電池系統(tǒng)的健康狀態(tài)，其特征是，所述方法包括以下步驟：

A.采集標(biāo)準(zhǔn)工況下電池健康狀態(tài)衰減過(guò)程中的電池壽命歷史特征參數(shù)，對(duì)特征參數(shù)進(jìn)行標(biāo)準(zhǔn)化處理；

B.將標(biāo)準(zhǔn)化處理過(guò)后的特征參數(shù)組成算法測(cè)試數(shù)據(jù)集，采用基于角度分布的異常點(diǎn)檢測(cè)方法建立基于異常點(diǎn)檢測(cè)的電池健康狀態(tài)評(píng)估算法；

C.運(yùn)用B中的電池健康狀態(tài)評(píng)估算法對(duì)測(cè)試數(shù)據(jù)集進(jìn)行檢測(cè)分析，統(tǒng)計(jì)電池在不同健康狀態(tài)下的特征參數(shù)集序列異常集狀態(tài)；

D.建立電池健康狀態(tài)與異常集狀態(tài)的關(guān)系模型：SOH＝f(N_outliers)，其中，SOH為當(dāng)前電池健康狀態(tài)，N_outliers為當(dāng)前健康狀態(tài)下統(tǒng)計(jì)的異常點(diǎn)數(shù)量的 平均值，f(N_outliers)為擬合的函數(shù)關(guān)系式；

E.根據(jù)電池當(dāng)前擬合的f(N_outliers)值對(duì)電池的健康狀態(tài)值(SOH)進(jìn)行評(píng)估。

所述步驟A采集的電池歷史特征參數(shù)包括電池端電壓(U)、充放電電流(I)、溫度(T)和荷電狀態(tài)(SOC)這四個(gè)參數(shù)，標(biāo)準(zhǔn)化處理后組成四維檢測(cè)序列X；

所述步驟B采用的基于角度分布的異常點(diǎn)檢測(cè)方法描述如下：初始序列形成后，以其中任一點(diǎn)為頂點(diǎn)，求取其它任意兩點(diǎn)與頂點(diǎn)之間的角度值，計(jì)算所有其他點(diǎn)與頂點(diǎn)的角度方差值VOA(p)，VOA(p)為角度分布異常因子。

即：VOA(p)＝Var[Θ_apb]＝MOA₂(p)-(MOA₁(p))²

上式中：${\mathrm{MOA}}_1\left(p\right)=2\frac{\underset{a\≠b}{\underset{a,b\∈S\backslash \left\{p\right\},}{\mathrm{\Σ}}}{\mathrm{\Θ}}_{\mathrm{apb}}}{(n-1)(n-2)},{\mathrm{MOA}}_2\left(p\right)=2\frac{\underset{a\≠b}{\underset{a,b\∈S\backslash \left\{p\right\},}{\mathrm{\Σ}}}{{\mathrm{\Θ}}^2}_{\mathrm{apb}}}{(n-1)(n-2)}$

所述步驟C中在檢測(cè)四維檢測(cè)序列X中，初始檢測(cè)序列形成后，將檢測(cè)序列各點(diǎn)按方差VOA(p)大小分為正常集、邊界集和異常集；

所述步驟C中初始序列檢測(cè)完畢，將下一個(gè)點(diǎn)與正常集和邊界集納入計(jì)算序列，輸出異常集，三個(gè)集合均按FIFO方式實(shí)時(shí)更新，當(dāng)前一個(gè)點(diǎn)計(jì)算完成后，更新計(jì)算序列，進(jìn)行下一個(gè)計(jì)算點(diǎn)的判斷；

所述步驟D每隔300秒統(tǒng)計(jì)一次異常集中異常點(diǎn)的數(shù)量，然后取每種健康狀態(tài)下的異常點(diǎn)的數(shù)量平均值N_outliers，采用多項(xiàng)式擬合法擬合f(N_outliers)，其最高階數(shù)為三階；

所述步驟A中電池健康狀態(tài)SOH由新電池衰減至電池失效為止，這里的SOH定義如下式，其中，C_aged為當(dāng)前電池的實(shí)際容量，C_new為新出廠(chǎng)電池的額定容量。

與現(xiàn)有技術(shù)對(duì)比，本發(fā)明的有益效果為：

l、本發(fā)明可以準(zhǔn)確評(píng)估電池SOH，并預(yù)測(cè)電池SOH。

2、本發(fā)明采用數(shù)據(jù)驅(qū)動(dòng)方法，可以在線(xiàn)得到電池SOH。

3、本發(fā)明只需采集電池電流、電壓、溫度和SOC四個(gè)參量。

4、本發(fā)明適用于大多數(shù)類(lèi)別的電池。

附圖說(shuō)明

圖1是本發(fā)明步驟流程圖。

圖2是本發(fā)明電池健康狀態(tài)評(píng)估方法流程圖。

具體實(shí)施方式

下面，結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步說(shuō)明。

如圖l、圖2所示，本發(fā)明的具體實(shí)施過(guò)程和工作原理如下：

A.采集標(biāo)準(zhǔn)工況下電池健康狀態(tài)衰減過(guò)程中的電池壽命歷史特征參數(shù)，對(duì)特征參數(shù)進(jìn)行標(biāo)準(zhǔn)化處理；

B.將標(biāo)準(zhǔn)化處理過(guò)后的特征參數(shù)組成算法測(cè)試數(shù)據(jù)集，采用基于角度分布的異常點(diǎn)檢測(cè)方法建立基于異常點(diǎn)檢測(cè)的電池健康狀態(tài)評(píng)估算法；

C.運(yùn)用B中的電池健康狀態(tài)評(píng)估算法對(duì)測(cè)試數(shù)據(jù)集進(jìn)行檢測(cè)分析，統(tǒng)計(jì)電池在不同健康狀態(tài)下的特征參數(shù)集序列異常集狀態(tài)；

D.建立電池健康狀態(tài)與異常集狀態(tài)的關(guān)系模型：SOH＝f(N_outliers)，其中，SOH為當(dāng)前電池健康狀態(tài)，N_outliers為當(dāng)前健康狀態(tài)下統(tǒng)計(jì)的異常點(diǎn)數(shù)量的平均值，f(N_outliers)為擬合的函數(shù)關(guān)系式；

E.根據(jù)電池當(dāng)前擬合的f(N_outliers)值對(duì)電池的健康狀態(tài)值(SOH)進(jìn)行評(píng)估。

如圖2所示，所述步驟A采集的電池歷史特征參數(shù)包括電池端電壓(U)、充放電電流(I)、溫度(T)和荷電狀態(tài)(SOC)這四個(gè)參數(shù)，標(biāo)準(zhǔn)化處理后組成四維檢測(cè)序列X；

如圖2所示，所述步驟B采用的基于角度分布的異常點(diǎn)檢測(cè)方法描述如下：初始序列形成后，以其中任一點(diǎn)為頂點(diǎn)，求取其它任意兩點(diǎn)與頂點(diǎn)之間的角度值，計(jì)算所有其他點(diǎn)與頂點(diǎn)的角度方差值VOA(p)，VOA(p)為角度分布異常因子。

即：VOA(p)＝Var[Θ_apb]＝MOA₂(p)-(MOA₁(p))²

上式中：${\mathrm{MOA}}_1\left(p\right)=2\frac{\underset{a\≠b}{\underset{a,b\∈S\backslash \left\{p\right\},}{\mathrm{\Σ}}}{\mathrm{\Θ}}_{\mathrm{apb}}}{(n-1)(n-2)},{\mathrm{MOA}}_2\left(p\right)=2\frac{\underset{a\≠b}{\underset{a,b\∈S\backslash \left\{p\right\},}{\mathrm{\Σ}}}{{\mathrm{\Θ}}^2}_{\mathrm{apb}}}{(n-1)(n-2)}$

如圖2所示，所述步驟C中在檢測(cè)四維檢測(cè)序列X中，初始檢測(cè)序列形成后，將檢測(cè)序列各點(diǎn)按方差VOA(p)大小分為正常集、邊界集和異常集；

如圖2所示，所述步驟C中初始序列檢測(cè)完畢，將下一個(gè)點(diǎn)與正常集和邊界集納入計(jì)算序列，輸出異常集，三個(gè)集合均按FIFO方式實(shí)時(shí)更新，當(dāng)前一個(gè)點(diǎn)計(jì)算完成后，更新計(jì)算序列，進(jìn)行下一個(gè)計(jì)算點(diǎn)的判斷；

如圖2所示，所述步驟D每隔300秒統(tǒng)計(jì)一次異常集中異常點(diǎn)的數(shù)量，然后取每種健康狀態(tài)下的異常點(diǎn)的數(shù)量平均值N_outliers，采用多項(xiàng)式擬合法擬合f(N_outliers)，其最高階數(shù)為三階；

如圖2所示，所述步驟A中電池健康狀態(tài)SOH由新電池衰減至電池失效為止， 這里的SOH定義如下式，其中，C_aged為當(dāng)前電池的實(shí)際容量，C_new為新出廠(chǎng)電池的額定容量。