一种带自学习功能的锂电池SOH估算方法与流程

一种带自学习功能的锂电池soh估算方法
技术领域
1.本发明属于锂电池技术领域，具体涉及一种带自学习功能的锂电池soh估算方法。


背景技术：

2.对于锂电池而言，soh是表征其寿命和健康程度的重要参数，电池从使用开始性能将逐步下降，这是一个不可逆的过程，所以电池的劣化程度越高，越接近于寿命的终点，soh变化带来的直接体验就是车辆的续航里程或可使用时长明显减少。电池的直流阻抗与soh存在一定的关系，soh越低，电池内阻越大，一般可以通过检测电压、电流、温度等数据，间接计算出电池的内阻值，然后根据soh与电池内阻的关系求得soh。
3.行业内直流内阻dcr的计算方法为：对电池进行一段时间的脉冲充/放电，根据公式r＝dv/di计算得到dcr，其中dv为δt时间内的电压变化量，di为脉冲电流的大小。以上方案通过专业检测设备对单个电芯进行hppc测试可以很容易实现，但是在实际电池包的使用过程中却无法开展，只有依靠bms采集电压、电流、温度等信息后进行计算，考虑到bms的性能差异，其电流和电压采样都难免会有一定的延迟，无法保证采样的实时性和同步性，且电流也不可能是标准的脉冲波形，因此即便是同一soh下采集数据并计算得到的dcr也可能存在较大的差别。
4.为了弥补现有技术的不足，在电池包和整车使用的条件下正确计算电池的dcr，进而估算soh，本专利提出了一种带自学习功能的锂电池soh估算方法。


技术实现要素：

5.本发明的目的在于提供一种带自学习功能的锂电池soh估算方法，以解决现有锂电池包和整车在使用过程中采集数据存在误差，导致dcr和soh的估算精度低等技术问题。为实现该目的，本发明具体技术方案如下：
6.一种带自学习功能的锂电池soh估算方法，所述方法包括dcr计算阶段、自学习阶段和修正阶段，具体步骤如下：
7.s1.对输入参数进行诊断和校验，若发现输入参数不符合条件，则本次不对soh值进行任何修改；
8.s2.根据直流内阻公式dcr＝dv/di计算dcr，其中dv为δt时间内的电压增量，di为脉冲电流的大小；
9.s3.根据电池模型计算的dcr系数表，将s2步骤中不同温度和soc条件下的插枪充电的dcr换算成t＝25℃、soc＝50％时的dcr；
10.s4.根据s3步骤计算得到的dcr执行自学习功能；
11.s5.以自学习功能执行完成后输出的自学习dcr
learn
值作为后续计算内阻增量的基准，计算内阻增量dcr
rate
＝dcr/dcr
learn
；
12.s6.根据dcr
rate
查内阻增量-容量衰减表(dcr-cap)获得电池当前的最大容量衰减，进而可得本次的soh值soh
est
；
13.s7.对soh
est
进行一阶滤波：soh＝soh
pre
×
kf+soh
est
×
(1-kf)，其中kf为滤波系数，最终得到本次循环计算的soh；soh
est
是本次计算得到的soh值，soh
pre
是上次计算得到的soh值，即用上次的soh
pre
和本次的soh
est
进行加权，最后输出滤波值。
14.其中，步骤s1、s2和s3属于dcr计算阶段，步骤s4属于自学习阶段，步骤s5、s6、s7属于修正阶段。
15.具体的，所述步骤s2中，记插枪充电前一时刻电池静置的最高单体电压为v1，电流i1＝0a，此时执行插枪动作，bms和充电机进行充电报文交互，bms向充电机请求充电电流i
req
，经过δt时间后充电机实际输出电流i
req
，并记此刻电池的最高单体电压为v2，由此得到在当前温度和soc的条件下，dcr的实际计算公式为：dcr＝(v
2-v1)/(i
2-i1)。
16.具体的，所述步骤s4中，在自学习需求计算次数learn_num内，锂电池的前期dcr的变化不大，电池的dcr基本保持不变，因此可以用前n次dcr的计算结果作为自学习的计算依据，得到一个自学习dcr
learn
值，后续的计算以该dcr
learn
值为基准，用以降低因bms采集时效性和数据同步性上的固有缺陷所带来的影响。
17.具体的，当计算次数n《learn_num时，自学习未完成，下一次循环将回到s1步骤执行，当n》＝learn_num时，自学习完成，得到dcr
learn
作为修正阶段的输入。
18.其中，当计算次数n小于自学习需求计算次数，即n《learn_num时，对于每一个dcr输入值都先缓存起来，若本次计算dcr和上次dcr
pre
的差值大于限制值r
th
，即|dcr-dcr
pre
|》r
th
，则认为本次计算结果无效，舍弃dcr，并重新回到步骤s1进行下一次循环。
19.具体的，通过公式dcr
learn
＝(dcr
pre
*n+dcr)/(n+1)计算dcr的自学习dcr
learn
值，其中n初始值为0，每计算一次dcr
learn
，n加1，直到n》＝learn_num。
20.与现有技术相比，本发明有以下优点：
21.(1)本发明方法考虑了实际电池包的使用情形，纳入插枪充电的操作，通过插枪充电请求电流的脉冲来计算dcr，无需增加外部测试设备，并加入自学习功能来降低因bms采集时效性上的缺陷所带来的影响，提高了soh的估算精度；
22.(2)对输入的电压、电流、温度、soc等参数进行诊断和校验，防止因输入参数错误对soh计算带来影响；
23.(3)加入自学习功能，将前n次dcr的计算结果作为自学习的计算依据，降低了因bms采集时效性和数据同步性上的固有缺陷所带来的影响；将自学习结果作为后续计算内阻增量的基准，查表获取当前容量衰减，并作滤波处理，增加了计算的可靠性。
附图说明
24.图1为本发明的方法流程图。
具体实施方式
25.下面结合附图对本发明一种带自学习功能的锂电池soh估算方法作进一步说明。
26.如图1所示，一种带自学习功能的锂电池soh估算方法，该方法包括dcr计算阶段、自学习阶段和修正阶段，具体步骤包括：
27.s1、每次执行该方法计算soh时，对输入的电压、电流、温度、soc等参数进行诊断和校验，若发现输入参数不符合条件，则本次不对soh值进行任何修改，防止因输入参数错误
对计算带来影响，并且将输入诊断的错误原因输出。
28.s2、根据直流内阻公式dcr＝dv/di计算dcr，其中dv为δt时间内的电压增量，di为脉冲电流的大小。
29.更具体地，考虑到实际电池包的使用情形，没有条件开展hppc实验，因此上述计算是依赖于插枪充电这一pack级别的动作上实现的。记插枪充电前一时刻电池静置的最高单体电压为v1，电流i1＝0a，此时执行插枪动作，bms和充电机进行充电报文交互，bms向充电机请求充电电流i
req
，经过δt时间后充电机实际输出电流i
req
，考虑到bms电流采集的精度，认为实际采集电流i2达到ireq的95％就已达到稳定，并记此刻电池的最高单体电压为v2；由此得到在当前温度和soc的条件下，dcr的实际计算公式为：dcr＝(v
2-v1)/(i
2-i1)。
30.s3、根据电池模型计算的dcr系数表，将s2步骤不同温度和soc下的插枪充电的dcr换算成t＝25℃、soc＝50％时的dcr。
31.s4、根据s3步骤计算得到的dcr执行自学习功能。考虑到锂电池的性能，前期dcr的变化不大，可以认为在自学习需求计算次数learn_num内(如learn_num＝10，代表至少需要进行插枪充电10次)，电池的dcr基本保持不变，因此可以用前n次dcr的计算结果作为自学习的计算依据，得到一个自学习dcr
learn
值，后续的计算都以这个值为基准，这样便可以降低因bms采集时效性和数据同步性上的固有缺陷所带来的影响。
32.当计算次数n《learn_num时，自学习未完成，下一次循环将回到s1步骤执行，当n》＝learn_num时，自学习完成，得到dcr
learn
作为修正阶段的输入。
33.更具体地，当计算次数n小于自学习需求计算次数，即n《learn_num时，对于每一个dcr输入值都先缓存起来，若本次计算dcr和上次dcr
pre
的差值大于限制值r
th
，即|dcr-dcr
pre
|》r
th
，则认为本次计算结果无效，舍弃dcr，并重新回到步骤s1进行下一次循环。按照公式dcr
learn
＝(dcr
pre
*n+dcr)/(n+1)计算dcr的自学习值，其中n初始值为0，每计算一次dcr
learn
，n加1，直到n》＝learn_num。
34.s5、以自学习功能执行完成后输出的dcr
learn
作为后续计算内阻增量的基准，计算内阻增量dcr
rate
＝dcr/dcr
learn
。
35.s6、根据dcr
rate
查内阻增量-容量衰减表(dcr-cap)获得电池当前的最大容量衰减，进而可得本次的soh值soh
est
。
36.s7、对soh
est
进行一阶滤波：soh＝soh
pre
×
kf+soh
est
×
(1-kf)，其中kf为滤波系数，最终得到本次循环计算的soh，soh
est
是本次计算得到的soh值，soh
pre
是上次计算得到的soh值，即用上次的soh
pre
和本次的soh
est
进行加权，最后输出滤波值。
37.综上可知，dcr计算阶段包括步骤s1、s2、s3，自学习阶段包括步骤s4，修正阶段包括步骤s5、s6、s7。
38.其中一实施例如下：挑选一款全新的未经过充放电循环的电池包进行测试验证。同s2步骤所述操作，实测插枪充电前一时刻电池静置时的最高单体电压为3.329v，静置电流i＝0a，在插枪充电后，经过一段时间bms和充电机的报文交互，充电机最终输出20a，考虑到采集精度，bms判断采集电流达到20
×
95％＝19a时就认为充电机输出电流已稳定，并发送此时的最高单体电压为3.335v。因此，本次插枪充电实际计算的dcr为(3.335-3.329)/(19-0)＝0.316mω。
39.然后，根据s3步骤所述，将上一步计算得到的dcr换算为t＝25℃、soc＝50％时的
dcr，查dcr系数表可以得出换算结果为0.307mω。
40.接着，根据s4步骤所述，执行dcr的自学习功能。将自学习需求计算次数learn_num设定为10，并重复执行步骤s1-s4。计算过程如下：
41.n＝1，dcr
learn
＝(dcr
pre
*n+dcr)/(n+1)
42.n＝1，dcr
learn
＝0.307mω；
43.n＝2，dcr
learn
＝(0.307
×
2+0.304)/(2+1)＝0.306mω；
44.n＝3，dcr
learn
＝(0.306
×
3+0.303)/(3+1)＝0.305mω；
45.……
46.n＝10，dcr
learn
＝(0.304
×
10+0.309)/(10+1)＝0.304mω；
47.至此，自学习结束，得到dcr
learn
＝0.304mω作为自学习模块的输出值同时作为修正阶段的输入值。
48.在自学习完成后，我们对该电池包进行若干次的高温充放电循环测试，人为加速电池包的老化，然后进行后续计算。根据s5步骤所述，本次计算得到的dcr为0.352mω，即dcr＝0.352mω为试验值，则内阻增量dcr
rate
＝dcr/dcr
learn
＝0.352/0.304＝1.158。
49.根据步骤s6所述，根据dcr
rate
查内阻增量-容量衰减表(dcr-cap)获得电池当前的最大容量衰减，进而可得本次的soh值soh
est
＝91％，即sohest＝91％是查表值；
50.最后，根据步骤s7所述，对soh
est
进行一阶滤波，可得到soh的最终值。即取kf＝95％，soh＝92％
×
95％+91％
×
(1-95％)＝91.9％，soh最终值为91.9％，并且将soh
pre
赋值为91.9％，继续下一次循环计算。
51.具体的，关于滤波系数kf的选取，因为实际使用过程中，soh是一个变化较为缓慢的值，因此kf应当选取一个较大的值来避免当前计算结果和上次计算结果差距较大的情况，综合考虑选择95％比较合适。
52.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

技术特征：
1.一种带自学习功能的锂电池soh估算方法，其特征在于，所述方法包括dcr计算阶段、自学习阶段和修正阶段，具体步骤如下：s1.对输入参数进行诊断和校验，若发现输入参数不符合条件，则本次不对soh值进行任何修改；s2.根据直流内阻公式dcr＝dv/di计算dcr，其中dv为δt时间内的电压增量，di为脉冲电流的大小；s3.根据电池模型计算的dcr系数表，将s2步骤中不同温度和soc条件下的插枪充电的dcr换算成t＝25℃、soc＝50％时的dcr；s4.根据s3步骤计算得到的dcr执行自学习功能；s5.以自学习功能执行完成后输出的自学习dcr
learn
值作为后续计算内阻增量的基准，计算内阻增量dcr
rate
＝dcr/dcr
learn
；s6.根据dcr
rate
查内阻增量-容量衰减表(dcr-cap)获得电池当前的最大容量衰减，进而可得本次的soh值soh
est
；s7.对soh
est
进行一阶滤波：soh＝soh
pre
×
k
f
+soh
est
×
(1-k
f
)，其中k
f
为滤波系数，最终得到本次循环计算的soh，soh
pre
是上次计算得到的soh值；其中，步骤s1、s2和s3属于dcr计算阶段，步骤s4属于自学习阶段，步骤s5、s6、s7属于修正阶段。2.根据权利要求1所述的一种带自学习功能的锂电池soh估算方法，其特征在于，所述步骤s2中，记插枪充电前一时刻电池静置的最高单体电压为v1，电流i1＝0a，此时执行插枪动作，bms和充电机进行充电报文交互，bms向充电机请求充电电流i
req
，经过δt时间后充电机实际输出电流i
req
，并记此刻电池的最高单体电压为v2，由此得到在当前温度和soc的条件下，dcr的实际计算公式为：dcr＝(v
2-v1)/(i
2-i1)。3.根据权利要求1所述的一种带自学习功能的锂电池soh估算方法，其特征在于，所述步骤s4中，在自学习需求计算次数learn_num内，锂电池的前期dcr的变化不大，电池的dcr基本保持不变，因此可以用前n次dcr的计算结果作为自学习的计算依据，得到一个自学习dcr
learn
值，后续的计算以该dcr
learn
值为基准，用以降低因bms采集时效性和数据同步性上的固有缺陷所带来的影响。4.根据权利要求3所述的一种带自学习功能的锂电池soh估算方法，其特征在于，当计算次数n<learn_num时，自学习未完成，下一次循环将回到s1步骤执行，当n>＝learn_num时，自学习完成，得到dcr
learn
作为修正阶段的输入。5.根据权利要求4所述的一种带自学习功能的锂电池soh估算方法，其特征在于，当计算次数n小于自学习需求计算次数，即n<learn_num时，对于每一个dcr输入值都先缓存起来，若本次计算dcr和上次dcr
pre
的差值大于限制值r
th
，即|dcr-dcr
pre
|>r
th
，则认为本次计算结果无效，舍弃dcr，并重新回到步骤s1进行下一次循环。6.根据权利要求5所述的一种带自学习功能的锂电池soh估算方法，其特征在于，通过公式dcr
learn
＝(dcr
pre
*n+dcr)/(n+1)计算dcr的自学习值，其中n初始值为0，每计算一次dcr
learn
，n加1，直到n>＝learn_num。

技术总结
本发明公开一种带自学习功能的锂电池SOH估算方法，包括S1.对输入参数进行诊断和校验；S2.根据直流内阻公式DCR＝dV/dI计算DCR，其中dV为Δt时间内的电压增量，dI为脉冲电流的大小；S3.根据电池模型计算的DCR系数表，将S2步骤中不同温度和SOC条件下的插枪充电的DCR换算成T＝25℃、SOC＝50％时的DCR；S4.根据S3步骤计算得到的DCR执行自学习功能；S5.以自学习功能执行完成后输出的自学习DCR


技术研发人员：曹嘉伟 孔德宝 刘永青 马帅 许奇
受保护的技术使用者：杭州鹏成新能源科技有限公司
技术研发日：2023.05.22
技术公布日：2023/9/12