一种用于磷酸铁锂电池梯次利用的电池健康特征参数提取方法
【技术领域】
[0001]本发明属于动力电池回收再利用检测领域。
【背景技术】
[0002]动力电池的梯次利用技术是电动汽车发展后时代的关键技术，动力电池梯次利用的回收再利用环节，需要针对电池的健康状态作出评价，以根据各个电池不同的健康状态对电池进行分类、再成组、再利用。但是现有的电池梯次利用方法中离线检测电池的容量值和内阻，针对电池正负极特征参数提取方法中离线检测电池的相关参数误差大的问题。另夕卜，使用低倍率(电流值通常为C/25?C/20)恒流充放电测试的准开路电压曲线分析电池正负极特性变化的方法耗时较长。不利于工程实际应用。
【发明内容】
[0003]本发明是为了解决现有的电池梯次利用方法中离线检测电池的容量值和内阻，针对电池正负极特征参数提取方法中离线检测电池的相关参数误差大的问题。另外，使用低倍率(电流值通常为C/25?C/20)恒流充放电测试的准开路电压曲线分析电池正负极特性变化的方法耗时较长。不利于工程实际应用的问题。提出了一种用于磷酸铁锂电池梯次利用的电池健康特征参数提取方法。
[0004]本发明所述的一种用于磷酸铁锂电池梯次利用的电池健康特征参数提取方法，该方法的具体步骤为:
[0005]步骤一、采用恒流恒压充电方式对待检测电池进行充电，充电结束后，将充电后的待测电池静置tl小时，使电池处于满电的平衡状态满电状态；其中，tl为正数；
[0006]步骤二、对充电后的电池进行放电，放电平均放电脉冲电流为1C/8，最大放电倍率为IC，直至待测电池的电压达到待测电池的下限截止电压，停止放电，并采集放电过程中电池的端电压和电流数据；电池静置t2小时后采用恒流放电的方式对电池放电，直至待测电池的电压达到待测电池的下限截止电压，停止放电，t2为正数；
[0007]步骤三、利用步骤二中采集得到的放电过程中电池的端电压和电流数据，使用一阶RC模型或者简化的电池阻抗谱模型，以电流数据作为电池模型的输入量、电压作为电池模型的输出量；
[0008]基于扩展卡尔曼滤波器或者分数阶联合卡尔曼滤波算法提取一阶RC模型或者简化的电池阻抗谱模型中电压源的电压估计值作为电池开路电压估计值OCVy
[0009]提取一阶RC模型或者简化的电池阻抗谱模型中的电阻元件的阻值作为电池欧姆内阻，
[0010]提取一阶RC模型或者简化的电池阻抗谱模型中的电阻的阻值与电容并联回路的电容值或韦伯阻抗元件的阻值作为电池的极化参数；
[0011 ] 步骤四、利用步骤四中获得的电池开路电压估计值OCVJP步骤二中脉冲放电的平均电流，基于非线性最小二乘法提取电池负极容量Qn、电池放电时负极初始荷电状态的SOC值SOCn,。，电池放电时负极终止荷电状态的SOC值SOCu的电池容量特征参数，完成用于梯次利用的电池健康特征参数提取。
[0012]本发明所述方法在是一种离线电池健康状态参数参数提取方法包括实验和数据处理两部分，使用负极容量、电池放电起始时刻负极初始S0C、欧姆内阻、极化参数作为磷酸铁锂电池的健康状态评价参数，比使用电池可用容量和内阻值更加全面的描述电池状态。实验方面采用较低倍率的脉冲工况测试，该方面比使用低倍率恒流放电测试的时间更短，使用卡尔曼滤波可以获得欧姆内阻和极化参数和开路电压估计值，由于开路电压估计值和电池实际开路电压之间存在差异，若直接使用电池正负极开路电势函数拟合开路电压估计值时，会存在较大误差，因此，本专利使用了简单的电池内阻模型作为开路电压估计值曲线拟合的参考模型。使用非线性最小二乘法可以快速提取模型参数。本方法适合磷酸铁锂动力电池回收再利用时的离线状态评价，适合工程应用。
【附图说明】
[0013]图1为本发明所述方法的流程图；
[0014]图2为电池阻抗谱模型结构示意图；
[0015]图3为具体实施例所述的具有编号的电池中，编号为#52电池500次循环时的端电压曲线图；
[0016]图4为电池开路电压估计值曲线与电压拟合曲线的对比图。
【具体实施方式】
[0017]【具体实施方式】一、结合图1和图2说明本实施方式，本实施方式所述的一种用于磷酸铁锂电池梯次利用的电池健康特征参数提取方法，该方法的具体步骤为:
[0018]步骤一、采用恒流恒压充电方式对待检测电池进行充电，充电结束后，将充电后的待测电池静置tl小时，使电池处于满电的平衡状态满电状态；其中，tl为正数；
[0019]步骤二、对充电后的电池进行放电，放电平均放电脉冲电流为1C/8，最大放电倍率为IC，直至待测电池的电压达到待测电池的下限截止电压，停止放电，并采集放电过程中电池的端电压和电流数据；电池静置t2小时后采用恒流放电的方式对电池放电，直至待测电池的电压达到待测电池的下限截止电压，停止放电，t2为正数；
[0020]步骤三、利用步骤二中采集得到的放电过程中电池的端电压和电流数据，使用一阶RC模型或者简化的电池阻抗谱模型，以电流数据作为电池模型的输入量、电压作为电池模型的输出量；
[0021]基于扩展卡尔曼滤波器或者分数阶联合卡尔曼滤波算法提取一阶RC模型或者简化的电池阻抗谱模型中电压源的电压估计值作为电池开路电压估计值OCVy
[0022]提取一阶RC模型或者简化的电池阻抗谱模型中的电阻元件的阻值作为电池欧姆内阻，
[0023]提取一阶RC模型或者简化的电池阻抗谱模型中的电阻的阻值与电容并联回路的电容值或韦伯阻抗元件的阻值作为电池的极化参数；
[0024]步骤四、利用步骤四中获得的电池开路电压估计值OCVJP步骤二中脉冲放电的平均电流，基于非线性最小二乘法提取电池负极容量Qn、电池放电时负极初始荷电状态的SOC值SOCn,。，电池放电时负极终止荷电状态的SOC值SOCu的电池容量特征参数，完成用于梯次利用的电池健康特征参数提取。
[0025]通过对端电压组分分析，在对电池进行1C/25?1C/8的恒流工况实验时，过电势对电池端电压的影响是近似均匀的，因此使用平均电流为1/8C充放电测试也可以取得与1/25C充放电测试相似的容量特征参数辨识结果。另外，在电池测试中加入脉冲测试可以进一步将欧姆内阻特性参数