一种基于实车充电数据的增量容量曲线确定方法

1.本发明属于新能源汽车动力电池的健康状态估计技术领域，具体涉及一种基于实车充电数据的增量容量曲线确定方法。


背景技术：

2.对于纯电动新能源汽车来说，其动力电池在使用中会不可避免地发生能量、功率上的退化，也相应地导致续驶里程与动力性能的下降。因此，如何实现精确的动力电池健康状态(soh)估计，对车辆的高效安全运行具有至关重要的意义。电池的增量容量分析是动力电池soh估计领域的一种重要实现途径，其通过获取增量容量(incremental capacity，ic)曲线中的峰值高度、位置和面积等特征，来进行soh的定量估计。然而，大多数ic曲线的确定和优化方法仅基于低电流完全充电的实验室数据，虽然某些实验室环境能够保证良好控制，但仍与电动汽车的复杂多变的实际运行环境存在很大区别。譬如在现实世界中，车辆的充电和放电行为是复杂而多样的，且充电过程是高度不连续的，很少遵循0-100％的完全充电模式，因为用户在日常使用中大多倾向于在电池完全耗尽前即开始充电。在某些基于实车大数据的现有技术中，由于现有传感器和传输设备的性能较低，大数据平台所收集的数据质量甚至还不如在实验室环境下获得的数据，使得相应ic曲线确定方法存在参数识别、计算成本高、对数据噪声敏感等缺陷，因而难以直接应用于现实世界中的非完全充电场景。


技术实现要素：

3.有鉴于此，针对上述本领域中所存在的技术问题，本发明提供了一种基于实车充电数据的增量容量曲线确定方法，具体包括以下步骤：
4.步骤一、车载远程终端将实车运行中包括电流、电压和时间项的原始数据上传至大数据平台；
5.步骤二、大数据平台对接收的所述原始数据进行处理，以充电电流和行驶车速为依据从原始数据中提取充电行为数据，并切分出一定时间范围内电流相同的多个充电片段；
6.步骤三、计算各充电片段中的充入容量，结合各片段的电压与时间项构成一组有序电压和容量序列：
7.v＝[v1,v2,...,vk,v
k+1
,...,v
n-1
,vn]
[0008]
q＝[q1,q2,...,qk,q
k+1
,...,q
n-1
,qn]
[0009]
步骤四、利用所述有序电压和容量序列，利用埃尔米特插值多项式拟合每个充电片段中容量与电压之间的函数关系；
[0010]
步骤五、对步骤四所得到的函数关系求导，得到每个充电片段对应的增量容量曲线；针对全部充电曲线应用前述步骤，从而得到动力电池的完整增量容量曲线变化。
[0011]
进一步地，步骤三中计算充入容量具体采用安时积分法：
[0012]
[0013]
其中，i为某次充电行为中的充电电流，t为充电时间，q为充入容量。
[0014]
进一步地，步骤四中针对每个充电片段中的电压与容量数据构造以下形式的埃尔米特插值多项式：
[0015][0016]
其中，
[0017][0018]
式中，n为每个片段中包含的电压或容量数据个数，q'i是qi相对于vi的导数；
[0019]
针对所述q'i分别执行以下规则：
[0020]
①
当i∈[1，n-1]时，所述q'i具体采用以下形式计算：
[0021][0022]
式中，
[0023]hi
＝v
i+1-vi[0024][0025]
采用上述公式计算q'i的前提是δi与δ
i-1
的符号相同，否则须将q'i置0；
[0026]
②
对于q'0与q'n，分别采用以下形式计算：
[0027][0028][0029]
采用上述公式计算q'0的前提为δ0与δ1的符号相同，计算q'n的前提为δ
n-1
与δ
n-2
的符号相同，否则须将q'0与q'n相应置0。
[0030]
上述步骤中采用了一种分段插值多项式，能够弥补现有云平台的车辆数据采集频率低、数据稀疏的不足的缺陷。对于式中的qi本发明基于真实采样得到的电压和容量采用一阶差商和加权平均的方法计算，并对导数q'i施加了相应约束，使原始充电数据中更多的信息得以保留，从而使进一步获得的增量容量曲线更能反映电池真实的健康状态。
[0031]
进一步地，步骤五中针对每个充电片段得到容量与电压的函数关系q＝f(v)，通过
执行以下求导：
[0032][0033]
即能够得到充电片段对应的增量容量曲线，进一步对所有充电片段采用如上步骤，即可反映所有充电片段所对应的增量容量变化情况。
[0034]
上述本发明所提出的基于实车充电数据的增量容量曲线确定方法，利用埃尔米特插值多项式拟合各充电片段中容量与电压之间的函数关系，能够保证精确计算增量容量曲线特征的同时，显著降低对计算资源的需求，从而有利于促进基于远程大数据平台对新能源汽车实时soh估计的实现，并具有现有技术所不具备的诸多有益效果。
附图说明
[0035]
图1为本发明所提供方法的流程示意图；
[0036]
图2为基于本发明的一实例中针对某车得到的全部充电片段的增量容量变化。
具体实施方式
[0037]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0038]
本发明所提供的基于实车充电数据的增量容量曲线确定方法，如图1所示，具体包括以下步骤：
[0039]
步骤一、车载远程终端将实车运行中包括电流、电压和时间项的原始数据上传至大数据平台；
[0040]
步骤二、大数据平台对接收的所述原始数据进行处理，以充电电流为依据从原始数据中提取充电行为数据，并切分出一定时间范围内电流相同的多个充电片段；
[0041]
步骤三、计算各充电片段中的充入容量，结合各片段的电压与时间项构成一组有序电压和容量序列：
[0042]
v＝[v1,v2,...,vk,v
k+1
,...,v
n-1
,vn]
[0043]
q＝[q1,q2,...,qk,q
k+1
,...,q
n-1
,qn]
[0044]
步骤四、利用所述有序电压和容量序列，利用埃尔米特插值多项式拟合每个充电片段中容量与电压之间的函数关系；
[0045]
步骤五、对步骤四所得到的函数关系求导，得到每个充电片段对应的增量容量曲线；针对全部充电片段应用前述步骤，从而得到动力电池的在一定时间范围内增量容量曲线变化。
[0046]
在本发明的一个优选实施方式中，步骤三中计算充入容量具体采用安时积分法：
[0047][0048]
其中，i为某次充电行为中的充电电流，t为充电时间，q为充入容量。
[0049]
本领域技术人员应当知晓，此步骤可以利用现有技术中的多种不同方式来计算充入容量。
[0050]
进一步地，步骤四中针对每个充电片段中的电压与容量数据构造以下形式的埃尔米特插值多项式：
[0051][0052]
其中，
[0053][0054]
式中，n为每个片段中包含的电压或容量数据个数，q'i是qi相对于vi的导数；
[0055]
针对所述q'i分别执行以下规则：
[0056]
①
当i∈[1，n-1]时，所述q'i具体采用以下形式计算：
[0057][0058]
式中，
[0059]hi
＝v
i+1-vi[0060][0061]
采用上述公式计算q'i的前提是δi与δ
i-1
的符号相同，否则须将q'i置0；
[0062]
②
对于q'0与q'n，分别采用以下形式计算：
[0063][0064][0065]
采用上述公式计算q'0的前提为δ0与δ1的符号相同，计算q'n的前提为δ
n-1
与δ
n-2
的符号相同，否则须将q'0与q'n相应置0。
[0066]
在本发明的一个优选实施方式中，步骤五中针对每个充电片段得到容量与电压的函数关系q＝f(v)，通过执行以下求导：
[0067][0068]
即能够得到充电片段对应的增量容量曲线，并反映所有充电片段所对应的增量容
量变化情况。图2示出了一个基于本发明的优选实例，通过上述方法针对某车的全部充电片段得到了相应的增量容量曲线，且随着车辆的持续使用与累积里程的增加，全面清晰地反映出增量容量曲线的变化情况。
[0069]
应理解，本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0070]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。