一种锂离子电池组工况容量估计方法

本发明属于锂离子电池的，特别涉及一种锂离子电池组工况容量估计方法。

背景技术：

1、近年来，随着国家大力推动新能源车辆的发展，锂离子电池及其相关产业迎来了蓬勃的发展，锂离子电池相关技术不断革新，其安全性和可靠性引发了业界的广泛关注。作为新能源汽车的核心能源，新能源汽车的整车性能很大程度上取决于锂离子电池系统的性能。与单体相比，锂离子电池组的性能衰退受单体性能衰减和单体间不一致性的影响，涉及参数多样且相互耦合，不仅增加了电池组状态估计的难度，也对电池组的可靠性运行提出了挑战。因此，监测并估计新能源汽车电池组实车工况容量是一项重要的研究工作。但由于电池组在实际使用过程中不可能完全放电，难以直接获取电池组的容量，因此有必要提取一些能够实车可获得的表征电池组工况容量的特征参数指标。

2、现有电池组容量估计方法通常是基于电池模型或数据驱动提取电池组工况容量的特征参数，然而为了保证一定的模型精度，无论现有的哪种方式都需要投入大量的人力、物力、财力进行长时间的电池组循环老化测试以获取电池组容量的标签数据(真值)进行建模和验证，严重限制了新能源汽车升级换代和可持续发展，因此亟需开发基于少量样本数据的电池组工况容量估计的相关方法。

技术实现思路

1、针对现有技术中存在的不足，本发明提出一种锂离子电池组工况容量估计方法，包括以下步骤：s1.对锂离子电池组进行循环老化测试实验，获取电池组在不同循环时期的充电过程数据、充电后静置数据、放电过程数据、放电后静置数据；s2.对部分充电过程数据及充电后静置过程数据提取特征参数并进行标准化；s3.通过s1所述循环老化测试实验，生成单体层面标签数据和电池组层面标签数据，所述单体层面标签数据和电池组层面标签数据用于训练锂离子电池组工况容量估计模型；s4.提取s2所述特征参数和s3生成的标签数据，建立锂离子电池组工况容量估计模型，并对电池组进行工况容量估计。

2、进一步的，步骤s1所述不同循环时期的充电过程数据包括充电电池组电压-容量曲线、充电单体电压-容量曲线；所述充电后静置数据包括充电后静置电池组-时间曲线、充电后静置单体电压-时间曲线；所述放电过程数据包括放电电池组电压-容量曲线、放电单体电压-容量曲线；所述放电后静置数据包括放电后静置电池组-时间曲线和放电后静置单体电压-时间曲线。

3、进一步的，步骤s2所述部分充电过程数据根据充电过程中电池组电压-容量曲线反映出的锂离子电池主相变反应区间确定，并随材料体系相应调整，根据容量序列公式得到部分充电容量序列；所述容量序列公式为：

4、

5、qseg，cyc＝[0，q2，cyc，...，qn，cyc]

6、式中，useg为部分充电过程对应的电池组电压序列，qseg，cyc为部分充电过程对应的累积容量序列，cyc是循环数，1，2，...，n分别对应于该次循环序列中的每个采样点。

7、进一步的，s2所述提取特征参数并进行标准化，具体为根据特征提取参数公式对电池组老化趋势的特征参数和单体不一致性的特征参数进行提取，并按照z分数方式进行标准化，所提取电池组老化趋势特征参数基于部分充电过程中的电池组电压-容量曲线，所提取单体不一致性特征参数基于充电后静置单体电压-时间曲线。

8、进一步的，所述电池组老化趋势特征参数提取公式为：

9、dqcyc＝qseg，cyc-qseg，1＝[0，dq2，cyc，dq3，cyc，...，dqn，cyc]

10、

11、

12、式中，dqcyc为当前循环次数下的部分充电过程容量序列qseg，cyc与首次循环的部分充电过程容量序列qseg，1之间的差值。stddqcyc为dqcyc容量差序列的标准差，为部分充电过程电池组电压序列的平均电压，ii为采样时刻下的充电电流，δt为采样时间间隔；

13、进一步的，所述单体不一致性趋势特征参数提取公式为：

14、

15、

16、

17、

18、式中，为部分充电过程对应采样时刻i下的单体电压极差，为部分充电过程的单体电压极差序列的平均值，stdudiff为部分充电过程的单体电压极差序列的标准差，min ucell为充电后静置最低单体电压。

19、进一步的，s3中所述单体层面标签数据为代表性单体容量。

20、进一步的，所述单体容量为单体恒流小倍率下的容量，根据单位容量公式，通过放电后静置单体电压-时间曲线，充电后静置单体电压-时间，充电电池组电压容量曲线和放电电池组电压容量曲线计算生成。

21、进一步的，所述代表性单体包括容量最低，soc最低的单体，根据充电过程中的所有单体的电压-容量曲线和对应电压排名方式获得。

22、进一步的，所述单体容量公式为

23、

24、式中，k表示单体编号，ccell，k为单体的容量，cpack为电池组充电或放电过程累积的容量，为充电后静置的单体soc，为放电后静置的单体soc。

25、进一步的，s3中所述电池组层面标签数据为电池理论容量，为表征电池组当前状态下恒流小倍率可放出的容量，根据电池组理论容量公式，通过放电后静置单体电压-时间曲线、充电后静置单体电压-时间、充电电池组电压-容量曲线和放电池组电压-容量曲线计算生成。

26、进一步的，所述电池组理论容量公式为

27、

28、式中，ccell，k为单体的容量，为充电后静置的单体soc，cpack_theory为电池组的理论容量，为所有单体容量和充电后静置的单体soc两者乘积的最小值。

29、进一步的，s4所述锂离子电池组工况容量估计模型包括代表性单体容量的模型a，电池组理论容量的模型b和等效电路模型。

30、进一步的，所述模型a根据单体层面进行训练，所述模型b根据电池组层面进行训练。

31、进一步的，所述模型a基于机器学习算法描述了所述老化趋势特征参数和代表性单体容量的对应关系；所述模型b基于机器学习算法描述单体不一致性特征参数与电池组理论容量的对应关系。

32、进一步的，采用寻优算法获取代表性单体容量的模型a，电池组理论容量的模型b和等效电路模型的最优参数值。

33、进一步的，所述电池组工况容量为电池组当前状态下按照特定工况放电至最低单体达到截止电压可放出的容量，可基于所述代表性单体容量的模型a、电池组理论容量的模型b的估计结果、单体soc和等效电路模型的输出电压结果确定。

34、本发明的有益效果是：基于生成的单体层面和电池组层面的标签数据，通过锂离子电池组工况容量估计模型，实现了少量训练样本实车充电工况下电池组工况容量的高精度估计，所需训练老化数据量仅为传统无标签生成方法的五分之一，缩短了老化测试周期、降低了人力物力成本，为实车工况下的锂离子电池组状态估计等研究奠定了基础，对电池组工况容量估计具有重要意义，有一定的工程应用价值。