考虑单体不一致性的钠离子电池系统容量估计方法及装置与流程

本发明属于电池容量估计，具体涉及面向钠离子电池组且考虑单体不一致性的电池系统容量估计方法及装置。

背景技术：

1、现阶段，钠材料由于其丰富的储量且易于开采，有希望成为取代锂的新型电池材料从而大幅降低电池制造成本。与锂离子电池类似，钠离子电池在循环过程中同样表现出一定的容量衰减，容量作为电池重要的性能参数之一，其准确估计有助于量化电池的老化程度、保证电池安全可靠运行，而面向锂离子的电池容量估计、故障诊断等方法，也同样适合应用在钠离子电池上。现有常用的电池容量估计法主要分为试验分析法和基于模型的方法两大类，其中试验分析法通过直接测量得到容量参数，但存在测试时间较长、易受不确定因素影响等缺点，因此多在离线环境下应用；基于模型的方法分为自适应算法和数据驱动法，自适应算法通过对模型参数辨识及滤波算法确定电池容量，基于数据驱动的方法提取反映老化信息的特征并借助特定的学习算法建立老化模型，再利用老化模型来估计电池容量。在实际使用中的电池系统都是由电池单体成组搭建，而现有容量估计研究方法却多以单体为研究对象，或是将整个电池组等效视为一电池单体，这种等效处理方式显然还不够完善。受制作材料、工艺参数等因素的影响，电池单体之间在出厂时的实际容量、内阻均可能存在一定的差异，成组后由于运行工况、成组方式及管理方法等的差异更会导致不一致性的进一步扩大，尤其在容量、内阻和荷电状态(state of charge, soc)等方面，以单体的方法计算电池组容量非常不可靠。

技术实现思路

1、有鉴于此，针对本领域中所存在的技术问题，本发明提供了一种考虑单体不一致性的钠离子电池系统容量估计方法，具体包括以下步骤：

2、步骤一、针对电池组中的每一个电池单体的充电过程进行测量，获取各电池单体的充电曲线；

3、步骤二、从所获取的各电池单体的充电曲线中提取第一类特征参数：表征当前状态容量的特征参数，以及第二类特征参数：表征各电池单体间不一致性的特征参数；

4、步骤三、针对所提取的两类特征参数基于与电池组容量的相关性执行特征筛选与评价，得到与电池组容量强相关的特征参数集；

5、步骤四、建立基于机器学习的电池组容量估计模型，并将特征参数作为训练集，以各强相关特征参数作为模型输入、电池组容量作为模型输出进行训练，由此建立电池组容量与各强相关特征参数之间的映射关系；

6、步骤五、将训练好的电池组容量估计模型在线应用，从各电池单体的实时充电曲线中提取各强相关特征参数，并输出电池组容量估计结果。

7、进一步地，步骤二中提取的第一类特征参数具体选取：电流、电压及温度的包括最大值、最小值、平均值和标准差等的统计参数，定电压区间内的容量、能量、容量增量(incremental capacity，ic)曲线、差分电压(differential voltage，dv)曲线的峰值、峰值所对应的电压等；第二类特征参数具体选取定时间区间内的容量等。

8、进一步地，步骤三中具体选用方差选择法、相关系数法、基于惩罚项的特征选择、基于树模型的特征选择中的一种算法来得到与电池组容量强相关的特征参数集。

9、进一步地，步骤四中电池组容量估计模型具体选择集成模型、支持向量机模型、高斯过程回归模型、神经网络模型中的一种来搭建。

10、相应地，本发明还提供了一种考虑单体不一致性的钠离子电池系统容量估计装置，由以下模块组成：

11、数据获取及处理模块，用于针对电池组中的每一个电池单体的充电过程进行测量，并获取各电池单体的充电曲线；

12、充电曲线特征提取模块，用于从所获取的各电池单体的充电曲线中提取第一类特征参数：表征当前状态容量的特征参数，以及第二类特征参数：表征各电池单体间不一致性的特征参数；

13、充电曲线特征筛选模块，用于针对所提取的两类特征参数基于与电池组容量的相关性执行特征筛选与评价，得到与电池组容量强相关的特征参数集；

14、基于机器学习模型训练模块，用于将特征参数作为训练集，以各强相关特征参数作为模型输入、电池组容量作为模型输出进行训练，由此建立电池组容量与各强相关特征参数之间的映射关系；

15、电池组容量估计模块，用于利用训练好的机器学习模型，从各电池单体的实时充电曲线中提取各强相关特征参数，并输出电池组容量估计结果。

16、相应地，本发明还提供了一种计算机程序，其具体执行上述考虑单体不一致性的钠离子电池系统容量估计方法。

17、相应地，本发明还提供了一种计算机可读存储介质，其上存储有上述计算机程序。

18、相应地，本发明还提供了一种电子设备，包括处理器、存储器以及存储于所述存储器并可在所述处理器上运行的所述计算机程序。

19、上述本发明所提供的考虑单体不一致性的钠离子电池系统容量估计方法及装置，从电池单体的原始充放电数据出发，提取各电池单体充电曲线的特征，以反映钠离子电池系统中各单体的容量及单体之间的不一致性信息，并结合特征筛选算法选择出与电池组容量相关性较强的特征，构建机器学习模型表征筛选后特征与电池组容量的映射关系，训练场景可包括不同温度、充放电倍率等因素，从而能够实现较为精确的电池组容量估计，并克服现有技术中对单体间差异考虑不足的缺陷。

技术特征：

1.考虑单体不一致性的钠离子电池系统容量估计方法，其特征在于：具体包括以下步骤：

2.如权利要求1所述的方法，其特征在于：步骤二中提取的第一类特征参数具体选取：电流、电压及温度的包括最大值、最小值、平均值和标准差的统计参数，定电压区间内的容量、能量、容量增量曲线、差分电压曲线的峰值、峰值所对应的电压；第二类特征参数具体选取定时间区间内的容量。

3.如权利要求1所述的方法，其特征在于：步骤三中具体选用方差选择法、相关系数法、基于惩罚项的特征选择、基于树模型的特征选择中的一种算法来得到与电池组容量强相关的特征参数集。

4.如权利要求1所述的方法，其特征在于：步骤四中电池组容量估计模型具体选择集成模型、支持向量机模型、高斯过程回归模型、神经网络模型中的一种来搭建。

5.考虑单体不一致性的钠离子电池系统容量估计装置，其特征在于：由以下模块组成：

6.一种计算机程序，其特征在于：具体执行如权利要求1-4中任意一项所述的考虑单体不一致性的钠离子电池系统容量估计方法。

7.一种计算机可读存储介质，其特征在于：其上存储有如权利要求6所述的计算机程序。

8.一种电子设备，其特征在于：包括处理器、存储器以及存储于所述存储器并可在所述处理器上运行的如权利要求6所述的计算机程序。

技术总结
本发明提供了考虑单体不一致性的钠离子电池系统容量估计方法及装置，从电池单体的原始充放电数据出发，提取各电池单体充电曲线的特征，以反映钠离子电池系统中各单体的容量及单体之间的不一致性信息，并结合特征筛选算法选择出与电池组容量相关性较强的特征，构建机器学习模型表征筛选后特征与电池组容量的映射关系，训练场景可包括不同温度、充放电倍率等因素，从而能够实现较为精确的电池组容量估计，并克服现有技术中对单体间差异考虑不足的缺陷。

技术研发人员：李勇琦,闻有为,李乐卿,李毓烜,孙万洲,雷旗开,谭启鹏,万民惠,胡振恺
受保护的技术使用者：南方电网调峰调频发电有限公司储能科研院
技术研发日：
技术公布日：2024/1/15