[发明专利]一种轨道交通用动力电池健康状态评估方法

说明书

本发明涉及一种轨道交通用动力电池健康状态评估方法，步骤为：步骤1：基于电池SOC‑OCV模型，提取电池SOC‑OCV模型参数a、b、c和d；步骤2：统计5只以上电池SOC‑OCV模型参数随老化的变化趋势，得到电池SOC‑OCV模型关键参数值随电池老化的衍变规律；步骤3：基于电池SOC‑OCV模型参数随电池老化的衍变规律，利用线性回归方法建立SOH与步骤1所述模型参数的函数关系，得到新的SOH定义式；步骤4：基于步骤3得到的新的SOH定义式，评估电池的SOH。本发明所述的轨道交通用动力电池健康状态评估方法，能够反映出电池老化的根本原因，具有较高精度。

技术领域

本发明涉及电池SOH(state of health，健康状态)评估方法的技术领域，具体说是一种轨道交通用动力电池健康状态评估方法。尤指基于电池SOC-OCV模型参数衍变规律评估电池健康状态。SOC是荷电状态，state of charge；OCV是开路电压，open circuitvoltage。

背景技术

在过去的研究中，动力电池的荷电状态SOC评估一直是研究的热点，而作为衡量动力电池健康状态的SOH评估，却没有得到广泛的研究。动力电池健康状态SOH，反映了电池当前状态下提供功率和能量的能力。当SOH处于较低水平时，电池很可能在工作过程中突然失效，因此SOH的准确评估对于评价电池当前的工作能力至关重要。

目前，电池健康状态SOH定义主要依据电池当前容量与额定容量的比值或者电池当前内阻与初始内阻的比值来判断。基于这两个指标，出现了很多评估SOH的方法，这些方法大致可以分成两个重要的分支，一个是可以反映老化机理的电化学模型，另一个是基于智能算法与历史数据结合的方法。

电化学模型要求详细了解电池在使用过程中的每个电化学反应，用电化学方程精确描述出这些电化学放映，因此SOH评估精度依赖于电池的使用路径，不仅如此，电化学方程的建立需要设定边界条件和初始条件，因此复杂性很高，很难在实际中应用这种方法；

智能算法与历史数据结合的模式，在实验室里已经取得了令人满意的评估精度，但是实际使用中的电流变化复杂，因此这种精度在实际应用中得不到保证，不仅如此，智能算法与历史数据结合的模式往往都是离线实现的，因此离实际应用还有一段距离。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种轨道交通用动力电池健康状态评估方法，能够反映出电池老化的根本原因，具有较高精度。

为达到以上目的，本发明采取的技术方案是：

一种轨道交通用动力电池健康状态评估方法，其特征在于：基于电池SOC-OCV模型，计算出电池不同老化程度下SOC-OCV模型参数；其中：

电池SOC-OCV模型为：

f(s)＝a-b(-ln(s))^α+cs+de^β；

f(s)为开路电压OCV；

s为荷电状态SOC；

α和β为常数；

a，b，c和d为关键参数。

在上述技术方案的基础上，所述评估方法具体步骤为：

步骤1：基于电池SOC-OCV模型，提取电池SOC-OCV模型参数a、b、c和d；

步骤2：统计5只以上电池SOC-OCV模型参数随老化的变化趋势，得到电池SOC-OCV模型关键参数值随电池老化的衍变规律；

步骤3：基于电池SOC-OCV模型参数随电池老化的衍变规律，利用线性回归方法建立SOH与步骤1所述模型参数的函数关系，得到新的SOH定义式；

步骤4：基于步骤3得到的新的SOH定义式，评估电池的SOH。