[发明专利]一种锂离子电池健康状态预测方法及装置

权利要求书

1.一种锂离子电池健康状态预测方法，其特征在于，包括：

S1：对锂离子电池进行离线SOH数据测试操作，得到所述锂离子电池进行多次充放电循环后的恒流充电阶段电压曲线与充放电循环的可用容量；

S2：建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型；

S3：对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标；

S4：根据所述相似性指标与所述充放电循环的可用容量建立SOH预测模型；

S5：将所述SOH预测模型加载进预置电池管理系统中，使得所述电池管理系统能对电池健康状态进行基于动态时间规整的预测操作。

2.根据权利要求1所述的锂离子电池健康状态预测方法，其特征在于，所述建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型具体包括：

以第一次充放电循环的恒流充电阶段电压曲线为基准测试曲线，并建立所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标计算模型。

3.根据权利要求2所述的锂离子电池健康状态预测方法，其特征在于，所述对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标具体包括：

在预置单调性约束、预置连续性约束、预置边界条件约束和预置规整窗口约束下通过动态规则方法对所述相似性指标计算模型进行求解，得到在不同规整窗口值条件下的所述恒流充电阶段电压曲线与基准测试曲线之间的相似性指标。

4.根据权利要求3所述的锂离子电池健康状态预测方法，其特征在于，所述根据所述相似性指标与所述充放电循环的可用容量建立SOH预测模型具体包括：

在不同规整窗口值下建立所述相似性指标与所述充放电循环的可用容量之间的高斯回归模型，以所述高斯回归模型精度最小为指标，通过最大似然估计法和共轭梯度法对所述高斯回归模型进行求解得到最优规整窗口值，并以根据所述最优规整窗口值建立的高斯回归模型作为SOH预测模型。

5.根据权利要求4所述的锂离子电池健康状态预测方法，其特征在于，所述将所述SOH预测模型加载进预置电池管理系统中，使得所述电池管理系统能对电池健康状态进行基于动态时间规整的预测操作具体包括：

T1：电池管理系统实时记录锂离子电池恒流充电阶段的电压值，得到锂离子进行充放电循环后的实时恒流充电阶段电压曲线；

T2：电池管理系统根据所述最优规整窗口值并通过动态规则方法对所述相似性指标计算模型进行求解，得到所述恒流充电阶段电压曲线与所述基准电压曲线的相似性指标；

T3：电池管理系统将所述恒流充电阶段电压曲线与所述基准电压曲线的相似性指标导入所述SOH预测模型，得到锂离子电池的当前可用容量均值和锂离子电池的置信度；

T4：电池管理系统循环执行T1至T3，使得所述电池管理系统能对电池健康状态进行基于动态时间规整的预测操作。

6.根据权利要求1所述的锂离子电池健康状态预测方法，其特征在于，所述恒流充电阶段电压曲线为：

式中，P为循环测试次数，n_p为恒流充电数据点个数，第p次充放电循环的可用容量记为C_p，p＝1，…，P。