[发明专利]一种锂离子电池的SOC和SOH联合估计方法

权利要求书

1.一种锂离子电池的SOC和SOH联合估计方法，其特征在于，包括：

构建锂离子电池的离线等效电路模型；

根据所述离线等效电路模型构建锂离子电池的滚动时域SOC估计优化模型；

基于所述滚动时域SOC估计优化模型对锂离子电池的SOC和可用容量进行在线联合估计；

所述基于所述滚动时域SOC估计优化模型对锂离子电池的SOC和可用容量进行在线联合估计包括：

通过电池管理系统对锂离子电池充/放电循环过程中的电流和电压数据进行采集，并采用基于所述滚动时域SOC估计优化模型的SOC估计方法，获得并记录SOC和端电压的估计值；

其中，所述通过电池管理系统对锂离子电池充/放电循环过程中的电流和电压数据进行采集，并采用基于所述滚动时域SOC估计优化模型的SOC估计方法，获得并记录SOC和端电压的估计值之后包括：

对锂离子电池充/放电循环过程中的所述端电压的估计值以及测量值之间的绝对误差进行循环重复计算，直至所述绝对误差小于预设误差值，并记录后续的有效的SOC估计值及所述有效的SOC估计值对应的采样时间和电流值。

2.根据权利要求1所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述构建锂离子电池的离线等效电路模型包括：

根据锂离子电池的四个电路元件的多项式函数模型构建锂离子电池的离线等效电路模型，所述四个电路元件包括开路电压、欧姆内阻、极化内阻、等效电容。

3.根据权利要求2所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述开路电压的多项式函数模型通过对锂离子电池的SOC-OCV曲线数据进行最小二乘辨识获得。

4.根据权利要求3所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述欧姆内阻、所述极化内阻、所述等效电容的多项式函数模型的系数均通过锂离子电池的HPPC工况测试数据进行辨识并通过求解锂离子电池的电压的最小二乘误差模型获得。

5.根据权利要求4所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述欧姆内阻、所述极化内阻、所述等效电容的多项式函数模型的阶数根据锂离子电池的DST工况测试数据的预测结果进行确定。

6.根据权利要求1所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述对锂离子电池充/放电循环过程中的所述端电压的估计值以及测量值之间的绝对误差进行循环重复计算，直至所述绝对误差小于预设误差值，并记录后续的有效的SOC估计值及所述有效的SOC估计值对应的采样时间和电流值之后包括：

计算预设时间间隔内的有效的SOC估计值的差值，并通过电流积分法计算获得每个预设时间间隔内的充/放电累积安时数；

以所述充/放电累积安时数为因变量，以所述有效的SOC估计值的差值为自变量，通过最小二乘法建立一元线性回归模型，并以所述一元线性回归模型的系数作为可用容量估计值。

7.根据权利要求6所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述以所述充/放电累积安时数为因变量，以所述有效的SOC估计值的差值为自变量，通过最小二乘法建立一元线性回归模型，并以所述一元线性回归模型的系数作为可用容量估计值之后包括：

运用基于谱方法的混合高斯回归模型方法，通过将自变量设置为充/放电循环次数，将因变量设置为可用容量估计值，建立可用容量单步预测的高斯回归模型，并根据所述高斯回归模型，实施可用容量的单步预测。

8.根据权利要求7所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述高斯回归模型的建模过程中采用最大似然估计方法获得所述高斯回归模型的超参数值，并将所述超参数值的初始值均设定为1，采用共轭梯度法获得最大似然估计模型的优化值。