[发明专利]一种面向空间应用的锂离子电池健康状态在线估计方法

说明书

一种面向空间应用的锂离子电池健康状态在线估计方法，涉及锂离子电池健康状态估计技术领域，为了解决现有电池健康状态估计方法中以容量或者内阻为健康因子的方法大多不能实现在线估计应用，且数据驱动类方法过度依赖于离线测试数据集的完备性，不能充分考虑电池实际工作过程中的动态变化特性的问题。采集电池在线测试数据，并根据电池在线测试数据构建在线健康因子序列；建立SOH和在线健康因子间的映射关系；基于双指数退化模型，结合建立的电池SOH和在线健康因子间的映射关系建立状态空间方程；基于状态空间方程，结合UPF算法进行SOH的估计，得到SOH的估计结果和该估计结果对应的置信区间，完成电池健康状态的在线估计。适用于在线估计电池健康状态。

技术领域

本发明涉及锂离子电池健康状态估计技术领域，具体涉及一种带有置信区间分布的锂离子电池健康状态在线估计方法。

背景技术

锂离子电池以其单体输出电压高，循环寿命长，自放电率低，能量密度大，无环境污染等优点广泛应用于消费类电子，电动汽车，通信储能基站等领域，并逐渐扩展至航空，航天，航海等军事领域。尤其是在空间卫星应用方面，锂离子电池可大大降低载荷的重量和体积，较传统的镍氢电池和镍铬电池具有巨大优势，已经成为了第三代卫星储能电池。作为卫星在地影期运行的唯一能量来源，锂离子电池的安全可靠运行是保证卫星等空间飞行器在轨运行的前提。因此，针对面向空间应用的锂离子电池管理已经成为了研究的热点。

健康状态(State of Health,SOH)估计是锂离子电池管理的核心内容之一。SOH则描述当前电池相对于新电池的性能变化，是一个在电池“长期”使用过程中才会改变的状态量。SOH的准确估计可以合理的维护和更换电池，保障系统安全运行的同时减少运营成本，实现系统视情维修。

容量或内阻是一种直接衡量电池SOH的指标，也是目前大多数SOH估计方法所采用的因子。现有技术中，可以通过库伦积分获取容量，实现电池SOH的估计，也可以应用电池充电过程中的容量增量(IC)进行SOH估计等。但是，容量在电池的实际工作中很难监测，如电池的工况并不一定是满充电或满放电；同时，内阻的测量需要高精密的仪器设备，增加了成本，这些均限制了该类方法在SOH在线估计中的应用。与此同时，基于在线可测量参数的SOH估计方法成为了另一种思路。典型地，从电池在充放电过程中的电压、电流、温度和时间参数出发，并结合数据驱动的方法构建可测量参数与电池容量之间的对应关系，实现SOH在线估计。如应用神经网络(Neural Network,NN)建立电池容量与电压，电流和温度间的映射关系，实现了SOH估计。但是，数据驱动类的方法对用于训练的电池数据集的完备性依赖较高，且在复杂多变的工况环境下很难保证良好的估计精度。相比较而言，基于模型的粒子滤波(Particle Filter,PF)系列方法对具有非线性和非高斯特征的电池系统具有更好的适应性，在电池SOH估计方面更具优势，且具备不确定度表达能力。但是，标准PF算法在迭代过程中会出现粒子匮乏的现象，降低了算法的滤波精度和不确定度表达的能力。因此，基于标准PF算法的改进融合型算法在电池状态估计领域是十分有前景的。典型地，如无迹粒子滤波算法(Unscented Particle Filter,UPF)在电池的状态估计和寿命预测方面均具有良好的性能。

发明内容

本发明的目的是为了解决现有电池健康状态估计方法中以容量或者内阻为健康因子的方法大多不能实现在线估计应用，且数据驱动类方法过度依赖于离线测试数据集的完备性，不能充分考虑电池实际工作过程中的动态变化特性的问题，从而提供一种面向空间应用的锂离子电池健康状态在线估计方法。

本发明所述的一种面向空间应用的锂离子电池健康状态在线估计方法，该方法包括：

步骤一、采集电池在线测试数据，并根据电池在线测试数据构建在线健康因子序列；

步骤二、建立SOH和在线健康因子(Health Indicator,HI)间的映射关系；