[发明专利]基于EKF-GPR和日常片段数据的电池实时全充时间的估算方法

说明书

基于EKF‑GPR和日常片段数据的电池实时全充时间的估算方法，属于一种电池实时全充时间的估算方法。本发明针对现有的的缺陷，提供了一种测量周期短、过程简单、便于测量和记录、实用性强的电池实时全充时间的估算方法。本发明中，初始化赋值，对恒流充电的全充数据进行高斯过程回归，计算初始超参数；提取次的片段数据，利用首次的全充数据作为状态的初值，状态向量初始化为首次的全充时间，对当前次的片段数据进行扩展卡尔曼滤波‑高斯过程回归，估计当前次恒流充电所需要的全充时间；扩展卡尔曼滤波循环递推；预测全充时间：计算次片段数据的全充时间：更新循环：赋值，计算，重复步骤二到步骤五。本发明主要用于估算电池实时全充时间。

技术领域

本发明属于一种电池实时全充时间的估算方法。

背景技术

在电动汽车电池管理系统中，实时监控动力锂电池的健康状态(State-of-Health,SOH)能准确反映出电池当前容量能力，可及时做好维护或更换的准备工作，有效发现和避免电池的不安全行为，为动力电池的稳定性提供保障。电池的健康状态SOH也被称为寿命状态，表征电池在长期使用过程中的老化情况和劣化程度的指标，通常根据电池使用一段时间后某些直接可测或间接计算得到的性能参数的实际值与标称值的比值估算。SOH受众多因素影响，与电池老化机理相关，其中很多参数都难以实时测量，因此相对于电池剩余电量(State-of-Charge,SOC)而言，SOH估算的复杂性和难度更高。

目前，对于电池SOH的研究主要包括直接测量法、基于模型的方法和数据驱动的方法。利用数据模型处理电池SOH预测的方法主要包括自回归、神经网络、支持向量机和卡尔曼滤波和粒子滤波等方法。这些方法所使用的SOH定义不完全一致，但多利用了电池的放电容量和标称容量比值。最常用的容量测试几乎均是静态条件下，将电池充至满电，在特定温度及恒定电流下放电到放电截止电压，并用电流值对放电时间进行积分计算得到容量。该方法的缺点是动力电池充放电周期较长且过程繁琐，加重了检测的时间成本。对于动力汽车锂电池而言，其充电过程相对放电过程更为稳定且易于测量和记录，因此考虑利用充电容量计算SOH更为实用。

因此，就需要一种测量周期短、过程简单、便于测量和记录、实用性强的电池实时全充时间的估算方法。

发明内容

本发明针对现有的电池实时全充时间估算方法周期长、过程繁琐、不易测量和记录、实用性差的缺陷，提供了一种测量周期短、过程简单、便于测量和记录、实用性强的电池实时全充时间的估算方法。

本发明所涉及的基于EKF-GPR和日常片段数据的电池实时全充时间的估算方法的技术方案如下：

本发明所涉及的基于EKF-GPR和日常片段数据的电池实时全充时间的估算方法，它包括以下步骤：

步骤一、初始化：恒流充电电流I，恒压充电截止电压V，初次循环loop₀，初始恒流充电下的全充数据d₀＝(t₀(k),v₀(k))，k＝1,2,...,n₀，n₀为在恒流充电电流I充电下电池达到恒压充电截止电压V时的总采样时间点数，t₀(k)是等间隔采样的离散相对时间，采样时间间隔ΔT＝t₀(k+1)-t₀(k)为常数，v₀(k)表示第k个采样点的电压；扩展卡尔曼滤波的初始状态矩阵A₀；

步骤二、高斯过程回归：利用周期协方差函数与神经网络协方差函数之和的协方差函数对恒流充电的全充数据d₀进行高斯过程回归，计算初始超参数hyp₀；