[发明专利]一种基于交替最小二乘法的锂电池SOH估计方法

说明书

本发明涉及一种基于交替最小二乘法的锂电池SOH估计方法，首先通过搭建的锂电池实验平台测量锂电池在充放电过程中的充电电压变换数据、充电电流变化数据和放电电压变化数据，然后提取等压升充电时间、等流降充电时间、等压降放电时间、等时间电压差四个特征值，最后结合交替最小二乘法计算锂电池的SOH，实现对锂电池SOH的有效估计。

技术领域

本发明涉及锂电池寿命估计领域，特别设计基于交替最小二乘法的锂电池SOH估计方法。

背景技术

随着科学技术的不断发展，新型能源产业得到极大的发展，然而电能的存储技术一直都是新型能源产业研究的一大难题。锂电池作为优秀的储能电池，具有存储寿命长、能力密度大、放电电压高、自然损耗小、安全性能高和能适应多种工作环境等优势，已成为全球电池市场消费需求最大、存储量最高和应用最为普遍的储能电池。

在可充电锂电池进行循环充电放电时，电池的正负极材料会发生腐蚀、电解液活性下降以及电池内部隔膜老化等问题，进而导致电池充放电能力的退化。当电池退化到不能维持正常工作时，将会引发一系列的问题，严重影响了设备的安全性和可靠性。因此建立完善的电池管理系统(Battery Management System,BMS)是十分必要的。BMS不但可以合理控制电池的充放电状态，对电池的充放电循环进行调控，还可以智能化地管理及维护各个电池单元，防止电池出现过度放电和过度充电等问题，延长其使用寿命并保证安全性，对于电池安全、高效和可靠的运行有着重要意义。

BMS核心功能有：充放电控制、均衡控制、荷电状态(State Of Charge,SOC)评估、健康状态(State Of Health,SOH)估计、剩余使用寿命(Remaining Useful Life,RUL)预测、故障诊断等。SOH和RUL是其中至关重要的部分，对健康状态和剩余使用寿命的精确、高效和快速地预测能极大地提高锂电池使用的安全性和可靠性。

目前SOH估计方法主要有：化学阻抗分析法、基于模型的方法和基于数据分析的方法。化学分析法预测精度高，物理意义明确，但是会破坏电池内部结构，使电池无法继续正常使用。化学分析法只适合在实验室中使用，不适合应用与实际工程环境中。基于模型的方法利用被预测的参数向量组成系统的状态矩阵，构建精确高效的量测方程和状态方程，以此进一步外推得到系统的状态量。基于模型的方法预测准确度较高，并可以在线预测系统的状态量。同时该方法也存在一定的缺陷，预测的效果过度依靠所建立模型的准确性。当被预测系统状态量的数量高于一定值时，会导致计算过于复杂，影响模型的预测速度。基于数据驱动的方法过程简单，无需深入研究电池的电化学特性和退化物理模型。只需要对电池工作时的基本性能指标如工作电压、温度、电流和阻抗等进行属性描述，从而找到其与SOH的关系，进一步估计电池的SOH。基于数据驱动的方法适合应用于实际工作场景，对不同类型锂电池适应能力较强。

交替最小二乘算法是通过隐含因子空间降维的思想，对矩阵进行分解的算法。矩阵分解常被用来压缩原始数据，去除数据的冗余信息，发掘有用信息，从其他维度寻找数据间的隐含关系和本质特征，被广泛的应用于数据挖掘、聚类、模式识别、图像处理等领域。因此可以利用交替最小二乘法可对电池参数特征与SOH之间的关系进行建模。

发明内容

为了解决上述存在问题。本发明提供基于交替最小二乘法的锂电池SOH估计方法，解决锂电池的SOH估计问题。为达此目的：

本发明提供基于交替最小二乘法的锂电池SOH估计方法，具体步骤如下：

步骤1：搭建锂电池实验平台，该平台可以实时测量锂电池工作数据，包括：电池充放电的电压、电流、阻抗和环境温度等实验数据，可对锂电池进行循环充放电实验；

步骤2：通过锂电池实验平台分别测量电池充放电状态下的电压、电流、阻抗和环境温度等实验数据，并对数据进行预处理；

步骤3：提取锂电池实验数据的等压升充电时间、等流降充电时间、等压降放电时间、等时间电压差四个特征,并将样本对应的特征分为训练样本和测试样本；