[发明专利]一种基于数据驱动的车用电池健康状态估计方法

权利要求书

1.一种基于数据驱动的车用电池健康状态估计方法，其特征在于：该方法根据现有健康因子提取方法提取基于充电过程的健康因子，包括基于测量数据提取的健康因子和基于计算数据提取的健康因子；利用过滤法加包装法的融合方法进行健康因子子集的筛选；采用数据驱动算法进行回归模型训练，利用训练得到的回归模型估计测试单体的SOH，并将回归模型装入车载电池管理系统进行电池的SOH估计；具体包括以下步骤：

步骤S1：选定待测电池，收集整理该电池的技术参数；根据车用充电工况和恒电流或动态放电工况进行电池的循环老化实验，并收据电池电压、电流和温度信息，建立电池老化数据库；

步骤S2：选取其中一个电池的老化数据集作为训练数据集，提取基于充电工况的多个健康因子，包括基于测量数据和基于计算数据提取的健康因子；

步骤S3：基于提取的健康因子进行数据驱动回归模型训练，采用过滤法加包装法的融合方法进行最优健康因子子集的筛选；

步骤S4：根据筛选出的子集提取其他电池的健康因子，利用训练好的回归模型估计其他不同放电工况下的电池的SOH估计的验证；将训练好的模型嵌入车用电池管理系统，并在车用中提取子集涵盖的健康因子并进行SOH估计。

2.根据权利要求1所述的一种基于数据驱动的车用电池健康状态估计方法，其特征在于：所述步骤S1具体为：

步骤S11：选定待测电池，确定其基本参数如额定容量，额定电压，上截止电压及下截止电压；

步骤S12：对待测电池进行初始容量标定；

步骤S13：根据实际车用充电工况进行充电测试，获取电池的电压、电流和温度数据；

步骤S14：采用恒电流或动态电流进行放电测试，获取电池电压、电流和温度数据；

步骤S15：静置30min；

步骤S16：重复步骤S14-S15，直到恒流放电容量小于初始标定容量的80％，建立电池循环老化数据库。

3.根据权利要求2所述的一种基于数据驱动的车用电池健康状态估计方法，其特征在于：所述步骤S14中，车用充电工况包括常见的恒流恒压CC-CV充电和多阶段恒电流充电工况的一种；

所述步骤S18中，电池循环老化数据库包括遗漏值填补和错误值删除数据预处理。

4.根据权利要求1所述的一种基于数据驱动的车用电池健康状态估计方法，其特征在于：所述步骤S2具体为：

步骤S21：选择电池老化数据库中一个电池单体的老化数据集作为训练集；

步骤S22：根据实时测量得到的电压，电流和温度信息，绘制其随时间变化的曲线；

步骤S23：根据步骤S21绘制出的曲线以及电池管理系统记录的相应时间，提取基于测量数据的多个健康因子；

步骤S24：根据电压和温度与容量的关系，绘制容量增量IC曲线，电压差分DV曲线，以及温度差分DT曲线；

步骤S25：使用过滤方法对原始IC、DV、DT进行平滑处理；

步骤S26：根据步骤S25绘制的IC、DV、DT曲线，提取基于计算数据的多个健康因子。

5.根据权利要求4所述的一种基于数据驱动的车用电池健康状态估计方法，其特征在于：所述步骤S23中，基于测量数据的多个健康因子包括：恒电流充电时间、恒电压充电时间、电压曲线斜率、电压截止点位置、初始电压值、等时间内电压升高量、不同循环次数电压曲线距离差、等时间内电流降低量、充电截止电流、相等时间内电流降低量、最高温度及其位置、相等时间温度升高量、平均温度、相等电压升高量所需时间、相等电流降低量所需时间和相等温度升高量所需时间。

6.根据权利要求4所述的一种基于数据驱动的车用电池健康状态估计方法，其特征在于：所述步骤S25中，过滤方法包括移动平均滤波、高斯滤波、差分滤波和小波变换滤波；

所述步骤S26中，基于计算数据的多个健康因子包括：IC/DV/DT曲线峰值及其位置、IC/DV/DT曲线谷值及其位置、不同峰值/谷值之间距离和峰值面积。