[发明专利]基于标准样本及双重-嵌入解耦的电池健康状态估计方法

说明书

本发明公开了一种基于标准样本及双重‑嵌入解耦的电池健康状态估计方法，包括提取标准样本显著特征峰，标准样本机理参数标定，待测电池SOH在线估计等步骤。有益效果：本发明从阻抗特征机理分析角度阐述了温度和老化对于IC曲线特征峰电压影响双重耦合关系，提出了基于“标准样本”消除对温度最为敏感的电荷转移电阻引起电压偏移，实现首层解耦，进一步，设定受老化和温度耦合影响的SEI膜电阻整体符合老化线性关系下，该线性关系系数只与温度相关的方式实现嵌入解耦；本发明不仅承袭了基于IC曲线特征估计电池SOH高效率的特征，并从机理分析角度解决了以往IC曲线求解电池SOH在宽温度范围内的精度不高的问题。

技术领域

本发明涉及一种电池性能的估计方法，特别涉及一种基于“标准样本”及“双重-嵌入解耦”的宽温度范围下电池健康状态的估计方法，属于动力电池技术领域。

背景技术

近年来电动汽车发展迅猛，作为电动汽车主要动力源的动力电池越来越受到人们关注。其中，锂离子电池以其较高的比能量和比功率被普遍应用于电动汽车中。然而，随着循环次数增加，电池电极活性材料会逐渐消耗，最终导致电池老化及健康状态(State ofHealth,SOH)降低。随着电池不断老化，内阻升高与容量降低会造成电池性能下降，电动汽车故障发生率也会随之增加。因此，准确估计电池SOH能够保证电池使用安全性，提高电动汽车使用性能。

电池SOH估计方法大体上可以分为两大类：基于模型驱动的方法和基于数据驱动的方法。基于模型驱动的方法都需要首先建立电池模型，得到模型数学表达式，然后通过一些智能算法求解模型参数。该方法普遍存在计算复杂，实用性低的问题，而基于数据驱动的电池老化研究不需要建立电池模型，可以有效克服这些不足。常用的数据驱动方法主要有人工神经网络，支持向量机，高斯回归等。这些方法都比较类似，只需要给定样本电池使用过程的数据(如充放电电流、电压和温度等)及对应的老化状态数据，便可达到预测电池SOH的目的。但是一方面这些方法容易陷入过拟合状况，另一方面在输入数据预处理环节需要耗费大量时间。

近年来，研究者倾向于基于容量增量法(Incremental Capacity Analysis,ICA)的电池健康状态估计。电池IC曲线，即电池容量-电压曲线的微分曲线，将充放电过程中内部反应剧烈的电压平台转化为多个峰，通过对曲线特征的分析，可推导得到老化衰退的模式和机理，进而判断电池健康状态。实际使用过程中动力电池工况较为复杂，长时间的充放电状态会释放出大量热量，积聚的热量难以快速散发到外界，最终造成电池温度远高于外界温度，但以往的研究大部分都是基于某一特定温度下进行，而温度会直接影响到电池内部化学反应。不同温度下电池许多基本性能参数如容量和内阻等都会发生变化，IC曲线也会发生不同程度偏移，最终导致IC曲线求SOH在不同温度下准确度相差较大。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供了一种基于标准样本及双重-嵌入解耦的电池健康状态估计方法。本发明通过研究温度及老化对IC曲线特征影响机制，实现温度及老化对IC曲线特征影响的解耦，拓宽IC曲线求解电池SOH的温度范围，最终基于“标准样本”及“双重-嵌入解耦”实现宽温度范围下电池SOH的估计。

技术方案：一种基于标准样本及双重-嵌入解耦的电池健康状态估计方法，包括以下步骤：

步骤一、提取标准样本显著特征峰，选取同一类型不同老化状态的电池在同一温度下进行恒流充电实验，再选择上述任意一块电池在不同温度下进行恒流充电实验，分别采集各组实验中电池的电流、电压和温度数据，根据上述数据分别绘制不同老化状态电池的IC曲线图和不同温度下所测电池的IC曲线图，结合上述两张IC曲线图选定样本显著特征峰；

步骤二、标准样本机理参数标定，基于双重-嵌入解耦得到标准样本关系函数：

关系函数一，电池未老化时，由温度引起电荷转移电阻R_ct变化产生电压偏差ΔU_ct,T与温度的关系函数；