[发明专利]基于类容量增量曲线的云端电池组容量一致性分析方法

说明书

本发明公开了一种基于类容量增量曲线的云端电池组容量一致性分析方法，包括以下步骤：步骤一、分析充电片段特性；步骤二、求解类容量增量IC曲线；步骤三、采用类容量增量IC曲线对电池组容量一致性进行分析，对电池组容量一致性进行分析；步骤四、进行单体电池容量分级。有益效果：本发明以类IC曲线特征峰高度作为电池容量的表征点，通过计算特征峰高度标准差实现对电池组容量一致性的评价，并对单体电池容量分级，实现了基于云端数据的电池组容量一致性定量分级评级；类IC曲线的求解方法消除了现有包括多项式滤波平滑、分段拟合求导和傅里叶降噪等方法无法解决云端采集电压因故意降低精度导致电压数据不连续而无法求解IC曲线问题。

技术领域

本发明涉及一种电池组容量一致性的分析方法，特别涉及一种基于类容量增量曲线的云端电池组容量一致性分析方法，属于动力电池技术领域。

背景技术

对于电动汽车而言，电池组由许多单体电池组成，单体电池容量相差过大会严重降低电池组总容量，电池组总容量直接决定了电动汽车的续航里程。电池生产商在电池出厂前会按照国家测试标准对电池进行测试以获取电池的初始容量等参数，并对电池进行筛选。但在实际应用中电池组的使用工况极为复杂，这就造成了电池组容量演化具有较大的不确定性。因此，研究电池时间维度老化规律对准确估计电动汽车剩余行驶里程具有重要意义。另一方面，单体电池容量直接影响到电池组的可用容量，从空间上精确分析电池组不同位置的单体电池容量差异，有效辨识电池容量一致性，对提高电池组容量估计精度具有指导性意义。

近年来随着电动汽车数量的增多及国家监控中心监控数据量的增多，陆续出现针对实车运行状态下电池组容量的研究，主要包括电池组容量估计和电池组容量一致性分析。在电池组容量估计方面，例如，卡尔曼滤波算法、最小二乘法、粒子群算法及神经网络算法等算法被提出。但上述研究更多是是将电池组看成整体或采用“平均+离散”估算电池组容量，并未过多涉及各单体电池容量间一致性分析。在电池组容量一致性研究方面，大部分直接通过单体电池荷电状态(State of charge,SOC)和端电压等参数进行分析；且这些分析只从整体上分析电池组的一致性，不能精确分析电池单体在模组中的离散程度以及一致性随时间的演变规律。除此之外，以往的研究中却很少真正的针对云端电池组容量不一致性进行深入分析。

发明内容

发明目的：针对现有技术中存在的问题，本发明公开了一种基于类容量增量曲线的云端电池组容量一致性分析方法，该方法基于类容量增量(Increment Capacity,IC)曲线的特征峰高度标准差评价电池组容量一致性，并基于3-σ准则对单体电池容量进行分级评价。主要包括：对电池组的充电片段进行初步分析、求解单体电池的类IC曲线、使用类IC曲线评价电池组容量一致性及进行单体电池容量分级。

技术方案：一种基于类容量增量曲线的云端电池组容量一致性分析方法，包括以下步骤：

步骤一、分析充电片段特性，将云端数据中记载的数据字段按照“电池充放电状态”字段进行切割后得到的充电数据片段，所述的特性分析指的是对实车的充电模式、单体电压变化趋势以及充入电量与电池组总电压的关系进行分析；

步骤二、求解类容量增量IC曲线，通过固定电压间隔区间中采样点数来等效求取类容量增量IC曲线；

步骤三、采用类容量增量IC曲线对电池组容量一致性进行分析，以类容量增量IC曲线的特征峰高度作为电池容量表征点，并通过计算特征峰高度标准差对电池组容量一致性进行分析；

步骤四、进行单体电池容量分级，根据正态分布的特性对单体电池容量的特征峰高度按照3-σ准则进行分级并确定单体电池容量等级。

进一步，所述步骤二中求解类容量增量IC曲线的方法：

式中，n为电压间隔内采样点个数，I是充电电流，f是采样频率，ΔV为电压间隔，ΔQ为电压间隔内充入电量，V是电压，Q是充入电量。