[发明专利]电池老化估计方法、模组、芯片、电池组、换电站及车辆

说明书

本发明属于新能源车技术领域，公开了一种电池老化状态估计方法、电池老化状态估计模组、用于老化状态估计的专用芯片、相关电池组、换电站及车辆；其中，控制器端通过提取车辆运行过程中各类老化状态影响因素，通过由大量数据训练得到的数据驱动模型实时并准确估计车辆动力电池老化状态，为进一步改善车辆控制策略和优化用户行为提供支持，用以延缓动力电池各项性能衰减，延长电池使用寿命；相比于目前常见的电池老化状态估计方法，该方法具有实时估计老化状态的特点，准确性和鲁棒性均有所提升。

技术领域

本发明属于新能源车技术领域，尤其涉及一种电池老化估计方法、电池老化状态估计模组、用于老化状态估计的专用芯片、相关电池组、换电站及车辆。

背景技术

电池老化状态SoH（State of Health）是新能源车重要的技术参数，与车辆续航里程、动力特性、工况指标、安全性、车辆残值等均有密切的联系，对该参数的评估具有显著的技术、经济和社会价值。

SoH不仅与车辆工况、运行环境有关，还与车辆的使用习惯等因素密切相关；通过对SoH的准确、及时的估计，可为车辆和电池控制策略的改善提供有效的支持，进而提升动力的稳定性和相关设备的寿命和经济性。

发明人发现：现有的车载控制器端SoH估计基于经验老化模型或者容量差值计算，其局限性一方面在于测量工况的限制，在车辆处于特定工况下开展才能达到预期精度，进而导致电池老化状态更新的实时性差；另一方面，估值依赖于安时积分、开路电压、荷电状态、温度等信息的准确性，且未充分考虑相应设备的使用习惯、运行工况、环境因素等对SoH的扰动，估值准确性、鲁棒性较差。

发明人还发现：现有的离线或非实时SoH状态估计是在控制器、处理器运算能力低下的背景下折中处理的结果，在处理能力、存储能力和算法结构等提升和改良后，若对运算量、计算精度等进行预估和预设，则可实现SoH的实时或准实时估计，进而用于实时、准实时的反馈和/或相关的闭环操作、控制。

发明内容

本申请实施例公开了一种电池老化状态估计方法，通过获取电池第一老化数据集，选取老化特征向量，确定特征提取与处理方案，选取符合预设规则的数据驱动模型，实时估算目标状态信息，并向预设单元输出估算结果。

其中的电池包括动力电池，第一老化数据集可以来自实验室和/或实际系统测量；特征向量由与电池老化状态相关性符合预设条件的R个参量构成；其中，R为正整数。

相比于目前常见的电池老化状态估计方法，该方法具有实时估计老化状态的特点，准确性和鲁棒性均有所提升。

此外，上述特征包括但不限于温度、电流、电压、充放电深度、荷电状态、电池运行和/或静置时间等参数或过程；这些参数或过程与电池的寿命密切相关。

本方法的目的在于通过合理分析处理过程的运算量和收敛速度，确保模型处理的实时性、存储能力和/或精度；并进一步估值得到目标状态信息，且该状态信息可反映电池的老化状态SoH。

进一步地，将老化数据集分成第一数据集和第二数据集；其中，第一数据集来自实验室测量，第二数据集来自云端数据平台。

将特征提取过程也划分为两部分，即第一特征提取和第二特征提取；其中，第一特征提取步骤在电池老化数据集中进行，第二特征提取步骤在控制器上进行。

需要说明的是，上述第一数据集和第二数据集的选取，依赖于对特征向量的选取；而特征向量的选取依赖于经验老化模型的经验值和/或预设的数据分析方法。此处，可通过离线动力电池台架老化实验获取第一数据集。

进一步地，这里采用的数据驱动模型可以包括但不限于：高斯过程回归GPR、支持向量机、相关向量机、决策树、随机森林、XGBoost、神经网络、Bagging算法、线性回归统计模型、贝叶斯回归统计模型；如有其它驱动模型可以适用，同样可以作为本方法的一个步骤存在。