[发明专利]基于RTM数据等电池容量估计方法

说明书

本专利涉及电池容量估计领域，提供了一种基于RTM数据等电池容量估计的方法。该方法包括基于温度区间和电流区间有效提取RTM数据、不同车辆类型(电池类型)及电池工况进行SOH值的计算。本专利基于不同温度转换系数和快慢充不同状态的容量修正以及基于不同电流区间和不同温度区间的容量分区统计，是一种更精确且可信度更高的SOH评估方法，便于对电池的使用状态和剩余寿命进行精准评估，从而更利于对电池进行管理，完善电池功能。

技术领域

本发明涉及电池健康状态(SOH)测试评估技术领域，尤其是基于RTM数据离线和在线容量的估算及统计方法。适用于对XRTM上线新能源车辆不同车型(电池类型)的历史数据容量回测及SOH估算。对于不同车型(电池类型)，算法应用需匹配相应参数，见附录A。

背景技术

动力电池作为电动汽车的动力源，并不是一个单独的个体，而是由许多电池个体以串并联的方式组合而成，以满足不同电动汽车动力系统所需要的多种多样的电压等级、输出电流和最大输出功率等。动力电池包除受工艺制作影响以外，还受出厂之后在运输、贮存过程中环境差异的影响。动力电池组主要采用先并联后串联的形式。如图1所示，几个电池并联组成的单位称为单体，电池模组(Module)是由许多单体串联组成，多个模组串联起来后组成动力电池包(Pack)。

电池的初始状态参数(容量、内阻、SOC、电压和温度等)会影响下一状态(当前状态)的状态参数，而电池在使用过程中，随着时间累积产生的不一致的容量衰退速率、内阻增长速率和库伦效率等，又会进一步影响下一状态(当前状态)的状态参数。而当前状态下的温度、内阻和SOC等参数之间又会相互影响，进而使得多种参数的变化耦合在一起。因此，需要对当前状态下的多个状态参数进行分析，来研究电池的不一致性以及电池状态参数之间的相互影响，如图2所示。

目前，SOH评估主要分为传统离线法、数据驱动法和融合模型法。其中，传统离线法包括定义法、电阻计算法、容量衰减法、化学分析法、部分放电法、抗阻分析法以及交流抗阻分析法。数据驱动法包括滤波器法和黑箱估计法。在线方法的计算量和精度等问题还有待改善，主要存在下列影响因素：

1.受环境温度及出厂工况影响

电池的容量会受到很多因素的影响，例如温度和工况等。如果不考虑温度的容量衰减，则会导致误差很大。因此本专利分别计算了在不同温度下的容量衰减情况。

每个温度区间，都根据以下公式计算单台车辆的容量衰减：

CAP_NomBat为电池系统的标称容量，CAP_CurBat为电池系统本年度所有充电循环容量的平均值。不同项目在不同温度区间，电池系统的标称容量不同，详情请见附录B。

2.受不同车型(电池类型)影响

由于不同车型上传RTM系统的SOC不同，其中部分车型上传仪表SOC，而部分车型上传电池SOC，所以本专利通过下列公式计算转换出实际SOC进行数据评估。

ΔSOC＝(RTMSOC_End-RTMSOC_Begin)*Factor_soc

RTMSOC_Begin和RTMSOC_End表示的是RTM数据里的SOC值，而不同车型上传RTM系统的SOC不同，部分车型上传仪表SOC，部分车型上传电池SOC。Factor_soc表示仪表SOC和电池SOC的转化系数，不同车型的转化系数不同，具体情况可见附录A。

3.受电池充电模式影响

当电池充电在慢充模式时，充电电流较小，充电时间较长，进而导致估算的容量偏大。为了减少因慢充模式而带来的容量偏差，需进行容量修正。