[发明专利]一种电池健康状态监测方法

说明书

本发明涉及一种电池健康状态监测方法，首先对3个以上锂电子电池分别进行循环老化实验，获取充放电过程中每个锂离子电池的电压、电流、温度和容量数据，然后根据每个锂离子电池的电压、电流、温度和容量数据提取反映每个锂离子电池容量的健康因子，再通过灰色关联度分析从中选取相关度最高的3个健康因子，最后将所述3个健康因子输入到训练好的WPSO‑GPR模型中进行预测，输出得到SOH估计值和置信区间。本发明所提出的WPSO‑GPR模型能够较准确地给出变温度下锂离子电池的SOH预测的点估计及95％的概率估计，优化算法的引入进一步提升了GPR模型的预测性能。

技术领域

本发明属于动力电池管理技术领域，涉及一种电池健康状态监测方法。

背景技术

锂离子电池是电动汽车、电子消费产品、甚至航天器等的核心动力来源。因此，在实际应用过程中，锂离子电池的可靠性和安全性是一个关键问题。

电池的性能随着使用寿命的增加而逐渐变差，这不仅可能影响电气设备的正常运行，而且还会带来严重的后果。例如，近年来发生的三星NOTE7电池爆炸事件、电动汽车自燃事件、部分电厂的电池储能箱爆炸事件等。为了避免此类事故，锂离子电池的SOH(StateOfHealth，电池健康度，即电池当前容量与出厂容量的百分比)已经成为电子产品的预测和健康管理(PHM)中的一个热点和挑战课题。

一些研究者采用间接特征来替代容量数据。它们可以很容易地实时和在线测量，包括电流、电压和温度等。文献1(A novel Gaussian process regression model forstate-of-health estimation oflithium-ion battery using charging curve.J.PowerSources 2018,384,387–395)公开了从充电曲线中提取了4个具体参数，并将其作为GPR模型的输入，而不是循环数作为输入。该方法仅考虑充电过程电压变化曲线，部分参数与容量相关性较低，导致预测精度降低。

发明内容

为了克服现有技术方案的不足，本发明提供一种电池健康状态监测方法。本发明的关键点针对锂离子电池健康状态预测过程中样本少、预测精度低、适用性有限等问题，为了降低监测方法的成本，提高预测精度，本发明提出利用电压传感器、温度传感器、电流传感器等测量锂离子电池运行数据，从采集的数据中提取健康因子，并采用灰色关联分析方法，选择与容量退化曲线相关性高的健康因子作为高维输入，建立了预测锂离子电池短期SOH的GPR模型，提出了不同温度条件下基于不同健康因子和WPSO-GPR的锂离子电池健康状态的监测方法。

为达到上述目的，本发明采用的方案如下：

一种电池健康状态预测方法，首先对M个锂电子电池分别进行循环老化实验，获取充放电过程中每个锂离子电池的电压、电流、温度和容量数据，然后根据每个锂离子电池的电压、电流、温度和容量数据提取反映每个锂离子电池容量的健康因子，再通过灰色关联度分析从中选取相关度最高的3个健康因子，最后将所述3个健康因子输入到训练好的WPSO-GPR模型中进行预测，输出得到SOH(电池健康状态)估计值和置信区间；

M≥3。

作为优选的技术方案：

如上所述的一种电池健康状态预测方法，具体步骤如下：

(1)对M个锂离子电池分别进行循环老化实验，获取充放电过程中每个锂离子电池的电压、电流、温度和容量数据；所述M个锂离子电池属于同一型号；每次循环老化实验中控制电流恒定；每个锂离子电池的循环老化实验中环境温度是相同的，而不同锂离子电池的循环老化实验中环境温度不完全相同；

(2)由每个锂离子电池的电压、电流、温度和容量数据得到每个锂离子电池的以下曲线：

曲线1为每个锂离子电池的电池容量的退化曲线，横坐标为循环次数，纵坐标是电池容量；