[发明专利]电池容量损失在线估算方法

说明书

一种电池容量损失在线估算方法，至少包括如下步骤：根据电池的电化学特征建立电化学模型，并根据所述电化学模型建立电池二阶电路模型，所述电池二阶电路模型的模型参数中包括电池的欧姆内阻和极化内阻；根据所述电池二阶电路模型，确定所述电池二阶电路模型的输出方程及估算欧姆内阻R₀的观测方程；对所述电池二阶电路模型中的模型参数进行辨识；确定关于欧姆内阻的状态量及状态方程，并利用抗差无迹卡尔曼滤波(UKF)算法对所述欧姆内阻的状态量进行迭代，以获得实时欧姆内阻估算值；及根据电池老化实验建立所述电池的循环次数N与所述欧姆内阻R₀的关系方程，并建立通过循环次数N来估算电池健康状况(SOH)的计算方程。

技术领域

本发明涉及电池技术领域，尤其涉及一种电池容量损失在线估算方法。

背景技术

电池容量损失是衡量电池或电池组健康状况(State Of Health,SOH)的重要指标之一。检测和估算电池容量损失通常是在实验室中利用精密的仪器设备完成的，然而对于在线使用的电池来说，由于环境与条件的限制，一般很难直接对电池的特征参量进行检测。因此，通过在线检测或估算电池的残余容量进而估算电池的健康状态，是目前锂离子电池管理技术领域的一个难题。

目前，电池或电池组残余容量的在线估算方法主要有以下两种：一是基于特征的预测，利用电池老化过程中所表现出来的特征参量的演变，建立特征量与电池寿命之间的对应关系用于寿命预测；二是基于数据驱动的预测，利用电池性能的测试数据，从数据中挖掘电池性能演变的规律用于寿命预测，由数据拟合得到解析模型，进而根据模型进行寿命预测。

现有的在线估算方法之一为：通过改进戴维南电池等效模型，并运用卡尔曼滤波算法对电池等效模型的参数进行预测。其缺点在于，戴维南模型为一阶模型，在很大程度上无法模拟出电池的非线性特征，而采用卡尔曼滤波算法对电池模型参数进行预测的精度高度依赖于电池模型的精确度，因而这种方法的准确度很难保证。另外，该方法只考虑到在线估算或获取电池内阻和电池荷电状态(state of charge，SOC)信息，这些信息并不能直接指明电池的SOH或容量损失，无法满足使用要求。

发明内容

针对上面问题，本发明的目的在于提供一种电池容量损失在线估算方法，通过建立电池二阶电路模型来估算电池的欧姆内阻，并通过数据驱动的方法获得所述欧姆内阻与电池循环次数的拟合方程，建立通过循环次数N来估计电池SOH的计算方程。

本发明提供一种电池容量损失在线估算方法，至少包括如下步骤：

根据电池的电化学特征建立电化学模型，并根据所述电化学模型建立电池二阶电路模型，所述电池二阶电路模型的模型参数中包括电池的欧姆内阻和极化内阻；

根据所述电池二阶电路模型，确定所述电池二阶电路模型的输出方程及估算欧姆内阻R₀的观测方程；

对所述电池二阶电路模型中的模型参数进行辨识；

确定关于欧姆内阻的状态量及状态方程，并利用抗差无迹卡尔曼滤波(UKF)算法对所述欧姆内阻的状态量进行迭代，以获得实时欧姆内阻估算值；及

根据电池老化实验建立所述电池的循环次数N与所述欧姆内阻R₀的关系方程，并建立通过循环次数N来估算健康状况(SOH)的计算方程，其中，N为正整数。