[发明专利]基于容量损失机理的退役电池余能快速估计方法及系统

说明书

本发明公开了一种基于容量损失机理的退役电池余能快速估计方法及系统，涉及电池管理技术领域，其中，该方法包括：建立容量损失机理诊断模型；获取退役电池恒流充电测试曲线，基于容量损失机理诊断模型，并利用模式搜索非线性优化算法对曲线进行拟合，提取容量损失特征；建立SVR模型，利用改进的飞蛾扑火优化算法对其核函数与惩罚因子进行寻优，得到ALMFO‑SVR余能估计模型；将预设容量损失特征以其对应的余能真值作为估计模型的训练样本进行训练；利用实际电压、电流提取实际容量损失特征，并将实际容量损失特征输入至训练完成后的估计模型中，对退役电池余能的快速估计。该方法有效解决了退役电池余能估计精度低且测试时间长的问题。

技术领域

本发明涉及电池管理技术领域，特别涉及一种基于容量损失机理的退役电池余能快速 估计方法及系统。

背景技术

电动汽车退役电池的梯次利用作为促进新能源汽车产业蓬勃发展的重要技术支撑，吸 引了国内外众多学者越来越多的关注。尽管研究者们已在技术可行性、经济性等方面进行 了相关研究，但梯次利用技术仍然处于理论研究阶段，制约其产业化发展的主要瓶颈问题 是，退役电池测试时间冗长，单一的健康状态评价依据使得退役电池再成组后的性能一致 性差，这极大的增加了梯次利用的后期使用成本。

根据国标GB/T 34015-2017中定义，余能是指动力蓄电池从电动汽车上移除后剩余的 实际容量，是电动汽车退役电池在梯次利用时需要评价的最关键健康状态。因此，余能估 计就是对退役电池剩余实际使用容量的估计。由于车载动力电池性能老化路径复杂且目前 余能测试多为平稳标准工况，造成了余能快速准确估计的难度。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于容量损失机理的退役电池余能快速估计方 法，该方法能够实现余能的快速准确估计。

本发明的另一个目的在于提出一种基于容量损失机理的退役电池余能快速估计系统。

为达到上述目的，本发明一方面实施例提出了基于容量损失机理的退役电池余能快速 估计方法，包括以下步骤：步骤S1，建立容量损失机理诊断模型；步骤S2，对所述预设退 役电池进行恒流充电，获得退役电池恒流充电测试曲线，基于所述容量损失机理诊断模型， 并利用模式搜索非线性优化算法对所述退役电池恒流充电测试曲线进行拟合，提取容量损 失特征，其中，所述容量损失特征包括负极容量、欧姆内阻及负极终止嵌锂率；步骤S3， 建立SVR模型，利用改进的飞蛾扑火优化算法对所述SVR模型中的核函数与惩罚因子进行寻优，得到ALMFO-SVR余能估计模型；步骤S4，将预设容量损失特征以其对应的余 能真值作为所述ALMFO-SVR余能估计模型的数据集，并将所述数据集分为训练样本和测 试样本，利用所述训练样本对所述ALMFO-SVR余能估计模型进行训练；步骤S5，利用 恒流充电过程中记录的实际电压、实际电流测试数据提取实际容量损失特征，并将所述实 际容量损失特征输入至训练完成后的ALMFO-SVR余能估计模型中，对退役电池余能的快 速估计。

本发明实施例的基于容量损失机理的退役电池余能快速估计方法，通过利用大倍率恒 流充电数据曲线中所提取的容量损失特征，再从恒流充电曲线中提取表征电池活性材料及 活性锂离子损失的特征参数，并构建基于自适应权重及Levy飞行算法的ALMFO算法优化 SVR模型的估计方法，将所提取的容量损失特征作为ALMFO-SVR余能评估模型的输入进 行训练，最后利用训练完成后的ALMFO-SVR余能估计模型准确地估计锂离子电池RUL，有效解决了退役电池余能估计精度低且测试时间长的问题，实现了余能的快速准确估计。

另外，根据本发明上述实施例的基于容量损失机理的退役电池余能快速估计方法还可 以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述容量损失机理诊断模型为：