[发明专利]基于泛化模型的锂离子电池健康状态估计方法及系统

说明书

本发明实施例提供一种基于泛化模型的锂离子电池健康状态估计方法及系统，属于锂离子电池的SOH估计技术领域。所述估计方法包括：获取多个同型号的电池的数据特征；基于所述数据特征中的每个特征的相关性，从所述数据特征中选取第一特征集合；基于所述第一特征集合的重要性，从所述第一特征集合中选取第二特征集合；根据所述第二特征集合确定每个所述电池的回归模型；根据所述回归模型构建泛化SOH模型，并采用所述泛化SOH模型估计所述电池的SOH。该估计方法及系统在面对不同类型的锂离子电池时，具有更好的泛化特性。

技术领域

本发明涉及锂离子电池的SOH估计技术领域，具体地涉及一种基于泛化模型的锂离子电池健康状态估计方法及系统。

背景技术

锂离子电池具有高能量密度，高功率密度和高寿命周期以及对环境污染小的特点，使其深受厂家和消费者青睐。锂离子电池的健康状态(State of Health，SOH)是电池关键的指标，一般认为动力电池SOH低于80％便不能继续使用。针对现阶段锂离子电池健康状态的数据驱动估计方法，大多数都是基于一块电池的历史数据来训练和测试出一个机器学习模型，再用这个模型来估计该电池的健康状态。这种方法对于同批次的电池不具有泛化性，要重新建立电池老化模型。例如有前者对锂离子电池进行循环充放电实验所采集的数据进行处理，得到健康因子，其作为输入向量，同时输出向量为对应的电池SOH；再通过主成分分析和双向极限学习机等机器学习方法中进行模型训练；最后将在线数据带入模型输出得到电池SOH。但该模型建立完成后，只能对当前的电池进行有效的估计，将该模型应用到同型号电池中，不能有效地估计SOH。

发明内容

本发明实施例的目的是提供一种基于泛化模型的锂离子电池健康状态估计方法及系统，该估计方法和系统能够准确估计锂离子电池的健康状态。

为了实现上述目的，本发明实施例提供一种基于泛化模型的锂离子电池健康状态估计方法，包括：

获取多个同型号的电池的数据特征；

基于所述数据特征中的每个特征的相关性，从所述数据特征中选取第一特征集合；

基于所述第一特征集合的重要性，从所述第一特征集合中选取第二特征集合；

根据所述第二特征集合确定每个所述电池的回归模型；

根据所述回归模型构建泛化SOH模型，并采用所述泛化SOH模型估计所述电池的SOH。

可选地，所述数据特征包括用于表示所述电池在不同的电压区间的电压数据数量与电压区间的对应关系的特征、用于表示所述电池在不同的电流区间的电流数据数量与电流区间的对应关系的特征、用于表示所述电池在温度变化与充电时间的对应关系的特征和/或用于表示电池的IC曲线峰值的特征。

可选地，基于所述数据特征中的每个特征的相关性，从所述数据特征中选取第一特征集合包括：

根据公式(1)计算所述电池的SOH值，

其中，SOH_i为第i个所述电池的SOH值，i为整数序号，C_pre.i为第i个所述电池的可用容量，C_0,i为第i个所述电池的标称容量；

根据公式(2)计算每个所述特征的相关系数，

y_i(k)＝SOH_i， (2)

其中，ξ_i,j,c(k)为第c个循环的第i个所述电池的第j个特征的相关系数，j、c为整数序号；

根据公式(3)计算每个所述特征的相关度，