[发明专利]一种基于电化学阻抗谱的退役电池SOC估计方法及装置

说明书

本发明涉及一种基于电化学阻抗谱的退役电池SOC估计方法及装置，所述方法包括：获取若干退役电池在不同SOC值下的电化学阻抗谱，根据所述电化学阻抗谱得到特征参数，对所述特征参数进行筛选，得到筛选后的特征参数；构建估计模型，根据所述筛选后的特征参数对所述估计模型进行训练，得到训练完备的估计模型；获取待估计退役电池的实时特征参数，根据所述实时特征参数和所述训练完备的估计模型得到所述待估计退役电池的SOC估计值。本发明公开的基于电化学阻抗谱的退役电池SOC估计方法，保证了退役电池SOC估计的准确性。

技术领域

本发明涉及退役电池技术领域，尤其涉及一种基于电化学阻抗谱的退役电池SOC估计方法、装置、电子设备及计算机可读存储介质。

背景技术

随着科技的发展，锂离子电池以体积小、能量密度高、工作电压高、寿命周期长等综合优势，在很多行业逐渐成为重要的储能供能载体，而针对锂离子电池SOC(State ofCharge)的估计作为退役锂离子电池故障诊断及健康管理的前沿技术，被越来越多的研究人员所重视，并逐渐成为电子系统健康管理和故障诊断的研究热点。

已应用于退役锂电池SOC估计的常用方法有卡尔曼滤波器递推算法等，卡尔曼滤波法是将蓄电池看作动态系统，SOC作为系统内部的一个状态量，该方法需要选择动态系统的描述方程，递推过程也涉及到复杂的矩阵求逆运算，同时卡尔曼滤波器作为递推算法，对初值的选择十分敏感，错误的初值导致估计的不断恶化，因此该方法具有局限性，不能保证SOC估计的准确性。

发明内容

有鉴于此，有必要提供一种基于电化学阻抗谱的退役电池SOC估计方法、装置、电子设备及计算机可读存储介质，用以解决现有技术中无法对退役电池SOC进行准确估计的问题。

为了解决上述问题，本发明提供一种基于电化学阻抗谱的退役电池SOC估计方法，包括：

获取若干退役电池在不同SOC值下的电化学阻抗谱，根据所述电化学阻抗谱得到特征参数，对所述特征参数进行筛选，得到筛选后的特征参数；

构建估计模型，根据所述筛选后的特征参数对所述估计模型进行训练，得到训练完备的估计模型；

获取待估计退役电池的实时特征参数，根据所述实时特征参数和所述训练完备的估计模型得到所述待估计退役电池的SOC估计值。

进一步地，根据所述电化学阻抗谱得到特征参数，包括：

利用所述电化学阻抗谱获取所述若干退役电池在不同频率下对应的实部值、虚部值及开路电压作为特征参数。

进一步地，对所述特征参数进行筛选，包括：

利用相关系数计算公式计算所述特征参数和对应的退役电池SOC值的相关性值，若所述相关性值的绝对值小于设定阈值，则对所述特征参数进行剔除。

进一步地，所述相关系数计算公式为

其中，X为特征参数，Y为对应的退役电池SOC值，ρ_X,Y为相关性值。

进一步地，构建估计模型，包括：

构建支持向量机回归预测估计模型。

进一步地，根据所述筛选后的特征参数对所述估计模型进行训练，包括：

以所述筛选后的特征参数作为输入值输入，以对应的退役电池SOC值作为输出值输出对所述估计模型进行训练。

进一步地，根据所述实时特征参数和所述训练完备的估计模型得到所述待估计退役电池的SOC估计值，包括：

利用所述实时特征参数和所述训练完备的估计模型得到初始SOC估计值，对所述初始SOC估计值进行反归一化处理得到所述待估计退役电池的SOC估计值。