[发明专利]一种基于wasserstein距离的电池SOH估计方法及装置

说明书

本发明提供一种基于wasserstein距离的电池SOH估计方法及装置，方法包括如下步骤：S1、采集多个袋式电池的老化数据，并分别获取各袋式电池各老化周期的IC曲线；S2、分别计算各相邻两IC曲线峰值窗口之间的wasserstein距离，得到特征数据集；S3、采用基于高斯回归过程方法的预测模型，对于预测模型的超参数α、l和p，分别设定其取值范围为(0.1,100)、(0,1)和(0,100)，先取取值范围内的任意值，再利用前期数据集对预测模型进行初次训练，并根据预测所得值与真值之间的差距，调整并确定各超参数的值；S4、利用后期数据集对已确定超参数的预测模型进行训练。本发明无需建立电池模型，以wasserstein距离作为预测模型的特征，适合SOH的在线估计，且估计精度高，实用性强。

技术领域

本发明涉及一种基于wasserstein距离的电池SOH估计方法及装置。

背景技术

常用的SOH(电池健康状态)定义为SOH＝C_now/C₀，其中C_now为电池当前时刻满充后的最大可用容量，C₀则代表着电池出厂时的最大可用容量。准确的电池健康状态估计是BMS(电池管理系统)的关键环节，SOH是表征电池老化程度的重要指标，一般认为该值降至70％-80％即视为寿命终止。

SOH的测量与直接的电压电流测量不同，只能通过对电池特征的观测，并结合相应的数学模型进行估计和预测，现有技术中，可通过模型驱动进行预测，但基于模型驱动的方法需要建立电池模型，计算复杂，不适合BMS的在线应用。

发明内容

本发明提出一种基于wasserstein距离的电池SOH估计方法及装置，无需建立电池模型，以wasserstein距离作为预测模型的特征，适合SOH的在线估计，且估计精度高，实用性强。

本发明通过以下技术方案实现：

一种基于wasserstein距离的电池SOH估计方法，包括如下步骤：

S1、采集多个袋式电池的老化数据，并分别获取各袋式电池各老化周期的IC曲线，其中，IC表示一个连续的电压增量上所增加的电池电量；

S2、分别计算各相邻两IC曲线峰值窗口之间的wasserstein距离，得到特征数据集，并将特征数据集分为前期数据集和后期数据集；

S3、采用基于高斯回归过程方法的预测模型，所述S2中的特征数据集作为预测模型的输入，电池SOH作为预测模型的输出，对于预测模型的超参数α、l和p，分别设定其取值范围为(0.1,100)、(0,1)和(0,100)，先取取值范围内的任意值，再利用前期数据集对预测模型进行初次训练，并根据预测所得值与真值之间的差距，调整并确定各超参数的值；

S4、利用后期数据集对已确定超参数的预测模型进行训练。

进一步的，所述S2中，分别利用差分公式对各IC曲线进行采样，得到采样数据集，并通过Pytorch进行Sinkhorn迭代，以获取相邻两IC曲线峰值窗口之间的wasserstein距离。

进一步的，所述S1中，所述多个袋式电池的老化数据具体为预先记录的八个标称740Ma·h的袋式电池的老化数据。

进一步的，所述S2中，所述峰值窗口为以IC曲线峰值为中心的长度为3的区间。

进一步的，所述S3中，所述参数确定模块中，当预测所得值与真值之间的差距大于第一阈值时，则调低超参数α的值、调高超参数l和p的值，当预测所得值与真值之间的差距小于第二阈值时，则调高超参数α的值、调低超参数l和p的值，调整额度应在经验区间的10％以内，经验区间从步骤S3中的各超参数的取值范围内选出。

进一步的，所述预测模型中，高斯过程的核函数为协方差函数。