[发明专利]一种锂离子电池健康状态估计的方法

权利要求书

1.一种锂离子电池健康状态估计的方法，其特征在于，包括：获取锂离子电池多次放电循环中不同时刻的放电电压数据；对放电电压数据进行预处理，得到健康因子数据集；将健康因子数据集输入到构建好的基于RVM的锂离子电池SOH估计模型中，得到锂离子电池SOH估计结果；其中，基于RVM的锂离子电池SOH估计模型为采用RVM算法的锂离子电池SOH估计模型。

2.根据权利要求1所述的一种锂离子电池健康状态估计的方法，其特征在于，对放电电压数据进行预处理的过程包括：对放电电压数据作剔除异常值处理，将剔除异常值后的放电电压数据统一数据长度处理，得到数据长度统一的放电电压数据；对数据长度统一的放电电压数据进行进一步处理，得到平均电压降，将平均电压降作为健康因子。

3.根据权利要求2所述的一种锂离子电池健康状态估计的方法，其特征在于，数据长度统一的放电电压数据为：

U_i＝[U_i1,U_i2,…,U_ij]

其中，U_i表示第i次放电循环的放电电压集合，U_ij表示第i次放电循环中第j个放电电压值。

4.根据权利要求2所述的一种锂离子电池健康状态估计的方法，其特征在于，得到平均电压降的公式为：

其中，AVD_i表示第i次放电循环的平均电压降，U_ik表示第i次放电循环中第k个放电电压值，j表示放电电压数据长度的最大值。

5.根据权利要求1所述的一种锂离子电池健康状态估计的方法，其特征在于，构建基于RVM的锂离子电池SOH估计模型的过程包括：

S1：更新RVM算法中的相对最优高斯核函数参数λ_opt，得到优化的基于RVM的锂离子电池SOH估计模型；

S2：设置模型评价阈值；采用十折交叉验证法对优化的基于RVM的锂离子电池SOH估计模型进行验证，得到基于RVM的锂离子电池SOH估计模型的评价值；

S3：判断模型的评价值是否达到模型评价阈值，若是，则输出当前基于RVM的锂离子电池SOH估计模型，否则，返回步骤S1。

6.根据权利要求5所述的一种锂离子电池健康状态估计的方法，其特征在于，优化RVM算法中的相对最优高斯核函数参数λ_opt的过程包括：设置相对最优核函数参数区域；根据相对最优高斯核函数参数λ_opt的位置调整相对最优核函数参数区域，找到相对最优高斯核函数参数λ_opt；根据找到的相对最优高斯核函数参数λ_opt更新模型中的RVM核函数参数，得到优化的基于RVM的锂离子电池SOH估计模型。

7.根据权利要求5所述的一种锂离子电池健康状态估计的方法，其特征在于，高斯核函数为：

k(x,y)＝exp(-λ||x-y||²)

其中，k(x,y)表示核函数矩阵，λ表示核函数参数，x表示健康因子，y表示电池健康状态SOH。

8.根据权利要求5所述的一种锂离子电池健康状态估计的方法，其特征在于，基于RVM的锂离子电池SOH估计模型的评价值为：

其中，RMSE表示模型的评价值，m表示观测次数，表示预测的电池健康状态SOH，y_k表示真实的电池健康状态SOH。