[发明专利]一种基于小波的电池健康状态估计方法

说明书

本发明公开了一种基于小波的电池健康状态估计方法，包括以下步骤：首先结合小波变换的多分辨率分析和电池的电化学阻抗谱频段分析，确定小波分解层数，然后获取老化程度不同的电池在相同环境温度温度和相同SOC下对同一模拟工况响应的电压信号，对电压信号进行基于DWT的MRA特定层数分解，利用分解得到的所需频段高频率分辨率近似信号和细节信号的标准差统计特性估计电池的SOH。与基于数据驱动的方法相比，本发明无需进行大量实验，可在线对电池进行SOH预测，预测准确度高，不影响电池的实验寿命；与基于模型的SOH估计方法相比，算法简单，计算效率高。

技术领域

本发明属于电池健康状态估计技术领域，特别涉及一种基于小波的电池健康状态估计方法。

背景技术

由于坏境的恶化和能源的紧缺，采用电机驱动车辆行驶的电动汽车，相对传统燃油式汽车具有节约能源、减少废弃物排放、噪音低等优点，发展前景广阔。电动汽车电池管理系统是连接车载动力电池和电动汽车的重要纽带，能实时监测电池的参数并估算电池的荷电状态(state of charge,SOC)和健康状态(state of health,SOH)，为驾驶员提供有效的车辆信息。一个合适的电池管理系统不仅能够充分发挥电池优越性，同时给予电池最佳的保护，从而延长电池的使用寿命。

电池SOH作为电池的关键参数之一，一直以来是电动汽车电池管理系统的核心问题和急需解决的技术难点。准确的SOH估计在提高SOC估计精度、防止电池过充过放中具有不可忽略的作用。目前，国内外主要通过两种方法对电池SOH进行预测，第一种是基于数据驱动的方法，通过大量实验数据，拟合欧姆内阻、极化内阻等电池内部特性参数与SOH关系或通过人工智能、机器学习等黑箱子方法，利用大量实验数据训练，建立温度、放电深度、电池开路电压等外部输入参数与SOH关系，这类方法耗费大量时间于实验，且所建立的对应关系不具通用性；第二种是基于模型的SOH估计方法，先以额定容量代替实际容量建立观测器估计SOC，再利用SOC估计实际容量，以此循环估计，误差累积效应明显，且算法复杂，计算效率低。

综上所述，基于数据驱动的方法耗费大量时间于实验，且所建立的对应关系不具通用性，基于模型的SOH估计方法误差累积效应明显，且算法复杂，计算效率低。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于小波的电池健康状态估计方法，该方法无需进行大量实验，成本低，计算效率高，能更好的应用于实际使用中。

本发明采用如下技术方案来实现的：

一种基于小波的电池健康状态估计方法，包括以下步骤：

第一步，结合离散小波变换的多分辨率分析和电池的电化学阻抗谱频段分析，确定分解层数，其中，离散小波变换简称DWT，多分辨率分析简称MRA；

第二步，选择合适的小波基函数，对不同模拟工况下的响应电压信号进行DWT分析，可知基于DWT的MRA分解之后得到的低频近似信号和高频细节信号很好地代表电压信号的特征；

第三步，获取老化程度不同的电池在相同环境温度和相同SOC下对同一模拟工况响应的电压信号，对获得的电压信号进行基于DWT的MRA特定层数分解，可知电池电压近似信号与细节信号的变化程度与其老化程度成正相关，从而通过电池对同一模拟工况的响应电压信号的电压近似信号与细节信号的标准差统计特性来诊断电池的SOH；

第四步，利用分解得到的所需频段高频率分辨率近似信号和细节信号的标准差统计特性估计电池的SOH。

本发明进一步的改进在于，所述电池为铅酸电池、镍氢电池、镍镉电池或锂离子电池。