[发明专利]一种基于在线电化学阻抗谱测量的电池健康状态估计方法

说明书

本发明公开了一种基于在线电化学阻抗谱测量的电池健康状态估计方法，该方法采用Morlet小波对采集到的电池实际使用工况下的电压电流数据进行信号处理得到电池的EIS而后用其表征电池的SOH，与基于数据驱动的方法相比，无需进行大量实验且通用性强；与现有基于电化学模型或等效电路模型参数的方法相比，计算简单且有较高的准确度。所述采用Morlet小波对采集到的电池实际使用工况下的电压电流数据进行变换得到电池的EIS的方法较施加激励测量EIS的方法具有简单、成本低、效率高及可在线分析的优点。

技术领域

本发明属于电池健康状态估计技术领域，特别涉及一种基于在线阻抗谱测量的电池健康状态估计方法。

背景技术

随着坏境问题与能源危机的不断加剧，电动汽车以其节约能源、零废弃物排放、噪音低等优点受到了各个国家各个企业的青睐。作为电动汽车核心技术之一的电池管理系统，是连接车载动力电池和电动汽车的重要纽带。它必须能实时监测电池运行状况并估算电池的荷电状态(state of charge,SOC)和健康状态(state of health,SOH)，以便为车载控制系统及驾驶员或乘客提供决策所必须的相关信息。优秀的电池管理系统的不仅能够充分发挥电动汽车优越性，同时还能给予电池最佳的保护，从而延长电动汽车的使用寿命。

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：第一种是基于数据的方法，即通过实验获取大量的数据训练诸如遗传算法、神经网络等具有较强非线性的算法，使其能通过可测的电压、电流等数据预测电池的SOH，这类方法需要耗费大量时间进行实验，且SOH估计的准确度严重地依赖实验所获取的数据，通用性较差；第二种是基于参数的方法，即首先基于相关基本理论建立一个诸如电化学、等效电路等的电池模型，而后选取模型中某些会随着电池老化而变化且又方便测量估计的参数来表征电池的SOH，这种方法相较于前者不需要进行大量的实验，通用性较强。

现有的基于参数的方法主要有两种，一种是采用电化学模型中的可循环锂离子浓度表征电池SOH，一种是采用等效电路模型中的内阻来表示电池SOH。电化学模型是基于电池内部真实发生的物理化学反应根据相应的基础理论所建立起来的模型，因而前者具有真实而直观的物理意义且估计准确度较高，然而，由于电化学模型的状态方程是一组由复杂的二阶偏微分方程组离散而来的线性代数方程组，这种方法的计算量较大不适用于车载实时控制系统。后者所使用的等效电路模型是将电池看作由电容电阻等电路基本元件所组成的网络，其状态方程仅是简单的常微分方程，因而计算量小、速度快，然而，由于电池内固液界面上所发生的异相电荷转移过程并不能由简单的电路基本元件所表示，这种方法的准确度较低且没有实际的物理意义。

电化学阻抗谱(EIS)通过在电路中引入随频率变化的法拉第阻抗元件来表示电化学池中的异相电荷转移过程建立了一种介于电化学模型与等效电路模型之间的模型来表征电化学池。它比等效电路模型能更完整的表征电化学池的性能状态且较电化学模型计算简单。在电池领域，这种方法已广泛应用于电池的设计加工中用以优化电池的性能。然而，现有的EIS测量方法均是采用施加激励测量相应响应的方式进行的，这需要专门的电化学工作站或阻抗分析设备，因此其不能应用于电动汽车电池管理系统进行在线测量。

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在线电化学阻抗谱测量的电池健康状态估计方法，该方法采用Morlet小波对采集到的电池实际使用工况下的电压电流数据进行时频分析得到电池的EIS而后用其表征电池的SOH，无需进行大量实验，准确度高，计算快，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：

一种基于在线电化学阻抗谱测量的电池健康状态估计方法，包括以下步骤：