[发明专利]一种基于微片段数据和电压滤波的SOH统计方法

说明书

本发明公开了一个基于微片段数据和电压滤波的SOH统计方法。该方法为：首先收集温度大于0℃的行车数据，将数据划分为30s的微数据片段，将放电电流值转换为倍率形式，计算方差，标记出方差大于设定阈值M的微数据片段，并对标记的微数据片段进行内阻辨识；然后对放电电压数据进行滤波，当滤波进行到被标记的数据段时，采用Kalman滤波算法；当滤波进行到非标记的数据段时，采用状态方程算法；最后将滤波得到的OCV片段，划分成固定的电压区间，统计每个区间的平均容量，以此得到当前电芯的容量值。本发明对SOC没有过多依赖性，原理简单，鲁棒性强，不需要大量的人工成本和计算资源，适用于车辆网中的工程应用。

技术领域

本发明涉及新能源汽车和储能的电池管理系统技术领域，特别是一种基于微片段数据和电压滤波的SOH统计方法。

背景技术

随着国家对新能源产业大力支持，新能源汽车和锂电池储能不断发展。电池管理系统作为电动汽车的一个重要组成部分，其核心在于SOX的估算。SOX包括SOC(剩余电量)、SOH(电池健康程度)以及SOP(电池功率状态)。相比于SOC和SOP，由于运行过充中，电池很少充满放空，因此SOH准确预估的难度比较大。

在新能源汽车电池管理系统中，SOH能够体现锂电池的健康生命状态，是评价电池性能以及老化程度的重要指标。SOH定义为：在标准条件下，电池从充满状态下，放电到截止电压所放出的电量与其标称容量的百分比。标准条件一般为0.3C，25℃，标称容量是厂家标定的出厂容量，用Ca表示。新能源汽车出厂时，SOH为100％，随着电池的使用，电池逐渐老化，容量衰减，当SOH变为80％时，意味着电池寿命的终结。老化的电池，性能下降严重，容易引发各种安全问题，如果能准确估算每一节电池SOH的值，可以及时提醒人们更换新电池，同时有利于汽车电池的梯次利用。

动力电池老化影响因素非常多，放电深度、温度、倍率都会对SOH产生影响。目前大多数SOH估算算法，考虑的因素单一，并没有将上述三个因素都考虑到，且只估算电池组的SOH，不能够计算每一节电池的SOH。现在SOH估算常用的方法包括直接放电法、阻抗测试法、循环次数折算法和基于数据驱动的智能算法：(1)直接放电法：在标准条件下充放电，测试电池实际容量，此时实际容量和标称容量Ca的比值为SOH。该方法计算的SOH准确度最高，但是需要对电池离线测试，对于汽车电池来说实现比较困难。(2)阻抗测试方法：研究电池固有的内阻特性，基于电阻值来估算SOH。由于电池阻抗值是毫欧姆级，比较小，因此SOH的估算准确度比较低。(3)循环次数折算法：根据电池的充放电循环次数和SOH关系来估算SOH，循环次数和SOH大致为线性关系。该方法简单、易于实现，但是该模型太过粗浅，并没有考虑到运行过程中电池温度、放电深度、放电倍率等因素对SOH的影响。(4)基于数据驱动的智能算法：基于数据驱动的智能算法主要是以使用过程中积累大量的数据出发，在对实验数据进行分析的基础上，总结出电池容量衰退的经验规律，该方法不需要对电池进行系统的老化机理分析，在业内关注度较高。数据驱动计算SOH，难点在于训练智能模型，需要大量不同环境下电芯的SOH数据，需要对数据进行人工处理，这需要大量的人工成本，且由于SOH的复杂性，处理数据的专业性要求比较高。另外，智能模型准确性的还在于特征的选择，选择的数据特征不同，得到的模型准确度也不一样。

发明内容

本发明的目的在于提供一种自动化程度高、通用性好、计算简单、准确率高、鲁棒性强的基于微片段数据和电压滤波的SOH统计方法。

实现本发明目的的技术解决方案为：一种基于微片段数据和电压滤波的SOH统计方法，包括以下步骤：

步骤1、数据筛选：收集温度大于0℃的行车数据；

步骤2、数据标记：将数据划分为微数据片段，将放电电流值转换为倍率形式，计算方差，标记出方差大于设定阈值M的微数据片段；

步骤3、内阻辨识：对标记的微数据片段进行内阻辨识；