[发明专利]锂电池容量估计、电芯异常预测的方法和系统

说明书

本申请涉及锂电池容量估计、电芯异常预测的方法和系统，其中锂电池容量估计方法包括：获取历史样本数据；根据第一样本标准差和第一实际偏差值计算得到与第一容量估计值对应的第一动态权重比；将第一动态权重比、第一容量估计值、第一容量测试值计算得到第二容量估计值；将第一容量测量值、第一容量估计值更新为第二容量测量值、第二容量估计值；重复上述步骤，预测出锂电池的总容量估计值。通过上次预测容量和实测容量的偏差，和样本的标准差进行权重计算，得出一个最优的预期评估权重比，从而给出下一步容量的预测公式。通过上述公式，不断扩充样本，能由一小段时间的放电容量预测出整个分容的最终容量，提高电池容量精度。

技术领域

本申请涉及锂电池化成分容领域，特别是涉及锂电池容量估计、电芯异常预测的方法和系统。

背景技术

容量是衡量锂电池性能的重要指标，锂电池的容量衰减程度表征了电池寿命的长短，因此需要对锂电池的容量进行估计。

目前汽车锂电池容量估计大部分都是基于卡尔曼滤波器设计的。例如CN110320473A提出了“一种基于卡尔曼滤波及模糊逻辑汽车锂电池容量估计方法”通过卡尔曼滤波器进行预估与校正。卡尔曼滤波认为变量（在本例中就是预估电压，预估容量，实际电压，实际容量）在环境中都存在误差，利用预估电压和实际电压的正态分布计算出一个更优的预测电压，并且使该预测电压更加符合方差（σ）更小的正态分布。同时如果使用卡尔曼滤波还要考虑最优预测电压和最优预测容量之间的协方差，因为这在卡尔曼里面认为是外界的噪声，对预测是有影响的。

然而，在现有的技术中使用卡尔曼滤波器估计锂电池容量有点多余。第一方面，随着检测设备精度的提高，电流精度更是达到万分之一，所以检测设备测试的实际电压可以认为是准确的，而卡尔曼更多考虑的是一个开放多变的环境中，任何测试都是有误差和较大不确定性的，所以现在的技术和卡尔曼的认知是有区别的。第二方面，锂电池容量是采用安时积分计算出来的，跟容量相关的只有时间和电流。化成分容领域测试容量都是在恒流条件下测试，剩下的时间也是稳定的，在时间和电流一定的情况下，没有必要使用卡尔曼滤波器估计容量。

此外，锂电池在生产时需要激活后才能使用，第一次激活的过程叫做化成。锂电池化成过程中可能存在电芯测试异常，如电芯短路或测试设备问题导致安全事故；以及存在电芯反接的安全操作事故，这类锂电池电芯因化成正负极性接反充电短时间内没有任何异常，所以导致厂线人员无法及时发现，随着时间的推移，锂电池电芯会出现鼓包起火等重大安全事故，而卡尔曼滤波器只能估计锂电池的容量，不能对电芯测试异常、电芯极性接反进行预测。

综上，针对目前汽车锂电池容量估计、电芯异常预测存在的上述问题，目前尚未得到有效的解决方案。

发明内容

本申请实施例提供了锂电池容量估计、电芯异常预测的方法和系统，以至少解决相关技术中电池容量精度、电芯异常检测的问题。

第一方面，本申请实施例提供了锂电池容量估计的方法，所述方法包括：构建电容预测模型，包括以下步骤：

S101、获取历史样本数据，其中，历史样本数据包括第一容量估计值，第一容量测量值，第二容量测量值以及根据第一容量估计值、第一容量测量值计算得到的第一样本标准差，第一实际偏差值，其中，第一容量估计值取样本容量；

S102、根据第一样本标准差和第一实际偏差值计算得到与第一容量估计值对应的第一动态权重比；

S103、将第一动态权重比、第一容量估计值、第一容量测量值计算得到第二容量估计值；

S104、将第一容量测量值、第一容量估计值更新为第二容量测量值、第二容量估计值；

S105、重复S101至S104，预测出锂电池的总容量估计值。

第二方面，本申请实施例提供了一种电芯异常预测的方法，包括以下步骤：