[发明专利]一种基于随机片段数据的锂电池状态估计方法及系统

说明书

本发明公开了一种基于随机片段数据的锂电池状态估计方法及系统，估计方法步骤包括：获取第一数据与第二数据，采用粒子群算法，将第一数据与第二数据进行匹配，获得待估计锂电池的第三数据，所述第三数据为初始SOC数据与SOH数据；基于二阶戴维南等效电路模型，构建待估计锂电池的第一模型，并基于第一模型，辨识获得第四数据；基于第三数据与第四数据，采用扩展卡尔曼滤波对待估计锂电池的荷电状态进行估计，获得待估计锂电池的状态信息。本发明的有益效果为采用粒子群算法结合的方式，无需锂电池全部放电数据，仅需锂电池片段放电数据即可对其状态进行估计，具有一定的理论和工程实用意义。

技术领域

本发明涉及电池状态估计技术领域，具体而言，涉及一种基于随机片段数据的锂电池状态估计方法及系统。

背景技术

锂电池状态的准确估计是电池管理系统的关键技术之一，准确的状态估计可以对锂电池进行科学评估、风险预警和定期更换，保障锂电池的稳定运行。在目前的研究中，锂电池状态估计主要是对剩余放电时间、SOC、SOH及当前最大可用容量等进行评估。锂电池剩余放电时间通过将铅酸电池在不同电流强度下的放电数据进行数学拟合得到，SOC和SOH估算方法以卡尔曼滤波和数据驱动为主。但以上方法均基于完整的电池放电数据，当实际放电或充电只能获取片段数据时，上述方法难以实际应用。也有部分学者提出通过片段数据估计锂电池状态，但该部分研究仅考虑了电池容量这一单一因素，且片段数据的获取也不具随机性。实际情况中，锂电池往往进行随机短时放电，当所得放电数据具有随机性和不完整性时，传统方法均难以有效对锂电池的状态进行估计。

有鉴于此，特提出本申请。

发明内容

本发明所要解决的技术问题是当获取到的电池数据为片段数据的时候，无法对该电池目前的状态进行判断，目的在于提供一种基于随机片段数据的锂电池状态估计方法及系统，能够实现在获取到电池状态随机片段数据的情况下，能够对该锂电池所处的状态进行估计。

本发明通过下述技术方案实现：

一种基于随机片段数据的锂电池状态估计方法，估计方法步骤包括：

S1：获取第一数据与第二数据，所述第一数据为以固定SOH差为间隔构建的老化数据，所述第二数据为待估计锂电池在工作状态下，获取的随机片段数据；

S2：采用粒子群算法，将所述第一数据与所述第二数据进行匹配，获得待估计锂电池的第三数据，所述第三数据为初始SOC数据与SOH数据；

S3：基于二阶戴维南等效电路模型，构建待估计锂电池的第一模型，并基于第一模型，辨识获得第四数据，所述第四数据为电阻参数、电容参数以及SOC-OCV曲线的开路电压U_OC；

S4：基于第三数据与第四数据，采用扩展卡尔曼滤波对待估计锂电池的荷电状态进行估计，获得待估计锂电池的状态信息。

传统地对锂电池状态进行估计的时候，采用的是通过将铅酸电池在不同电流强度下的放电数据进行拟合得到，但是在采用这种方法对锂电池状态进行估计的时候，必须要在获取完整的电池放电数据的情况下，才能对锂电池的状态进行估计，当获取到电池状态的随机片段数据的时候，无法实现对锂电池的状态进行估计；本发明提供了一种基于随机片段数据的锂电池状态估计方法，通过采用随机粒子群算法，并结合锂电池的老化数据，能够在获取该锂电池随机片段数据的情况下，实现对锂电池所处的状态进行准确估计。

优选地，在所述步骤S1中，获取第一数据的具体操作方法步骤包括：

S11：采用恒定电流对待估计锂电池进行充电，直到待估计锂电池电压达到额定电压，转换为恒定电压模式对待估计锂电池进行充电，直到待估计锂电池充满电，获得充电数据，且将待估计锂电池放置一段时间；

S12：在恒定电流的作用下，对待估计锂电池进行放电，直到待估计锂电池中的电压降为截止电压，停止放电，获得放电数据；