[发明专利]一种支持任意充电区间的电池健康状态估计方法及系统

说明书

本发明提供了电池检测技术领域的一种支持任意充电区间的电池健康状态估计方法及系统，方法包括：步骤S10、获取锂电池大量的充电数据；步骤S20、对各充电数据进行预处理；步骤S30、获取各充电数据对应的SOH真实值，基于预处理后的各充电数据以及SOH真实值构建在线充电数据集；步骤S40、利用时序特征提取工具tsfresh对在线充电数据集进行特征提取，得到64维的时序特征；步骤S50、对各时序特征进行重要性排序和筛选，得到12维的时序特征；步骤S60、创建一健康状态估计模型，利用12维的时序特征对健康状态估计模型进行训练，利用训练后的健康状态估计模型进行锂电池的在线健康状态估计。本发明的优点在于：极大的扩展了锂电池在线健康状态估计的适用范围。

技术领域

本发明涉及电池检测技术领域，特别指一种支持任意充电区间的电池健康状态估计方法及系统。

背景技术

锂电池的健康状态(State of Hea lth,SOH)是一项关键的指标，定义为锂电池当前可用容量与初始容量的百分比。锂电池在充放电循环过程中，内部会发生一些不可逆的化学反应，导致锂电池的老化并不可避免的会出现一些安全隐患，所以对锂电池进行健康状态的估计显得非常重要。

由于充电工况一般比放电工况更可控、稳定，因此一般锂电池的在线检测都选择在充电工况下进行。锂电池充电时，尤其是新能源汽车的充电，存在充电SOC区间不固定、充电SOC起点不固定、充电倍率不固定的情况。

传统的锂电池健康状态估计方法对采集的电压、电流、温度等信号通过人工提取相关特征，如恒流充电时长、最大值、最小值、均值等，或通过提取容量增量曲线IC-curve的波峰波谷位置幅值，从而推导出锂电池的老化状态。但是，传统的方法存在如下缺点：应用于在线电池健康状态估计时，会存在SOC区间无法覆盖特征计算区域的情况，导致在有些充电SOC区间下无法进行电池健康状态的估计；如容量增量曲线的第二波峰位置，一般位于40％-70％的SOC区间，如果某次充电的SOC区间不涵盖40％-70％的SOC区间，则可能导致无法进行在线电池健康状态估计。

因此，如何提供一种支持任意充电区间的电池健康状态估计方法及系统，实现扩展锂电池在线健康状态估计的适用范围，成为一个亟待解决的技术问题。

发明内容

本发明要解决的技术问题，在于提供一种支持任意充电区间的电池健康状态估计方法及系统，实现扩展锂电池在线健康状态估计的适用范围。

第一方面，本发明提供了一种支持任意充电区间的电池健康状态估计方法，包括如下步骤：

步骤S10、获取锂电池大量的充电数据；

步骤S20、对各所述充电数据进行预处理；

步骤S30、获取各所述充电数据对应的SOH真实值，基于预处理后的各所述充电数据以及SOH真实值构建在线充电数据集；

步骤S40、利用时序特征提取工具tsfresh对所述在线充电数据集进行特征提取，得到64维的时序特征；

步骤S50、对各所述时序特征进行重要性排序和筛选，得到12维的所述时序特征；

步骤S60、创建一健康状态估计模型，利用12维的所述时序特征对健康状态估计模型进行训练，利用训练后的所述健康状态估计模型进行锂电池的在线健康状态估计。

进一步地，所述步骤S10中，所述充电数据包括不同SOC区间下的电压时序数据、电流时序数据以及SOC值；

所述步骤S20具体为：

设定一偏差比例阈值，对所述充电数据中，与均值偏差超过所述偏差比例阈值的电压或者电流进行剔除，对缺失的电压或者电流基于时间邻近值进行填补。

进一步地，所述步骤S30中，所述在线充电数据集包括输入X以及输出Y；