CN103576097B - 电池的健康状态soh的估计方法及*** - Google Patents

Abstract

本发明提出一种电池的健康状态SOH的估计方法，包括步骤：以恒定电流对电池进行充电，并记录充电过程的恒流充电电压曲线；获取充电过程中任意时刻电池的正极均衡电势和负极均衡电势；计算电池的端电压的估计值；根据恒流充电电压曲线得到任意时刻电池的端电压的真实值；对关键参数的初始设定值进行修正直至电池的端电压的估计值和真实值之间的标准误差RMSE满足预设条件时，得到关键参数的最终修正结果；根据关键参数的最终修正结果得到电池的健康状态SOH。该方法利用恒流充电电压曲线，无损的得到电池内部的情况，更全面的了解电池的健康状态。本发明还提出了一种电池的健康状态SOH的估计***。

Description

电池的健康状态SOH的估计方法及***

技术领域

本发明属于电池健康状态估计技术领域，具体涉及一种电池的健康状态SOH的估计方法及***。

背景技术

电池技术作为新型能源技术，发展非常迅猛，尤其是锂离子电池，在电动车、储能站等领域均得到了非常广泛的应用。然而，随着电池的充放电循环使用，电池会逐渐老化，性能会逐渐衰减，容量会逐渐减少，而内阻会逐渐增加，电池的健康状态SOH（State of Health）代表了电池的老化程度。

电池的健康状态SOH有多种定义方法，比如通过电池的容量定义，即其中C为电池的当前容量，C₀为电池的初始容量。同时电池的健康状态SOH也可以通过电池的内阻、能量密度和功率密度等其他参数来定义。

电池的容量的衰减可能由于电池正极活性材料的损失，电池负极活性材料的损失，或者电池可用锂离子的损失等原因所导致的。不同类型的电池或者不同的循环工况，导致电池的容量的衰减的机理也不相同。现阶段在进行电池的健康状态SOH估计的时候，仅仅通过估计电池的容量衰减了多少，而不是分析电池容量衰减的机理来确定电池内部发生了怎样的衰减。

对于电池容量衰减机理的研究，往往需要将电池拆解，利用XRD（X-Ray Diffraction，X射线衍射），SEM（Scanning Electron Microscope，扫描电子显微镜）等方法，分析电池的正负极的变化情况，从而判断得到电池的衰减机理。但是对于实际电动车上的电池来讲，这样损坏电池的方法是完全不可行的。

发明内容

本发明旨在至少在一定程度上解决上述技术问题之一。

为此，本发明的目的在于提出一种电池的健康状态SOH的估计方法，该方法利用恒流充电电压曲线，通过正极均衡电势、负极均衡电势和电池的关键参数，无损的得到电池内部的情况，进而更全面的了解电池的健康状态SOH，既得到了电池容量衰减的数值，又得到了电池容量衰减的内部机理。

本发明的第二个目的在于提出一种电池的健康状态SOH的估计***。

为了实现上述目的，本发明第一个方面的实施例提供了一种电池的健康状态SOH的估计方法，包括以下步骤：以恒定电流对电池进行充电，并记录充电过程的恒流充电电压曲线；获取所述充电过程中任意时刻所述电池的正极均衡电势和负极均衡电势；根据所述正极均衡电势、所述负极均衡电势、所述恒定电流和所述电池的关键参数的初始设定值计算所述电池的端电压的估计值；根据所述恒流充电电压曲线得到所述任意时刻所述电池的端电压的真实值；对所述关键参数的初始设定值进行修正直至所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件时，得到所述关键参数的最终修正结果；以及根据所述关键参数的最终修正结果得到所述电池的健康状态SOH。

根据本发明实施例的电池的健康状态SOH的估计方法，利用恒流充电电压曲线，通过正极均衡电势、负极均衡电势和电池的关键参数，无损的得到电池内部的情况，进而更全面的了解电池的健康状态SOH，既得到了电池容量衰减的数值，又得到了电池容量衰减的内部机理。

在一些示例中，所述电池为锂离子电池。

在一些示例中，所述关键参数包括：电池正极的容量、电池负极的容量、所述电池正/负极的锂离子分数和所述电池的内阻。

在一些示例中，所述电池的端电压的估计值和所述真实值之间的标准误差RMSE通过如下公式得到：

$\mathrm{RMSE}=\frac{1}{n}\underset{{t=t}_0}{\overset{t_n}{\mathrm{\Σ}}}{(V\left(t\right)-\tilde{V}\left(t\right))}^2$

其中，为所述电池的端电压的估计值，V(t)为所述电池的端电压的真实值，n为正整数，表示电池充电时间从t₀到t_n的n个采样点。

在一些示例中，对所述关键参数的初始设定值进行修正直至所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件时，得到所述关键参数的最终修正结果，进一步包括：根据遗传算法、蚁群算法或粒子群算法对所述关键参数的初始设定值进行修正，以得到使所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件的所述关键参数的最终修正结果。

本发明第二个方面的实施例提供了一种电池的健康状态SOH的估计***，包括：记录模块，当以恒定电流对电池进行充电时，所述记录模块记录充电过程的恒流充电电压曲线；电势获取模块，所述电势获取模块获取所述充电过程中任意时刻所述电池的正极均衡电势和负极均衡电势；估计值计算模块，所述估计值计算模块根据所述正极均衡电势、所述负极均衡电势、所述恒定电流和所述电池的关键参数的初始设定值计算所述电池的端电压的估计值；真实值获取模块，所述真实值获取模块根据所述恒流充电电压曲线得到所述任意时刻所述电池的端电压的真实值；标准误差计算模块，所述标准误差计算模块对所述关键参数的初始设定值进行修正直至所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件时，得到所述关键参数的最终修正结果；以及健康状态计算模块，所述健康状态计算模块根据所述关键参数的最终修正结果得到所述电池的健康状态SOH。

根据本发明实施例的电池的健康状态SOH的估计***，利用恒流充电电压曲线，通过正极均衡电势、负极均衡电势和电池的关键参数，无损的得到电池内部的情况，进而更全面的了解电池的健康状态SOH，既得到了电池容量衰减的数值，又得到了电池容量衰减的内部机理。

在一些示例中，所述电池为锂离子电池。

在一些示例中，所述关键参数包括：电池正极的容量、电池负极的容量、所述电池正/负极的锂离子分数和所述电池的内阻。

在一些示例中，所述电池的端电压的估计值和所述真实值之间的标准误差RMSE通过如下公式得到：

$\mathrm{RMSE}=\frac{1}{n}\underset{{t=t}_0}{\overset{t_n}{\mathrm{\Σ}}}{(V\left(t\right)-\tilde{V}\left(t\right))}^2$

其中，为所述电池的端电压的估计值，V(t)为所述电池的端电压的真实值，n为正整数，为电池充电时间从t₀到t_n的n个采样点。

在一些示例中，所述标准误差计算模块对所述关键参数的初始设定值进行修正直至所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件时，得到所述关键参数的最终修正结果，进一步包括：所述标准误差计算模块根据遗传算法、蚁群算法或粒子群算法对所述关键参数的初始设定值进行修正，以得到使所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件的所述关键参数的最终修正结果。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的电池的健康状态SOH的估计方法的流程图；

图2为根据本发明一个实施例的磷酸铁锂为正极、石墨为负极的锂离子电池不同衰减情况下的恒流充电电压曲线图；

图3为根据本发明一个实施例的电池充电过程中对应的正极均衡电势和负极均衡电势的变化曲线图；

图4为根据本发明一个实施例的电池的健康状态SOH的估计方法的电池内部的关键参数的辨识结果图；

图5为根据本发明一个实施例的电池的健康状态SOH的估计方法的新电池的端电压的估计值和真实值的对比图；

图6为根据本发明一个实施例的电池的健康状态SOH的估计方法的经过1000次充放电循环后的电池的端电压的估计值和真实值的对比图；以及

图7为根据本发明一个实施例的电池的健康状态SOH的估计***的结构图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

以下结合附图描述根据本发明实施例的电池的健康状态SOH的估计方法和***。

通常用于实际电动车上的车用动力电池，其放电工况是实车运行工况决定的，往往会比较复杂，而其充电一般是夜间在充电桩或者车库通过慢速充电充满的，其充电往往是小倍率恒流充电，充电工况比较稳定，因此，通过观测电池的小倍率恒流充电电压曲线，分析其变化情况，往往可以提供较多的关于电池内部的信息，进而分析电池容量变化的情况。

图1是根据本发明一个实施例的电池的健康状态SOH的估计方法的流程图。如图1所示，根据本发明一个实施例的电池的健康状态SOH的估计方法的流程图，包括以下步骤：

步骤S101：以恒定电流对电池进行充电，并记录充电过程的恒流充电电压曲线。

考虑到电池正极和负极的材料的多样性，在本发明的实施例中以最常见的磷酸铁锂为正极，石墨为负极的锂离子电池为例进行说明。需要说明的是，本发明实施例亦可以使用其它不同的正极和负极材料的电池。

图2是根据本发明一个实施例的磷酸铁锂为正极、石墨为负极的锂离子电池不同衰减情况下的恒流充电电压曲线图，如图2所示，①表示新电池的恒流充电电压曲线，②表示经过330次充放电循环后的电池的恒流充电电压曲线，③表示经过690次充放电循环后的电池的恒流充电电压曲线，④表示经过1020次充放电循环后的电池的恒流充电电压曲线。从图2中可以看出，在不同衰减情况下的恒流充电电压曲线有很大的不同，其恒流充电电压曲线并非简单的平移和缩放的关系，而是电池容量减少的内部机理的作用。其内部机理为：电池的正极材料磷酸铁锂，随着电池的充放电，锂离子会在材料中嵌入和脱嵌，从FePO₄逐渐变为LiFePO₄或者反之，而电池的负极材料石墨，随着锂离子的嵌入，会从C逐渐变为LiC₆。

步骤S102：获取充电过程中任意时刻电池的正极均衡电势和负极均衡电势。

电池在不同的SOC（State of Charge，荷电状态）情况下，电池的正极均衡电势和负极均衡电势不相同。图3是根据本发明一个实施例的电池充电过程中对应的正极均衡电势和负极均衡电势的变化曲线图。如图3所示，在电池充电过程中，正极为Li_yFePO₄，锂离子分数y值从约为1逐渐降到约为0，锂离子逐渐脱嵌，而负极为Li_xC₆，锂离子逐渐嵌入，锂离子分数x值从约为0逐渐增加到约为1。在任意时刻，正极材料在不同的y值情况下的正极均衡电势和负极材料在不同的x值情况下的负极均衡电势，可以通过测量得到，分别用U_p(y)、U_n(x)表示。曲线Ⅱ表示电池正极的锂离子分数与电池的正极均衡电势的对应关系，曲线③表示电池负极的锂离子分数与电池的负极均衡电势的对应关系，则③*Ⅱ表示在③和Ⅱ的叠加下电池的容量与电池的总电势的对应关系，以此类推，②*Ⅱ和①*Ⅱ分别表示在不同的电池负极的锂离子分数下电池的容量与电池的总电势的对应关系。

步骤S103：根据正极均衡电势、负极均衡电势、恒定电流和电池的关键参数的初始设定值计算电池的端电压的估计值。

关键参数包括：电池正极的容量、电池负极的容量、电池正/负极的锂离子分数和电池的内阻。在此，电池正极的容量的初始设定值为C_p，电池负极的容量的初始设定值为C_n，充电过程起始时电池正极的锂离子分数为y₀，充电过程起始时电池负极的锂离子分数为x₀，电池的内阻的初始设定值为R，恒定电流为I。当为电池充入Q的电量后，电池正极的锂离子分数y，电池负极的锂离子分数x和电池的端电压的估计值的计算公式为：

$y=y_0-\frac{Q}{C_p}---\left(1\right)$

$x=x_0+\frac{Q}{C_n}---\left(2\right)$

$\tilde{V}\left(t\right)=U_p\left(y\right)-U_n\left(x\right)+\mathrm{IR}---\left(3\right)$

步骤S104：根据恒流充电电压曲线得到任意时刻电池的端电压的真实值。任意时刻电池的端电压的真实值记为V(t)。

步骤S105：对关键参数的初始设定值进行修正直至电池的端电压的估计值和真实值之间的标准误差RMSE（Rooted Mean Squared Error，均方根误差）满足预设条件时，得到关键参数的最终修正结果。

在整个充电时间从t₀到t_n的过程中，共有n个采样点，电池的端电压的估计值和电池的端电压的真实值V(t)之间的标准误差RMSE通过如下公式得到：

$\mathrm{RMSE}=\frac{1}{n}\underset{{t=t}_0}{\overset{t_n}{\mathrm{\Σ}}}{(V\left(t\right)-\tilde{V}\left(t\right))}^2---\left(4\right)$

给定不同的y₀，x₀，C_p，C_n以及R，即可以根据公式（1）到（3）得到在恒定电流I充电情况下根据本发明实施例的电池的健康状态SOH的估计方法得到电池的端电压的估计值而相应的标准误差RMSE可以由公式（4）得到。利用遗传算法，蚁群算法、粒子群算法等最优估计算法对关键参数的初始设定值进行修正，即可以找到最优的[y₀，x₀，C_p，C_n，R]使得电池的端电压的估计值和电池的端电压的真实值V(t)之间的标准误差RMSE最小，即使得标准误差RMSE满足预设条件。而这一组最终修正结果，也就是对于电池内部状态的一个最优估计。

步骤S106：根据关键参数的最终修正结果得到电池的健康状态SOH。

图4是根据本发明一个实施例的电池的健康状态SOH的估计方法的电池内部的关键参数的辨识结果图，如图4所示，根据本发明一个实施例的磷酸铁锂电池，利用本发明实施例的电池的健康状态SOH的估计方法，估计得到电池内部的关键参数随着充放电循环次数的增加而变化的情况，包括：电池正极的容量、电池负极的容量、电池正极的锂离子分数、电池负极的锂离子分数、电池的内阻和标准误差RMSE。通过电池正极的容量和负极的容量的变化，可以分析得到电池的正负极材料的衰减情况，通过电池正极的锂离子分数和电池负极的锂离子分数的变化，可以分析得到电池的锂离子的损失情况。图5是根据本发明一个实施例的电池的健康状态SOH的估计方法的新电池的端电压的估计值和真实值的对比图，①表示新电池的正极均衡电势，②表示新电池的负极均衡电势，③表示新电池的端电压的真实值，×表示新电池的端电压的估计值。图6是根据本发明一个实施例的电池的健康状态SOH的估计方法的经过1000次充放电循环后的电池的端电压的估计值和真实值的对比图，①表示经过1000次充放电循环后的电池的正极均衡电势，②表示经过1000次充放电循环后的电池的负极均衡电势，③表示经过1000次充放电循环后的电池的端电压的真实值，×表示经过1000次充放电循环后的电池的端电压的估计值。如图5和图6所示估计值与真实值吻合程度非常好。

根据本发明实施例的电池的健康状态SOH的估计方法，利用恒流充电电压曲线，通过正极均衡电势、负极均衡电势和电池的关键参数，无损的得到电池内部的情况，进而更全面的了解电池的健康状态SOH，既得到了电池容量衰减的数值，又得到了电池容量衰减的内部机理。

图7是根据本发明一个实施例的电池的健康状态SOH的估计***的结构图。如图7所示，根据本发明一个实施例的电池的健康状态SOH的估计***包括：记录模块100、电势获取模块200、估计值计算模块300、真实值获取模块400、标准误差计算模块500和健康状态计算模块600。

当以恒定电流对电池进行充电时，记录模块100记录充电过程的恒流充电电压曲线。

考虑到电池正极和负极的材料的多样性，在本发明的实施例中以最常见的磷酸铁锂为正极，石墨为负极的锂离子电池为例进行说明。需要说明的是，本发明实施例亦可以使用其它不同的正极和负极材料的电池。

图2是根据本发明一个实施例的磷酸铁锂为正极、石墨为负极的锂离子电池不同衰减情况下的恒流充电电压曲线图，如图2所示，①表示新电池的恒流充电电压曲线，②表示经过330次充放电循环后的电池的恒流充电电压曲线，③表示经过690次充放电循环后的电池的恒流充电电压曲线，④表示经过1020次充放电循环后的电池的恒流充电电压曲线。从图2中可以看出，在不同衰减情况下的恒流充电电压曲线有很大的不同，其恒流充电电压曲线并非简单的平移和缩放的关系，而是电池容量减少的内部机理的作用。其内部机理为：电池的正极材料磷酸铁锂，随着电池的充放电，锂离子会在材料中嵌入和脱嵌，从FePO₄逐渐变为LiFePO₄或者反之，而电池的负极材料石墨，随着锂离子的嵌入，会从C逐渐变为LiC₆。

电势获取模块200获取充电过程中任意时刻电池的正极均衡电势和负极均衡电势。

电池在不同的SOC（State of Charge，荷电状态）情况下，电池的正极均衡电势和负极均衡电势不相同。图3是根据本发明一个实施例的电池充电过程中对应的正极均衡电势和负极均衡电势的变化曲线图。如图3所示，在电池充电过程中，正极为Li_yFePO₄，锂离子分数y值从约为1逐渐降到约为0，锂离子逐渐脱嵌，而负极为Li_xC₆，锂离子逐渐嵌入，锂离子分数x值从约为0逐渐增加到约为1。在任意时刻，正极材料在不同的y值情况下的正极均衡电势和负极材料在不同的x值情况下的负极均衡电势，可以通过测量得到，分别用U_p(y)、U_n(x)表示。曲线Ⅱ表示电池正极的锂离子分数与电池的正极均衡电势的对应关系，曲线③表示电池负极的锂离子分数与电池的负极均衡电势的对应关系，则③*Ⅱ表示在③和Ⅱ的叠加下电池的容量与电池的总电势的对应关系，以此类推，②*Ⅱ和①*Ⅱ分别表示在不同的电池负极的锂离子分数下电池的容量与电池的总电势的对应关系。

估计值计算模块300根据正极均衡电势、负极均衡电势、恒定电流和电池的关键参数的初始设定值计算电池的端电压的估计值。

关键参数包括：电池正极的容量、电池负极的容量、电池正/负极的锂离子分数和电池的内阻。在此，电池正极的容量的初始设定值为C_p，电池负极的容量的初始设定值为C_n，充电过程起始时电池正极的锂离子分数为y₀，充电过程起始时电池负极的锂离子分数为x₀，电池的内阻的初始设定值为R，恒定电流为I。当为电池充入Q的电量后，电池正极的锂离子分数y，电池负极的锂离子分数x和电池的端电压的估计值的计算公式为：

$y=y_0-\frac{Q}{C_p}---\left(1\right)$

$x=x_0+\frac{Q}{C_n}---\left(2\right)$

$\tilde{V}\left(t\right)=U_p\left(y\right)-U_n\left(x\right)+\mathrm{IR}---\left(3\right)$

真实值获取模块400根据恒流充电电压曲线得到任意时刻电池的端电压的真实值。任意时刻电池的端电压的真实值记为V(t)。

标准误差计算模块500对关键参数的初始设定值进行修正直至电池的端电压的估计值和真实值之间的标准误差RMSE满足预设条件时，得到关键参数的最终修正结果。

在整个充电时间从t₀到t_n的过程中，共有n个采样点，电池的端电压的估计值和电池的端电压的真实值V(t)之间的标准误差RMSE通过如下公式得到：

$\mathrm{RMSE}=\frac{1}{n}\underset{{t=t}_0}{\overset{t_n}{\mathrm{\Σ}}}{(V\left(t\right)-\tilde{V}\left(t\right))}^2---\left(4\right)$

给定不同的y₀，x₀，C_p，C_n以及R，即可以根据公式（1）到（3）得到在恒定电流I充电情况下根据本发明实施例的电池的健康状态SOH的估计方法得到电池的端电压的估计值而相应的标准误差RMSE可以由公式（4）得到。利用遗传算法，蚁群算法、粒子群算法等最优估计算法对关键参数的初始设定值进行修正，即可以找到最优的[y₀，x₀，C_p，C_n，R]使得电池的端电压的估计值和电池的端电压的真实值V(t)之间的标准误差RMSE最小，即使得标准误差RMSE满足预设条件。而这一组最终修正结果，也就是对于电池内部状态的一个最优估计。

健康状态计算模块600根据关键参数的最终修正结果得到电池的健康状态SOH。

图4是根据本发明一个实施例的电池的健康状态SOH的估计方法的电池内部的关键参数的辨识结果图，如图4所示，根据本发明一个实施例的磷酸铁锂电池，利用本发明实施例的电池的健康状态SOH的估计方法，估计得到电池内部的关键参数随着充放电循环次数的增加而变化的情况，包括：电池正极的容量、电池负极的容量、电池正极的锂离子分数、电池负极的锂离子分数、电池的内阻和标准误差RMSE。通过电池正极的容量和负极的容量的变化，可以分析得到电池的正负极材料的衰减情况，通过电池正极的锂离子分数和电池负极的锂离子分数的变化，可以分析得到电池的锂离子的损失情况。图5是根据本发明一个实施例的电池的健康状态SOH的估计方法的新电池的端电压的估计值和真实值的对比图，①表示新电池的正极均衡电势，②表示新电池的负极均衡电势，③表示新电池的端电压的真实值，×表示新电池的端电压的估计值。图6是根据本发明一个实施例的电池的健康状态SOH的估计方法的经过1000次充放电循环后的电池的端电压的估计值和真实值的对比图，①表示经过1000次充放电循环后的电池的正极均衡电势，②表示经过1000次充放电循环后的电池的负极均衡电势，③表示经过1000次充放电循环后的电池的端电压的真实值，×表示经过1000次充放电循环后的电池的端电压的估计值。如图5和图6所示估计值与真实值吻合程度非常好。

根据本发明实施例的电池的健康状态SOH的估计***，利用恒流充电电压曲线，通过正极均衡电势、负极均衡电势和电池的关键参数，无损的得到电池内部的情况，进而更全面的了解电池的健康状态SOH，既得到了电池容量衰减的数值，又得到了电池容量衰减的内部机理。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种电池的健康状态SOH的估计方法，其特征在于，包括以下步骤：

以恒定电流对电池进行充电，并记录充电过程的恒流充电电压曲线；

获取所述充电过程中任意时刻所述电池的正极均衡电势和负极均衡电势；

根据所述正极均衡电势、所述负极均衡电势、所述恒定电流和所述电池的关键参数的初始设定值计算所述电池的端电压的估计值，其中，电池正极的容量的初始设定值为C_p，电池负极的容量的初始设定值为C_n，充电过程起始时电池正极的锂离子分数为y₀，充电过程起始时电池负极的锂离子分数为x₀，正极材料在不同的y值情况下的正极均衡电势U_p(y)和负极材料在不同的x值情况下的负极均衡电势U_n(x)，电池的内阻的初始设定值为R，恒定电流为I，当为电池充入Q的电量后，电池正极的锂离子分数y，电池负极的锂离子分数x和电池的端电压的估计值的计算公式为：

$y=y_0-\frac{Q}{C_p}$

$x=x_0+\frac{Q}{C_n}$

$\tilde{V}\left(t\right)=U_p\left(y\right)-U_n\left(x\right)+IR;$

根据所述恒流充电电压曲线得到所述任意时刻所述电池的端电压的真实值；

对所述关键参数的初始设定值进行修正直至所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件时，得到所述关键参数的最终修正结果；以及

根据所述关键参数的最终修正结果得到所述电池的健康状态SOH。

2.根据权利要求1所述的方法，其特征在于，所述电池为锂离子电池。

3.根据权利要求2所述的方法，其特征在于，所述关键参数包括：电池正极的容量、电池负极的容量、所述电池正/负极的锂离子分数和所述电池的内阻。

4.根据权利要求1所述的方法，其特征在于，所述电池的端电压的估计值和所述真实值之间的标准误差RMSE通过如下公式得到：

$RMSE=\frac{1}{n}\underset{t=t_0}{\overset{t_n}{\Σ}}{\left(V\right(t)-\tilde{V}(t\left)\right)}^2$

其中，为所述电池的端电压的估计值，V(t)为所述电池的端电压的真实值，n为正整数，表示电池充电时间从t₀到t_n的n个采样点。

5.根据权利要求1-4任一项所述的方法，其特征在于，对所述关键参数的初始设定值进行修正直至所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件时，得到所述关键参数的最终修正结果，进一步包括：

根据遗传算法、蚁群算法或粒子群算法对所述关键参数的初始设定值进行修正，以得到使所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件的所述关键参数的最终修正结果。

6.一种电池的健康状态SOH的估计***，其特征在于，包括：

记录模块，当以恒定电流对电池进行充电时，所述记录模块记录充电过程的恒流充电电压曲线；

电势获取模块，所述电势获取模块获取所述充电过程中任意时刻所述电池的正极均衡电势和负极均衡电势；

估计值计算模块，所述估计值计算模块根据所述正极均衡电势、所述负极均衡电势、所述恒定电流和所述电池的关键参数的初始设定值计算所述电池的端电压的估计值，其中，电池正极的容量的初始设定值为C_p，电池负极的容量的初始设定值为C_n，充电过程起始时电池正极的锂离子分数为y₀，充电过程起始时电池负极的锂离子分数为x₀，正极材料在不同的y值情况下的正极均衡电势U_p(y)和负极材料在不同的x值情况下的负极均衡电势U_n(x)，电池的内阻的初始设定值为R，恒定电流为I，当为电池充入Q的电量后，电池正极的锂离子分数y，电池负极的锂离子分数x和电池的端电压的估计值的计算公式为：

$y=y_0-\frac{Q}{C_p}$

$x=x_0+\frac{Q}{C_n}$

$\tilde{V}\left(t\right)=U_p\left(y\right)-U_n\left(x\right)+IR;$

真实值获取模块，所述真实值获取模块根据所述恒流充电电压曲线得到所述任意时刻所述电池的端电压的真实值；

标准误差计算模块，所述标准误差计算模块对所述关键参数的初始设定值进行修正直至所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件时，得到所述关键参数的最终修正结果；以及

健康状态计算模块，所述健康状态计算模块根据所述关键参数的最终修正结果得到所述电池的健康状态SOH。

7.根据权利要求6所述的***，其特征在于，所述电池为锂离子电池。

8.根据权利要求7所述的***，其特征在于，所述关键参数包括：电池正极的容量、电池负极的容量、所述电池正/负极的锂离子分数和所述电池的内阻。

9.根据权利要求6所述的***，其特征在于，所述电池的端电压的估计值和所述真实值之间的标准误差RMSE通过如下公式得到：

$RMSE=\frac{1}{n}\underset{t=t_0}{\overset{t_n}{\Σ}}{\left(V\right(t)-\tilde{V}(t\left)\right)}^2$

其中，为所述电池的端电压的估计值，V(t)为所述电池的端电压的真实值，n为正整数，为电池充电时间从t₀到t_n的n个采样点。

10.根据权利要求6-9任一项所述的***，其特征在于，所述标准误差计算模块对所述关键参数的初始设定值进行修正直至所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件时，得到所述关键参数的最终修正结果，进一步包括：

所述标准误差计算模块根据遗传算法、蚁群算法或粒子群算法对所述关键参数的初始设定值进行修正，以得到使所述电池的端电压的估计值和所述真实值之间的标准误差RMSE满足预设条件的所述关键参数的最终修正结果。