CN106093778B - 电池状态预测方法及*** - Google Patents

Abstract

本发明提供了一种电池状态预测方法及***，其中方法包括：建立表征电池的可放电时间t与电压U、电流I以及温度T之间的函数关系的随机数据同化函数模型I×t＝f(U,I,T)；利用随机数据同化函数模型I×t＝f(U,I,T)，根据实时测得的待测电池的电压U_k、电流I_k以及温度T_k，计算当前工况下待测电池的完整放电曲线I_k×t＝f(U,I_k,T_k)以及可放电时间t_k：t_k＝f(U_k,I_k,T_k)/I_k；根据当前工况下待测电池的完整放电曲线和可放电时间，预测待测电池的SoC值和SoH值。本发明的电池状态预测方法及***，可以对不同运行工况下的电池参数进行同化处理，适应放电电流和环境温度不断变化的运行工况，能够对电池的健康状态和荷电状态进行准确预测，实时性好，准确性高，且易于实现。

Description

电池状态预测方法及***

【技术领域】

本发明涉及电池状态预测技术领域，特别涉及一种电池状态预测方法及***。

【背景技术】

阀控铅酸蓄电池作为电力可靠供应的最后防线，在备用电力***中发挥着重要作用。铅炭电池和锂离子电池在分布式微网储能和电动汽车领域的应用也日趋广泛。在上述应用领域，由于电池的规模化成组使用，需要配备管理***对电池的状态进行检测和维护。

电池管理***的诸多部分中，电池健康状态(SoH，state of health)和放电过程中的荷电状态(SoCstate of charge)的预测十分关键，其预测的准确性，会影响到电池管理***的控制策略，从而影响电池性能的发挥。在电力备用领域，SoH的准确预测可以避免蓄电池在长期使用过程中因个别电池过放电或者失效而引发事故带来经济损失，保证在市电被切断时用电设备能够安全可靠运行。在新能源储能和智能电网应用中，SoC是指导电池充电或放电过程的重要参数，可以防止电池的过充和过放造成不可恢复的损坏，能够更好地保护电池，延长***寿命。而在电动汽车领域，正确估算电池SoC，可充分利用电池的电能，提高用户体验，使电动车的续航里程更长，同时延长电池的使用寿命，降低电池的使用成本。

但是，由于电池的高度电化学非线性和动态特性，在线并准确地检测每块电池的SoC和SoH非常困难。目前研究和应用较多的方法主要有：

改进型安时积分法，其通过电流与时间的积分值计算充入电池和流出电池的电量，在一段时间内，监测和记录电池的变化电量，通过与初始值求差，得到实时的电池容量，以此计算结果为主，并参考电池开路电压、内阻等信息，预测电池的剩余容量。这种方法针对特定类型电池的误差较小，对温度、充放电效率等因素修正后，可提高估算精度，但是需要大量实验数据，在线修正能力差，随时间推移，误差累积，剧烈变化的工况会导致误差增大。

模糊逻辑和神经网络法，其原理是找出荷电状态与电池电压、电流和温度等的非线性关系，算法的关键是样本数据的选取和训练规则的确定，适用于多种类型电池，可自适应和自学习，但误差受所选样本数据的规模和训练规则的影响较大，需要大量资源，实时性较差，需要采用高性能的控制芯片，导致成本增加。

建立状态空间模型(线性和非线性)，这种方法以卡尔曼滤波法为代表，将电池看成动力***，SoC/SoH是***的一个内部状态。***的输入向量通常包含电池电流、温度、内阻和剩余容量等变量，***的输出为电池的工作电压，电池SoC/SoH包含在***的状态量中。该方法可克服安时积分法的误差累积效应，对电池初始SoC值的精确度要求不高，实时性好，适用于各种电池，特别适合于电流波动剧烈的混合动力汽车电池的SoC估算。但是模型的准确度依靠等效电路模型建立，微小的模型误差可能带来较大的估计误差。

【发明内容】

为解决上述技术问题，克服现有技术水平的缺点和不足，本发明提供一种电池状态预测方法及***，通过构建多维度的随机数据同化函数模型，可以对不同运行工况下的电池参数进行同化处理，该随机数据同化函数模型可适应放电电流和环境温度不断变化的运行工况，能够对电池的健康状态和荷电状态进行准确预测。

本发明提供的电池状态预测方法，包括以下步骤：

建立表征电池的可放电时间t与电压U、电流I以及温度T之间的函数关系的随机数据同化函数模型I×t＝f(U,I,T)；

利用所述随机数据同化函数模型I×t＝f(U,I,T)，根据实时测得的待测电池的电压U_k、电流I_k以及温度T_k，计算当前工况下所述待测电池的完整放电曲线I_k×t＝f(U,I_k,T_k)以及可放电时间t_k：t_k＝f(U_k,I_k,T_k)/I_k；

根据当前工况下所述待测电池的完整放电曲线和可放电时间，预测所述待测电池的SoC值和SoH值，所述建立表征电池的可放电时间t与电压U、电流I以及温度T之间的函数关系的随机数据同化函数模型I×t＝f(U,I,T)，包括以下步骤：

在设定温度下，根据不同电池的放电曲线，拟合特定电流I下适用于不同电池的放电曲线函数g(U)：其中，C₁、C₂、…、C_n为电荷转移参数，μ₁、μ₂、…、μ_n为离子扩散参数，n取正整数；

对所述放电曲线函数g(U)进行等电压间隔采样，将充满电的电池放电至特定电压U_c时，建立表征不同放电电流I_g与放出电量之间的关系的倍率容量函数h(I_g)：

I_g×t_g(U_c)＝h(I_g)＝p₀(I_g)^m+p₁(I_g)^m-1+...+p_m-1(I_g)+p_m

其中，t_g(U_c)代表放电电流为I_g且电池放电至特定电压U_c时的可放电时间，p₀、p₁、……、p_m为多项式系数，m取正整数；

根据所述倍率容量函数h(I_g)，在电池放电电压范围内均匀取样，并根据取样结果拟合放电电流I_g时电池的放电曲线；

根据在所述设定温度下，放电电流为I_g时电池的放电曲线，拟合在随机温度T下，电池充满电后的温度矫正函数S(T)：

其中，A为温度系数；T_设定为设定温度；t_g,设定为在所述设定温度T_设定下，电池充满电后以电流I_g放电的时间；t_g,T为在随机温度T下，电池充满电后以电流I_g放电的时间；

根据所述放电曲线函数g(U)、倍率容量函数h(I_g)以及温度矫正函数S(T)，对不同运行工况下的电池参数进行同化处理，构建多维度的综合模型，得到所述随机数据同化函数模型I×t＝f(U,I,T)。

作为一种可实施方式，所述温度系数A的取值范围为0.006～0.01。

作为一种可实施方式，本发明提供的电池状态预测方法，还包括以下步骤：

根据所述待测电池的SoC值和SoH值，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正，所述根据待测电池的SoC值和SoH值，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正，包括以下步骤：

根据所述待测电池的SoC值和SoH值，计算所述待测电池的实际放电时间和预测放电时间之间的偏差值；

比较所述偏差值与预设的偏差阈值之间的大小；

在所述偏差值大于所述偏差阈值时，以恒定电流对所述待测电池放电，通过录入所述待测电池在这一模式下的实际的完整放电曲线，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正。

相应地，本发明提供的电池状态预测***，包括建模模块、计算模块以及预测模块；

所述建模模块，用于建立表征电池的可放电时间t与电压U、电流I以及温度T之间的函数关系的随机数据同化函数模型I×t＝f(U,I,T)；

所述计算模块，用于利用所述随机数据同化函数模型I×t＝f(U,I,T)，根据实时测得的待测电池的电压U_k、电流I_k以及温度T_k，计算当前工况下所述待测电池的完整放电曲线I_k×t＝f(U,I_k,T_k)以及可放电时间t_k：t_k＝f(U_k,I_k,T_k)/I_k；

所述预测模块，用于根据当前工况下所述待测电池的完整放电曲线和可放电时间，预测所述待测电池的SoC值和SoH值，所述建模模块包括放电曲线函数拟合单元、倍率容量函数拟合单元、采样单元、温度矫正函数拟合单元以及建模单元；

所述放电曲线函数拟合单元，用于在设定温度下，根据不同电池的放电曲线，拟合特定电流I下适用于不同电池的放电曲线函数g(U)：其中，C₁、C₂、…、C_n为电荷转移参数，μ₁、μ₂、…、μ_n为离子扩散参数，n取正整数；

所述倍率容量函数拟合单元，用于对所述放电曲线函数g(U)进行等电压间隔采样，将充满电的电池放电至特定电压U_c时，建立表征不同放电电流I_g与放出电量之间的关系的倍率容量函数h(I_g)：

I_g×t_g(U_c)＝h(I_g)＝p₀(I_g)^m+p₁(I_g)^m-1+...+p_m-1(I_g)+p_m

其中，t_g(U_c)代表放电电流为I_g且电池放电至特定电压U_c时的可放电时间，p₀、p₁、……、p_m为多项式系数，m取正整数；

所述采样单元，用于根据所述倍率容量函数h(I_g)，在电池放电电压范围内均匀取样，并根据取样结果拟合放电电流I_g时电池的放电曲线；

所述温度矫正函数拟合单元，用于根据在所述设定温度下，放电电流为I_g时电池的放电曲线，拟合在随机温度T下，电池充满电后的温度矫正函数S(T)：

其中，A为温度系数；T_设定为设定温度；t_g,设定为在所述设定温度T_设定下，电池充满电后以电流I_g放电的时间；t_g,T为在随机温度T下，电池充满电后以电流I_g放电的时间；

所述建模单元，用于根据所述放电曲线函数g(U)、倍率容量函数h(I_g)以及温度矫正函数S(T_k)，对不同运行工况下的电池参数进行同化处理，构建多维度的综合模型，得到所述随机数据同化函数模型I×t＝f(U,I,T)。

作为一种可实施方式，所述温度系数A的取值范围为0.006～0.01。

作为一种可实施方式，本发明的电池状态预测***，还包括修正模块；

所述修正模块，用于根据所述待测电池的SoC值和SoH值，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正，所述修正模块包括计算单元、比较单元以及修正单元；

所述计算单元，用于根据所述待测电池的SoC值和SoH值，计算所述待测电池的实际放电时间和预测放电时间之间的偏差值；

所述比较单元，用于比较所述偏差值与预设的偏差阈值之间的大小；

所述修正单元，用于在所述偏差值大于所述偏差阈值时，以恒定电流对所述待测电池放电，通过录入所述待测电池在这一模式下的实际的完整放电曲线，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正。

本发明相比于现有技术的有益效果在于：

本发明提供的电池状态预测方法及***，以电压U、电流I以及温度T为变量，建立可放电时间t(相当于可放电量)与电压U、电流I以及温度T之间的非线性函数关系I×t＝f(U,I,T)，这一函数具备随机数据同化功能，可适应放电电流和环境温度不断波动的电池运行工况。根据实时测得的待测电池的电压U_k、电流I_k以及温度T_k，推测当前工况下待测电池的的完整放电曲线，并计算当前工况下待测电池的可放电时间，从而估算待测电池的SoH值和SoC值。

本发明通过建立随机数据同化模型，基于当前采集到的电压、电流和温度值，即可拟合出电池在当前放电模式和/或环境下的完整放电曲线，通过拟合待测电池的完整放电曲线，从而得到电池的SoH和SoC值，逻辑简单，实时性好，准确性高，且易于实现。

【附图说明】

图1为本发明提供的电池状态预测方法的一实施例的流程图；

图2是本发明实施例提供的电池状态预测方法中，在25℃、放电电流恒定的情况下，荷电态分别为100％SoC、80％SoC、60％SoC、40％SoC和20％SoC的电池的放电曲线示意图；

图3是本发明实施例提供的电池状态预测方法中，在电池放电至特定电压时，表征不同电流与放出电量的关系的曲线示意图；

图4是本发明实施例提供的电池状态预测方法中，根据均匀采样点拟合出的放电电流I_g时电池的放电曲线示意图；

图5为本发明提供的电池状态预测***的一实施例的结构示意图；

图6为本发明提供的电池状态预测***的另一实施例的结构示意图。

【具体实施方式】

以下结合附图，对本发明上述的和另外的技术特征和优点进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的部分实施例，而不是全部实施例。

请参阅1，本发明实施例一提供的电池状态预测方法，包括以下步骤：

S100、建立表征电池的可放电时间t与电压U、电流I以及温度T之间的函数关系的随机数据同化函数模型I×t＝f(U,I,T)；

S200、利用所述随机数据同化函数模型I×t＝f(U,I,T)，根据实时测得的待测电池的电压U_k、电流I_k以及温度T_k，计算当前工况下所述待测电池的完整放电曲线I_k×t＝f(U,I_k,T_k)以及可放电时间t_k：t_k＝f(U_k,I_k,T_k)/I_k；

S300、根据当前工况下所述待测电池的完整放电曲线和可放电时间，预测所述待测电池的SoC值和SoH值。

SoC是当前工况下电池可放电时间与当前工况下电池的完整放电时间的百分比值，SoH是当前工况下电池的完整放电时间与电池在当前工况下额定放电时间的比值。

本发明提供的电池状态预测方法，将不可测的机理性模型与可测的外部参数(电压、电流、温度等)相结合，充分结合了电池的电化学非线性和动态特性，以电压U、电流I以及温度T为变量，建立可放电时间(相当于可放电量)与电压U、电流I以及温度T之间的非线性函数关系I×t＝f(U,I,T)，这一函数具备随机数据同化功能，可适应放电电流和环境温度不断波动的电池运行工况。在某一k时刻，根据随机实时测得的电压U_k、电流I_k以及温度T_k，推测出当前工况下的完整放电曲线，并计算在当前工况下的可放电时间为t_k＝f(U_k,I_k,T_k)/I_k，从而预测待测电池当前工况下的SoH值和SoC值。

本发明通过建立随机数据同化模型，基于当前采集到的电压、电流和温度值，即可拟合出电池在当前放电模式和/或环境下的完整放电曲线，通过拟合待测电池的完整放电曲线，从可放电时间获得电池的SoH和SoC值，准确性高，实时性好，且易于实现。

上述随机数据同化模型的构建，无需大量样本数据，无需建立等效电路，避免了单纯用电学元件来代表电化学反应的技术不足，克服了卡尔曼滤波法中由于微小的模型误差而带来较大估算误差的缺陷。

作为一种可实施方式，上述S100具体包括以下步骤：

S110、在设定温度下，根据不同电池的放电曲线，拟合特定电流I下适用于不同电池的放电曲线函数g(U)：g(U)＝I×t。

例如，在25℃下，恒流情况下，根据不同状态电池的放电曲线，拟合特定电流I下适用的放电曲线函数g(U)：其中，C₁、C₂、…、C_n为电荷转移参数，μ₁、μ₂、…、μ_n为离子扩散参数，n取正整数；

S120、在c时刻，对放电曲线函数g(U)进行等电压间隔采样，将充满电的电池放电至特定电压U_c时，建立表征不同放电电流I_g与放出电量之间的关系的倍率容量函数h(I_g)：

I_g×t_g(U_c)＝h(I_g)＝p₀(I_g)^m+p₁(I_g)^m-1+...+p_m-1(I_g)+p_m

其中，t_g(U_c)代表放电电流为I_g且电池放电至特定电压U_c时的可放电时间，p₀、p₁、……、p_m为多项式系数，m根据电池特性取正整数。

S130、根据倍率容量函数h(I_g)，在电池放电电压范围内均匀取样，得到均匀采样点，例如：得到x个取样点，分别为(U_c1，t_g(U_c1))、(U_c2，t_g(U_c2))，……，(U_cx，t_g(U_cx))，根据取样结果拟合放电电流I_g时电池的放电曲线。

S140、根据在设定温度下，放电电流为I_g时电池的放电曲线，拟合在随机温度T下，电池充满电后的温度矫正函数S(T)：其中，A为温度系数；T_设定为设定温度；t_g,设定为在所述设定温度T_设定下，电池充满电后以电流I_g放电的时间；t_g,T为在随机温度T下电池充满电后以电流I_g放电的时间；A的取值范围为0.006～0.01。

考虑温度对电池放电电量(或时间)的影响，例如，在25℃下，电池充满电后以电流I_g的放电时间为则在随机温度T下，电池充满电后，以电流I_g放电的时间为

S150、根据综合放电曲线函数g(U)、倍率容量函数h(I_g)以及温度矫正函数S(T_k)，对不同运行工况下的电池参数进行同化处理，构建多维度的综合模型，得到随机数据同化函数模型I×t＝f(U,I,T)。

进一步地，本发明另一实施例提供的电池状态预测方法，还包括以下步骤：

S400、根据待测电池的SoC值和SoH值，对随机数据同化函数模型I×t＝f(U,I,T)进行修正。

具体地，作为一种可实施方式，步骤S400包括以下步骤：

S410、根据待测电池的SoC值和SoH值，计算待测电池的实际放电时间和预测放电时间之间的偏差值；

S420、比较偏差值与预设的偏差阈值之间的大小；

S430、在偏差值大于偏差阈值时，以恒定电流I_j对待测电池放电，通过录入待测电池在这一模式下的实际的完整放电曲线，对随机数据同化函数模型I×t＝f(U,I,T)进行修正。

使用时，可根据产品品质需求，预先设置估算误差，即偏差阈值。通过将实际放电时间与预测放电时间进行对比，当二者的偏差值大于偏差阈值时，对随机数据同化函数模型I×t＝f(U,I,T)进行在线自我修正。

本实施例根据实际已放电时间与预测放电时间的偏差值，通过对放电曲线函数g(U)和倍率容量函数h(I_g)进行修正，实现对随机数据同化函数模型I×t＝f(U,I,T)进行自修正。修正过程中，无需在模型中设定电池的衰减因子，而是以多个恒定电流I_j对电池放电，通过对比电池在这一模式下的实际完整放电曲线，对原有放电曲线函数g(U)进行更新。放电电流I_j的值的设定依据为该电池的工作负载范围选取。

上述I_j的设定依据为电池的工作负载范围，因此模型的适应性强，修正精度高，消除了衰减因子设定时带来的本征误差，也避免了累计误差的产生。

下面，例举一个实例，对本发明内容进行说明：

首先，在25℃(也可以是其他温度下)、特定电流I的情况下，测试荷电状态分别为100％SoC、80％SoC、60％SoC、40％SoC和20％SoC电池的放电曲线，拟合该电流I下适用的不同电池的放电曲线函数g(U)：g(U)＝I×t，如图2所示，该函数中包括四项参数C₁、C₂、μ₁、μ₂，其中，C₁和C₂代表电荷转移参数，μ₁和μ₂代表离子扩散参数。

接下来，以五种不同的放电电流I₀、I₁、I₂、I₃以及I₄对充满电的电池分别放电，对拟合的g(U)＝I×t函数，采用等电压间隔采样代替等周期间隔采样。采样至特定电压U_c时，建立不同电流与放出电量的关系，即倍率容量函数，如图3所示。

由I_g×t_g(U_c)＝h(I_g)可知，取不同的U_c值，可以得到不同的估计时间值t_g(U_c)，在电池放电电压范围内均匀取样，得到均匀的采样点，由此拟合出充入电流I_g时电池的完整放电曲线，如图4所示。

考虑温度对电池放电电量(或时间)的影响，例如，在25℃下，电池充满电后以电流I_g的放电时间为则某一温度T下，电池充满电后，以电流I_g放电的时间为其中，A依据电池特性，此处可设定为0.008。

最后，将上述综合放电曲线函数g(U)、倍率容量函数h(I_g)以及温度矫正函数S(T_k)进行整合，对不同运行工况下的电池参数进行同化处理，构建多维度的综合模型，得到随机数据同化函数模型。

例如，对于阀控密封铅酸蓄电池的状态预测过程为：在某一k时刻，根据随机实时测得的U_k、I_k、T_k，代入到随机数据同化函数模型中，即可实时预测在当前工况下的剩余的可放电时间为t_k＝f(U_k,I_k,T_k)/I_k以及当前工况下的完整放电曲线，此时电池的SoH值为SoC值为

进一步地，上述电池状态预测方法可以提供实际已放电时间与预测放电时间的偏差值，随着电池性能的衰减，当偏差值大于设定偏差阈值(例如10％)时，将对随机数据同化函数模型I×t＝f(U,I,T)进行在线自修正，修正步骤如下：

以恒定电流I_z1、I_z2和I_z3对电池放电(电流值的选取以电池的实际应用工况为依据)，录入电池在这三种电流下的完整放电曲线，以放电曲线函数g(U)＝I×t为模型，对参数C₁、C₂、……、C_n，μ₁、μ₂、……、μ_n进行修正，以倍率容量函数h(I_g)＝I_g×t_g(U_k)为模型，对参数p₀、p₁、……、p_m进行修正，从而获得修正后的随机数据同化函数模型。

基于同一发明构思，本发明实施例还提供了一种电池状态预测***，该***解决问题的原理与上述方法相同，故该***的实施可参照上述方法的具体流程，重复之处不再冗述。

参见图5，本发明提供的电池状态预测***的一实施例，包括建模模块100、计算模块200以及预测模块300；

建模模块100用于建立表征电池的可放电时间t与电压U、电流I以及温度T之间的函数关系的随机数据同化函数模型I×t＝f(U,I,T)；

计算模块200用于利用随机数据同化函数模型I×t＝f(U,I,T)，根据实时测得的待测电池的电压U_k、电流I_k以及温度T_k，计算当前工况下待测电池的完整放电曲线I_k×t＝f(U,I_k,T_k)以及可放电时间t_k：t_k＝f(U_k,I_k,T_k)/I_k；

预测模块300用于根据当前工况下待测电池的完整放电曲线和可放电时间，预测待测电池的SoC值和SoH值。

作为一种可实施方式，建模模块100包括放电曲线函数拟合单元110、倍率容量函数拟合单元120、采样单元130、温度矫正函数拟合单元140以及建模单元150；

放电曲线函数拟合单元110用于在设定温度下，根据不同电池的放电曲线，拟合特定电流I下适用于不同电池的放电曲线函数g(U)：其中，C₁、C₂、…、C_n为电荷转移参数，μ₁、μ₂、…、μ_n为离子扩散参数，n取正整数；

倍率容量函数拟合单元120用于对放电曲线函数g(U)进行等电压间隔采样，将充满电的电池放电至特定电压U_c时，建立表征不同放电电流I_g与放出电量之间的关系的倍率容量函数h(I_g)：

I_g×t_g(U_c)＝h(I_g)＝p₀(I_g)^m+p₁(I_g)^m-1+...+p_m-1(I_g)+p_m

其中，t_g(U_c)代表放电电流为I_g且电池放电至特定电压U_c时的可放电时间，p₀、p₁、……、p_m为多项式系数，m取正整数；

采样单元130用于根据倍率容量函数h(I_g)，在电池放电电压范围内均匀取样，并根据取样结果拟合放电电流I_g时电池的放电曲线；

温度矫正函数拟合单元140用于根据在设定温度下，放电电流为I_g时电池的放电曲线，拟合在随机温度T下，电池充满电后的温度矫正函数S(T)：

其中，A为温度系数，其取值范围为0.006～0.01；T_设定为设定温度；t_g,设定为在设定温度T_设定下，电池充满电后以电流I_g放电的时间；t_g,T为在随机温度T下，电池充满电后以电流I_g放电的时间；

建模单元150用于根据综合放电曲线函数g(U)、倍率容量函数h(I_g)以及温度矫正函数S(T_k)，对不同运行工况下的电池参数进行同化处理，构建多维度的综合模型，得到随机数据同化函数模型I×t＝f(U,I,T)。

作为一种可实施方式，如图6所示，本实施例提供的电池状态预测***还包括修正模块400；

修正模块400用于根据待测电池的SoC值和SoH值，对随机数据同化函数模型I×t＝f(U,I,T)进行修正。

进一步地，作为一种可实施方式，修正模块400包括计算单元、比较单元以及修正单元；

计算单元用于根据待测电池的SoC值和SoH值，计算待测电池的实际放电时间和预测放电时间之间的偏差值；

比较单元用于比较偏差值与预设的偏差阈值之间的大小；

修正单元用于在偏差值大于偏差阈值时，以恒定电流对待测电池放电，通过录入待测电池在这一模式下的实际的完整放电曲线，对随机数据同化函数模型I×t＝f(U,I,T)进行修正。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种电池状态预测方法，其特征在于，包括以下步骤：

建立表征电池的可放电时间t与电压U、电流I以及温度T之间的函数关系的随机数据同化函数模型I×t＝f(U,I,T)；

利用所述随机数据同化函数模型I×t＝f(U,I,T)，根据实时测得的待测电池的电压U_k、电流I_k以及温度T_k，计算当前工况下所述待测电池的完整放电曲线I_k×t＝f(U,I_k,T_k)以及可放电时间t_k：t_k＝f(U_k,I_k,T_k)/I_k；

根据当前工况下所述待测电池的完整放电曲线和可放电时间，预测所述待测电池的SoC值和SoH值，

所述建立表征电池的可放电时间t与电压U、电流I以及温度T之间的函数关系的随机数据同化函数模型I×t＝f(U,I,T)，包括以下步骤：

在设定温度下，根据不同电池的放电曲线，拟合特定电流I下适用于不同电池的放电曲线函数g(U)：其中，C₁、C₂、…、C_n为电荷转移参数，μ₁、μ₂、…、μ_n为离子扩散参数，n取正整数；

对所述放电曲线函数g(U)进行等电压间隔采样，将充满电的电池放电至特定电压U_c时，建立表征不同放电电流I_g与放出电量之间的关系的倍率容量函数h(I_g)：

I_g×t_g(U_c)＝h(I_g)＝p₀(I_g)^m+p₁(I_g)^m-1+...+p_m-1(I_g)+p_m

其中，t_g(U_c)代表放电电流为I_g且电池放电至特定电压U_c时的可放电时间，p₀、p₁、……、p_m为多项式系数，m取正整数；

根据所述倍率容量函数h(I_g)，在电池放电电压范围内均匀取样，并根据取样结果拟合放电电流I_g时电池的放电曲线；

根据在所述设定温度下，放电电流为I_g时电池的放电曲线，拟合在随机温度T下，电池充满电后的温度矫正函数S(T)：

其中，A为温度系数；T_设定为设定温度；t_g,设定为在所述设定温度T_设定下，电池充满电后以电流I_g放电的时间；t_g,T为在随机温度T下，电池充满电后以电流I_g放电的时间；

根据所述放电曲线函数g(U)、倍率容量函数h(I_g)以及温度矫正函数S(T)，对不同运行工况下的电池参数进行同化处理，构建多维度的综合模型，得到所述随机数据同化函数模型I×t＝f(U,I,T)。

2.根据权利要求1所述的电池状态预测方法，其特征在于，所述温度系数A的取值范围为0.006～0.01。

3.根据权利要求1所述的电池状态预测方法，其特征在于，还包括以下步骤：

根据所述待测电池的SoC值和SoH值，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正，所述根据待测电池的SoC值和SoH值，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正，包括以下步骤：

根据所述待测电池的SoC值和SoH值，计算所述待测电池的实际放电时间和预测放电时间之间的偏差值；

比较所述偏差值与预设的偏差阈值之间的大小；

在所述偏差值大于所述偏差阈值时，以恒定电流对所述待测电池放电，通过比对所述待测电池在这一模式下的实际的完整放电曲线，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正。

4.一种电池状态预测***，其特征在于，包括建模模块、计算模块以及预测模块；

所述建模模块，用于建立表征电池的可放电时间t与电压U、电流I以及温度T之间的函数关系的随机数据同化函数模型I×t＝f(U,I,T)；

所述计算模块，用于利用所述随机数据同化函数模型I×t＝f(U,I,T)，根据实时测得的待测电池的电压U_k、电流I_k以及温度T_k，计算当前工况下所述待测电池的完整放电曲线I_k×t＝f(U,I_k,T_k)以及可放电时间t_k：t_k＝f(U_k,I_k,T_k)/I_k；

所述预测模块，用于根据当前工况下所述待测电池的完整放电曲线和可放电时间，预测所述待测电池的SoC值和SoH值，

所述建模模块包括放电曲线函数拟合单元、倍率容量函数拟合单元、采样单元、温度矫正函数拟合单元以及建模单元；

所述放电曲线函数拟合单元，用于在设定温度下，根据不同电池的放电曲线，拟合特定电流I下适用于不同电池的放电曲线函数g(U)：其中，C₁、C₂、…、C_n为电荷转移参数，μ₁、μ₂、…、μ_n为离子扩散参数，n取正整数；

所述倍率容量函数拟合单元，用于对所述放电曲线函数g(U)进行等电压间隔采样，将充满电的电池放电至特定电压U_c时，建立表征不同放电电流I_g与放出电量之间的关系的倍率容量函数h(I_g)：

I_g×t_g(U_c)＝h(I_g)＝p₀(I_g)^m+p₁(I_g)^m-1+...+p_m-1(I_g)+p_m

其中，t_g(U_c)代表放电电流为I_g且电池放电至特定电压U_c时的可放电时间，p₀、p₁、……、p_m为多项式系数，m取正整数；

所述采样单元，用于根据所述倍率容量函数h(I_g)，在电池放电电压范围内均匀取样，并根据取样结果拟合放电电流I_g时电池的放电曲线；

所述温度矫正函数拟合单元，用于根据在所述设定温度下，放电电流为I_g时电池的放电曲线，拟合在随机温度T下，电池充满电后的温度矫正函数S(T)：

其中，A为温度系数；T_设定为设定温度；t_g,设定为在所述设定温度T_设定下，电池充满电后以电流I_g放电的时间；t_g,T为在随机温度T下，电池充满电后以电流I_g放电的时间；

所述建模单元，用于根据所述放电曲线函数g(U)、倍率容量函数h(I_g)以及温度矫正函数S(T_k)，对不同运行工况下的电池参数进行同化处理，构建多维度的综合模型，得到所述随机数据同化函数模型I×t＝f(U,I,T)。

5.根据权利要求4所述的电池状态预测***，其特征在于，所述温度系数A的取值范围为0.006～0.01。

6.根据权利要求4所述的电池状态预测***，其特征在于，还包括修正模块；

所述修正模块，用于根据所述待测电池的SoC值和SoH值，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正，

所述修正模块包括计算单元、比较单元以及修正单元；

所述计算单元，用于根据所述待测电池的SoC值和SoH值，计算所述待测电池的实际放电时间和预测放电时间之间的偏差值；

所述比较单元，用于比较所述偏差值与预设的偏差阈值之间的大小；

所述修正单元，用于在所述偏差值大于所述偏差阈值时，以恒定电流对所述待测电池放电，通过录入所述待测电池在这一模式下的实际的完整放电曲线，对所述随机数据同化函数模型I×t＝f(U,I,T)进行修正。