CN108549032A - 一种电池健康状态soh的估算方法 - Google Patents

Abstract

本发明公开一种电池健康状态SOH的估算方法，包括以下步骤：通过温度和充放电倍率得到当前环境下电芯的额定容量；计算当前电芯的SOC值；得到对应的剩余循环次数；获取电芯当前可用最大容量；获取电芯寿命终止时的电阻R_EOL和电芯出厂时的内阻值；根据二阶RC环模型计算电芯的真实内阻；计算当前时刻第i个电池单体健康状态；当前时刻第i个电池单体健康状态SOH_i经过一个滚动平均值滤波器进行滤波计算；得到电池***生命周期内的标称可用放电电量；计算电池***健康状态SOH。本发明综合了电池单体和电池***两个层面的参数进行电池健康状态的估算，并在估算电池健康状态时考虑温度、循环次数、内阻等影响因素，使估算结果更准确。

Description

一种电池健康状态SOH的估算方法

技术领域

本发明属于新能源汽车技术领域，具体涉及一种电池健康状态SOH的估算方法。

背景技术

纯电动汽车具有低污染和高性能的优点，使其成为了当代汽车发展的主要方向，所以对纯电动汽车关键技术进行开发和研究具有非常重要的意义。整车控制器、电机控制器、电池管理***作为纯电动汽车电控***的三大电，已成为电动汽车技术的一个重要研究内容。电池管理***对电池***实施充放电保护、工作状态检测和电池组均衡功能等，通过特定的算法实现软硬件保护和能量均衡。

在电池管理***众多的监控参数中，电池健康状态(SOH)是其中最为重要的参数之一。目前纯电动汽车动力电池健康状况的评估方法精度不高，考虑的因素单一，且缺乏实时性的问题。电动汽车动力***的安全性和使用时间与电池SOH密切相关。按照IEEE标准1188-1996中的规定，当电池使用一段时间后，电池充满电时的容量低于电池额定容量的80％后，电池就应该被更换。老化电池的性能严重下降，且容易引发各种安全问题。如果能准确估算电池健康状态，及时提醒人们更换新电池，避免老化电池使用过程中发生不可预知的安全问题，同时还可以避免过早更换新电池造成的资源浪费。

发明内容

本发明的目的是提供一种电池健康状态SOH的估算方法，以解决当前电池健康状态SOH估算方法精度低、考虑因素单一且不能满足实时性的问题。

为了实现上述目的，本发明提供的一种电池健康状态SOH的估算方法，具体包括步骤如下：

1)通过温度和充放电倍率得到当前环境下电芯的额定容量C₀；

2)计算当前电芯的SOC值SOC_EKF；

3)读取电池管理***EEPROM中的SOC值SOC_EEPROM，得到对应的剩余循环次数；

4)获取当前电芯温度，通过结合当前温度和对应的剩余循环次数，获取电芯当前可用最大容量C；

5)根据当前电芯温度获取电芯寿命终止时的电阻R_EOL和电芯出厂时的内阻值R_NEW；

6)根据二阶RC环模型计算电芯的真实内阻R；

7)计算当前时刻第i个电池单体健康状态SOH_i；

8)当前时刻第i个电池单体健康状态SOH_i经过一个滚动平均值滤波器进行滤波计算，防止电池单体健康状态SOH_i值的突变，得到当前时刻滤波之后的第i个电池单体健康状态SOH_{i_new_filter}；

9)读取电池管理***EEPROM中的当前总放电电量Q，并得到电池***生命周期内的标称可用放电电量Q₀；

10)计算电池***健康状态SOH。

所述步骤2)中通过扩展卡尔曼滤波算法EKF计算当前电芯的SOC值SOC_EKF。

所述步骤3)中读取电池管理***EEPROM中的SOC值SOC_EEPROM，得到对应的剩余循环次数的方法为，若│SOC_EKF-SOC_EEPROM│≥90％，则判断为一次深度放电，对应的剩余循环次数减少1，否则，对应的剩余循环次数减少k，k＝90％/│SOC_EKF-SOC_EEPROM│，k为判断系数。

所述步骤6)中根据二阶RC环模型计算电芯的真实内阻R的计算方法为R＝R_e+R_l+R_s，其中，R_e是电池的欧姆内阻，通过扩展卡尔曼滤波算法EKF计算得出实时的值，R_l表示长效应极化内阻，R_s表示短效应极化内阻，R_l+R_s表示电池的极化内阻。

所述步骤7)中计算当前时刻第i个电池单体健康状态的方法如下：

SOH_i＝wC/C₀+(1-W)(R_EOL-R)/(R_EOL-R_NEW)

其中，w为加权系数，R_EOL表示电芯寿命结束内阻，R_NEW表示电芯出厂时的内阻。

所述步骤8)中得到当前时刻滤波之后的第i个电池单体健康状态SOH_{i_new_filter}的方法如下：

SOH_{i_new_filter}＝[t_sample/(t_sample+t_c)]×(SOH_{i_new}-SOH_{i_old_filter})+SOH_{i_old_filter}

其中，t_sample为采样时间，t_c为滚动滤波器的滤波时间常数。SOH_{i_old_filter}为上一采样时刻滤波之后的第i个电池单体健康状态，SOH_{i_new}为当前时刻没有经过滤波的第i个电池单体健康状态，SOH_{i_new_filter}为当前经过滤波之后的第i个电池单体健康状态。

所述步骤10)中计算电池***健康状态SOH的方法如下：

SOH＝a×min[SOH_{1_new_filter}，SOH_{2_new_filter}，……，SOH_{n_new_filter}]+(1-a)(Q₀-Q)/Q₀

其中，a为加权系数，n为电芯数量，min[SOH_{1_new_filter}，SOH_{2_new_filter}，……，SOH_{n_new_filter}]代表取所有单体中健康状态的最小值，SOH_{1_new_filter}，SOH_{2_new_filter}，……，SOH_{n_new_filter}表示第1，2，……，n个电池单体健康状态。

本发明提供的，具有如下有益效果。

1.本发明综合了电池单体和电池***两个层面的参数进行电池健康状态的估算。

2.本发明在估算电池健康状态时考虑了温度、循环次数、内阻、容量、充放电倍率、充放电深度等影响因素，使估算时考虑的因素更为全面，估算的结果更为准确。

3本发明引入了电池单体在不同环境下的生命周期数据。

附图说明

图1为本发明提供的电池健康状态SOH的估算方法的流程示意图。

具体实施方式

本发明提供一种电池健康状态SOH的估算方法，考虑影响电池寿命的诸多因素，比如：温度、内阻、容量、充放电倍率、充放电深度等，引入电芯在整个生命周期内的寿命数据和内阻数据，同时结合内阻折算法和容量定义法的优点，以及EKF扩展卡尔曼滤波计算SOC和欧姆内阻的实时性特点，并且通过在电芯层面和***层面进行双重评估，实现对电池SOH高精度、实时性的评估。

本发明提供一种电池健康状态SOH的估算方法，如图1所示，具体包括步骤如下：

1)通过PACK内传感器获取电芯的温度值T和电流参数I，将电芯的温度值T作为输入温度；将电芯的当前电流参数I转换为对应的充放电倍率。通过温度和充放电倍率查表(该表为不同温度、充放电倍率下的额定容量表，其已知，一般由电芯厂家提供)得到当前环境下电芯的额定容量C₀。

2)通过扩展卡尔曼滤波算法EKF计算“当前电芯的SOC值”：SOC_EKF。

3)读取电池管理***“EEPROM中的SOC值”：SOC_EEPROM，若│SOC_EKF-SOC_EEPROM│≥90％，则判断为一次深度放电，对应的剩余循环次数减少1，否则，对应的剩余循环次数减少k(k＜1)，k＝90％/│SOC_EKF-SOC_EEPROM│，k为判断系数。

4)获取当前电芯温度，通过结合当前温度和对应的剩余循环次数，查表获取电芯当前可用最大容量C。

5)根据当前电芯温度，查表(该表为不同温度下的电芯寿命终止时内阻表，其已知，一般由电芯厂家提供)获取电芯寿命终止时的电阻R_EOL和电芯出厂时的内阻值R_NEW。

6)根据二阶RC环模型，计算电芯的真实内阻R：

R＝R_e+R_l+R_s

其中，R_e是电池的欧姆内阻，可通过扩展卡尔曼滤波算法EKF计算得出实时的值。R_l与R_s的和为电池的极化内阻，通过参数辨识求出R_l+R_s的值。R_l表示长效应极化内阻(二阶RC模型参数)；R_s表示短效应极化内阻(二阶RC模型参数)。

7)根据以下公式计算当前时刻第i个电池单体健康状态SOH_i：

SOH_i＝wC/C₀+(1-W)(R_EOL-R)/(R_EOL-R_NEW)

其中，R_EOL表示电芯寿命结束内阻，R_NEW表示电芯出厂时的内阻，w为加权系数，该加权系数可通过试验取得，或由电芯厂家提供，其为“容量方法SOH”和“内阻方法SOH”计算结果的占比，初期可以取值为0.5。

8)当前时刻第i个电池单体健康状态SOH_i经过一个滚动平均值滤波器进行滤波计算，防止电池单体健康状态SOH_i值的突变，得到当前时刻滤波之后的第i个电池单体健康状态SOH_{i_new_filter}:

SOH_{i_new_filter}＝[t_sample/(t_sample+t_c)]×(SOH_{i_new}-SOH_{i_old_filter})+SOH_{i_old_filter}

上式中，t_sample为采样时间，t_c为滚动滤波器的滤波时间常数。SOH_{i_old_filter}为上一采样时刻滤波之后的第i个电池单体健康状态(电压值)，SOH_{i_new}为当前时刻没有经过滤波的第i个电池单体健康状态(电压值)，SOH_{i_new_filter}为当前经过滤波之后的第i个电池单体健康状态(电压值)。

9)读取电池管理***EEPROM中的当前总放电电量Q，并得到电池***生命周期内的标称可用放电电量Q₀(已知，一般由电芯厂家提供)。

10)电池***健康状态SOH按下式计算，其中n为电芯数量：

SOH＝a×min[SOH_{1_new_filter}，SOH_{2_new_filter}，……，SOH_{n_new_filter}]+(1-a)(Q₀-Q)/Q₀上式中，a为加权系数,可由试验获取，其为“单体SOH”和“根据PACK放电容量计算所得SOH”计算结果占比，初期可以取值为0.5。

min[SOH_{1_new_filter}，SOH_{2_new_filter}，……，SOH_{n_new_filter}]代表取所有单体中健康状态的最小值。

SOH_{1_new_filter}，SOH_{2_new_filter}，……，SOH_{n_new_filter}表示第1，2，……，n个电池单体健康状态。

本文中应用了具体个例对发明构思进行了详细阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离该发明构思的前提下，所做的任何显而易见的修改、等同替换或其他改进，均应包含在本发明的保护范围之内。

Claims (7)

1.一种电池健康状态SOH的估算方法，其特征在于，具体包括步骤如下：

1)通过温度和充放电倍率得到当前环境下电芯的额定容量C₀；

2)计算当前电芯的SOC值SOC_EKF；

3)读取电池管理***EEPROM中的SOC值SOC_EEPROM，得到对应的剩余循环次数；

4)获取当前电芯温度，通过结合当前温度和对应的剩余循环次数，获取电芯当前可用最大容量C；

5)根据当前电芯温度获取电芯寿命终止时的电阻R_EOL和电芯出厂时的内阻值R_NEW；

6)根据二阶RC环模型计算电芯的真实内阻R；

7)计算当前时刻第i个电池单体健康状态SOH_i；

8)当前时刻第i个电池单体健康状态SOH_i经过一个滚动平均值滤波器进行滤波计算，得到当前时刻滤波之后的第i个电池单体健康状态SOH_{i_new_filter}；

9)读取电池管理***EEPROM中的当前总放电电量Q，并得到电池***生命周期内的标称可用放电电量Q₀；

10)计算电池***健康状态SOH。

2.根据权利要求1所述的电池健康状态SOH的估算方法，其特征在于，所述步骤2)中通过扩展卡尔曼滤波算法EKF计算当前电芯的SOC值SOC_EKF。

3.根据权利要求1所述的电池健康状态SOH的估算方法，其特征在于，所述步骤3)中读取电池管理***EEPROM中的SOC值SOC_EEPROM，得到对应的剩余循环次数的方法为，若│SOC_EKF-SOC_EEPROM│≥90％，则判断为一次深度放电，对应的剩余循环次数减少1，否则，对应的剩余循环次数减少k，k＝90％/│SOC_EKF-SOC_EEPROM│，k为判断系数。

4.根据权利要求1所述的电池健康状态SOH的估算方法，其特征在于，所述步骤6)中根据二阶RC环模型计算电芯的真实内阻R的计算方法为R＝R_e+R_l+R_s，其中，R_e是电池的欧姆内阻，通过扩展卡尔曼滤波算法EKF计算得出实时的值，R_l表示长效应极化内阻，R_s表示短效应极化内阻，R_l+R_s表示电池的极化内阻。

5.根据权利要求1所述的电池健康状态SOH的估算方法，其特征在于，所述步骤7)中计算当前时刻第i个电池单体健康状态的方法如下：

SOH_i＝wC/C₀+(1-W)(R_EOL-R)/(R_EOL-R_NEW)

其中，w为加权系数，R_EOL表示电芯寿命结束内阻，R_NEW表示电芯出厂时的内阻。

6.根据权利要求1所述的电池健康状态SOH的估算方法，其特征在于，所述步骤8)中得到当前时刻滤波之后的第i个电池单体健康状态SOH_{i_new_filter}的方法如下：

SOH_{i_new_filter}＝[t_sample/(t_sample+t_c)]×(SOH_{i_new}-SOH_{i_old_filter})+SOH_{i_old_filter}

其中，t_sample为采样时间，t_c为滚动滤波器的滤波时间常数。SOH_{i_old_filter}为上一采样时刻滤波之后的第i个电池单体健康状态，SOH_{i_new}为当前时刻没有经过滤波的第i个电池单体健康状态，SOH_{i_new_filter}为当前经过滤波之后的第i个电池单体健康状态。

7.根据权利要求1至6中任意一项所述的电池健康状态SOH的估算方法，其特征在于，所述步骤10)中计算电池***健康状态SOH的方法如下：

SOH＝a×min[SOH_{1_new_filter}，SOH_{2_new_filter}，……，SOH_{n_new_filter}]+(1-a)(Q₀-Q)/Q₀

其中，a为加权系数，n为电芯数量，min[SOH_{1_new_filter}，SOH_{2_new_filter}，……，SOH_{n_new_filter}]代表取所有单体中健康状态的最小值，SOH_{1_new_filter}，SOH_{2_new_filter}，……，SOH_{n_new_filter}表示第1，2，……，n个电池单体健康状态。