本發(fā)明涉及電池管理，尤其涉及一種適應(yīng)多種充電模式的電池soh車云協(xié)同估計方法及一種適應(yīng)多種充電模式的電池soh車云協(xié)同估計系統(tǒng)。

背景技術(shù)：

1、鋰離子電池的性能會隨使用時間而衰減，通常電池容量衰退至初始容量的80％或電池內(nèi)阻升高一倍即達(dá)到電池壽命終止(end?oflife,eol)。隨著電池老化，電池的可用續(xù)駛里程降低，同時電池安全風(fēng)險提高。所以準(zhǔn)確評估電池健康狀態(tài)在車用動力電池全壽命周期能量管理及安全預(yù)警具有重要意義。

2、當(dāng)前電池健康狀態(tài)soh算法可分為三類：基于試驗的方法、基于電池模型的方法及基于數(shù)據(jù)驅(qū)動的方法?；谠囼灥姆椒ㄐ枰趪?yán)格控制的試驗條件下進行，在恒溫恒流工況下對電池進行完全充放電，獲得電池容量。這種方法僅限于實驗室研究，不能用于soh在線評估。基于電池模型的方法通過建立電池模型來模擬電池在充放電時的動態(tài)特性，進而評估soh。電池模型包括經(jīng)驗?zāi)Ｐ突虬虢?jīng)驗?zāi)Ｐ?、等效電路模型及電化學(xué)模型。經(jīng)驗?zāi)Ｐ突虬虢?jīng)驗?zāi)Ｐ突诶匣瘻y試數(shù)據(jù)建立起溫度、充放電倍率、放電深度等因子與電池老化的公式，因測試工況與實車運行工況的差異導(dǎo)致這種模型的適應(yīng)性差。等效電路模型只能針對于某款電池，不具有普適性，且優(yōu)化模型需要的計算量大、花費時間長。電化學(xué)模型因起其過高的模型計算復(fù)雜度限制了其在實際電池管理系統(tǒng)的應(yīng)用。基于數(shù)據(jù)驅(qū)動的方法不需要深入研究電池的電化學(xué)機理，也無需搭建電池模型，而是從大量的試驗數(shù)據(jù)或?qū)嵻囘\行數(shù)據(jù)中提取出與電池健康狀態(tài)相關(guān)的特征參數(shù)，并通過機器學(xué)習(xí)、智能優(yōu)化算法等方法搭建特征參數(shù)與soh的大數(shù)據(jù)模型。數(shù)據(jù)驅(qū)動法通常包括數(shù)據(jù)采集與預(yù)處理、特征參數(shù)提取、建立估計模型及訓(xùn)練、模型部署四個方面。特征參數(shù)提取是指從易獲取的電流、電壓、溫度等參數(shù)中提取能反映其健康狀態(tài)變化的特征，來表征電池容量隨老化過程的衰減。包括(1)微分分析法：提取容量增量(incremental?capacity,ic)曲線的峰的位置、高度、面積，以及不同峰值之間的距離等作為特征參數(shù)；(2)直接參數(shù)分析法：提取恒流恒壓段時間、電流曲線下面積、溫度曲線下面積、電壓電流曲線最大斜率等，固定電壓區(qū)間所用的充電時間、等時間段內(nèi)電壓變化、滿電靜置狀態(tài)的開路電壓、電壓曲線概率密度函數(shù)等作為特征參數(shù)。特征參數(shù)提取是數(shù)據(jù)驅(qū)動法的關(guān)鍵步驟。

3、數(shù)據(jù)驅(qū)動法具有較高的靈活性，但對于訓(xùn)練數(shù)據(jù)的數(shù)量及質(zhì)量的要求較高，且模型訓(xùn)練及大數(shù)據(jù)的推演很耗費cpu資源，需要在具備較強算力資源的硬件上實現(xiàn)才能滿足實際要求的性能，車載嵌入式芯片很難滿足數(shù)據(jù)驅(qū)動模型所需的資源要求。

4、當(dāng)前soh估計方法存在以下問題：

5、(1)基于試驗和基于電池模型的soh估計方法精度較低，在實際應(yīng)用中適應(yīng)性差：現(xiàn)有的soh模型大多基于實驗室測試數(shù)據(jù)建立的經(jīng)驗?zāi)Ｐ突虬虢?jīng)驗?zāi)Ｐ?，實驗是在特定的溫度、充放電倍率及放電深度下進行的。而實車運行時幾乎不會在固定工況下運行，基于實驗數(shù)據(jù)搭建soh模型難以追蹤實車電池老化軌跡。試驗法不可用于在線soh評估，等效電路模型及經(jīng)驗?zāi)Ｐ皖A(yù)測精度低，且在實際應(yīng)用中適應(yīng)性差，電化學(xué)模型法過于復(fù)雜難以應(yīng)用。

6、(2)在車載bms嵌入式芯片上實現(xiàn)和部署數(shù)據(jù)驅(qū)動來估計soh存在計算資源不足的問題：車用鋰離子電池全生命周期長達(dá)10-15年，電池的健康狀態(tài)是基于長時間尺度的估計。而車載bms嵌入式芯片的存儲資源及cpu計算資源有限，無法應(yīng)對日益復(fù)雜的soh估計算法及大量數(shù)據(jù)集的處理。

7、(3)實際應(yīng)用工況多變，當(dāng)前技術(shù)所提取特征參數(shù)在實際應(yīng)用中適應(yīng)性差：現(xiàn)有的數(shù)據(jù)驅(qū)動的soh模型往往通過完整的充電曲線來提取特征參數(shù)并訓(xùn)練模型，然而實際應(yīng)用中通常是部分的充電數(shù)據(jù)，故難以在實際應(yīng)用中提取與預(yù)訓(xùn)練模型一致的特征參數(shù)，進而導(dǎo)致估計精度低。數(shù)據(jù)驅(qū)動法需要大量訓(xùn)練數(shù)據(jù)，且模型訓(xùn)練及推演需耗費大量計算資源，車載bms無法滿足該要求。數(shù)據(jù)驅(qū)動法的特征參數(shù)提取過程通常需要對電池進行完整的充電，而實際應(yīng)用中很難保證有完整的充電過程。

8、(4)當(dāng)前的soh估計方法難以適用多種充電模式：當(dāng)前的估計策略要么需要恒壓充電信息，要么需要恒流充電的信息，難以適用于電動汽車的多種充電模式。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的缺陷和不足，本發(fā)明提供了一種適應(yīng)多種充電模式的電池soh車云協(xié)同估計方法，利用云端服務(wù)器的計算資源實現(xiàn)鋰電池soh的在線估計，不依賴完整的滿充數(shù)據(jù)，提高soh在線估計的精度，且適應(yīng)多種充電模式，具有較強適用性和實用性。

2、作為本發(fā)明的第一個方面，提供一種適應(yīng)多種充電模式的電池soh車云協(xié)同估計方法，所述適應(yīng)多種充電模式的電池soh車云協(xié)同估計方法包括：

3、步驟s1：獲取電池當(dāng)前充電數(shù)據(jù)，并根據(jù)所述電池當(dāng)前充電數(shù)據(jù)計算出最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量；

4、步驟s2：對所述最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量進行歸一化處理，以得到歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量；

5、步驟s3：將所述歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量輸入到訓(xùn)練后的充電老化模型中，以輸出電池當(dāng)前健康狀態(tài)估計值。

6、進一步地，所述步驟s1之前，還包括：

7、獲取電池歷史老化數(shù)據(jù)；其中，所述電池歷史老化數(shù)據(jù)包括電池歷史充電數(shù)據(jù)及其對應(yīng)的電池歷史放電數(shù)據(jù)，所述電池歷史充電數(shù)據(jù)按照充電模式劃分為電池歷史慢充充電數(shù)據(jù)和電池歷史快充充電數(shù)據(jù)；

8、根據(jù)所述電池歷史慢充充電數(shù)據(jù)計算出最優(yōu)充電soc區(qū)間的電池歷史慢充充電容量，并進行歸一化處理；同時根據(jù)該電池歷史慢充充電數(shù)據(jù)對應(yīng)的第一電池歷史放電數(shù)據(jù)計算出第一電池歷史健康狀態(tài)；

9、根據(jù)所述電池歷史快充充電數(shù)據(jù)計算出最優(yōu)充電soc區(qū)間的電池歷史快充充電容量，并進行歸一化處理；同時根據(jù)該電池歷史快充充電數(shù)據(jù)對應(yīng)的第二電池歷史放電數(shù)據(jù)計算出第二電池歷史健康狀態(tài)；

10、分析歸一化后的最優(yōu)充電soc區(qū)間的電池歷史慢充充電容量和第一電池歷史健康狀態(tài)之間的相關(guān)性，并以歸一化后的最優(yōu)充電soc區(qū)間的電池歷史慢充充電容量和第一電池歷史健康狀態(tài)構(gòu)建慢充數(shù)據(jù)集；同時分析歸一化后的最優(yōu)充電soc區(qū)間的電池歷史快充充電容量和第二電池歷史健康狀態(tài)之間的相關(guān)性，并以歸一化后的最優(yōu)充電soc區(qū)間的電池歷史快充充電容量和第二電池歷史健康狀態(tài)構(gòu)建快充數(shù)據(jù)集；

11、根據(jù)所述慢充數(shù)據(jù)集對慢充老化模型進行訓(xùn)練，以得到訓(xùn)練后的慢充老化模型；同時根據(jù)所述快充數(shù)據(jù)集對快充老化模型進行訓(xùn)練，以得到訓(xùn)練后的快充老化模型；其中，將所述訓(xùn)練后的慢充老化模型和所述訓(xùn)練后的快充老化模型都存儲到云端服務(wù)器。

12、進一步地，所述根據(jù)所述慢充數(shù)據(jù)集對慢充老化模型進行訓(xùn)練，以得到訓(xùn)練后的慢充老化模型；同時根據(jù)所述快充數(shù)據(jù)集對快充老化模型進行訓(xùn)練，以得到訓(xùn)練后的快充老化模型中，還包括：

13、將所述慢充數(shù)據(jù)集劃分成慢充訓(xùn)練集、慢充驗證集和慢充測試集；同時將所述快充數(shù)據(jù)集劃分為快充訓(xùn)練集、快充驗證集和快充測試集；

14、使用所述慢充訓(xùn)練集對所述慢充老化模型進行訓(xùn)練，在訓(xùn)練過程中，使用所述慢充驗證集對所述慢充老化模型進行驗證，防止所述慢充老化模型過擬合；在訓(xùn)練完成后，使用所述慢充測試集測試并評估所述訓(xùn)練后的慢充老化模型的性能；

15、使用所述快充訓(xùn)練集對所述快充老化模型進行訓(xùn)練，在訓(xùn)練過程中，使用所述快充驗證集對所述快充老化模型進行驗證，防止所述快充老化模型過擬合；在訓(xùn)練完成后，使用所述快充測試集測試并評估所述訓(xùn)練后的快充老化模型的性能。

16、進一步地，還包括：

17、確定車輛每次充電時是慢充充電模式還是快充充電模式；

18、如果車輛充電時是慢充充電模式，則獲取電池當(dāng)前慢充充電數(shù)據(jù)；當(dāng)車輛慢充充電過程中經(jīng)過所述最優(yōu)充電soc區(qū)間，則根據(jù)所述電池當(dāng)前慢充充電數(shù)據(jù)計算出最優(yōu)充電soc區(qū)間的電池當(dāng)前慢充充電容量；然后對所述最優(yōu)充電soc區(qū)間的電池當(dāng)前慢充充電容量進行歸一化處理，以得到歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前慢充充電容量；將所述歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前慢充充電容量輸入到所述訓(xùn)練后的慢充老化模型中，以輸出第一電池當(dāng)前健康狀態(tài)估計值；

19、如果車輛充電時是快充充電模式，則獲取電池當(dāng)前快充充電數(shù)據(jù)；當(dāng)車輛快充充電過程中經(jīng)過所述最優(yōu)充電soc區(qū)間，則根據(jù)所述電池當(dāng)前快充充電數(shù)據(jù)計算出最優(yōu)充電soc區(qū)間的電池當(dāng)前快充充電容量；然后對所述最優(yōu)充電soc區(qū)間的電池當(dāng)前快充充電容量進行歸一化處理，以得到歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前快充充電容量；將所述歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前快充充電容量輸入到所述訓(xùn)練后的快充老化模型中，以輸出第二電池當(dāng)前健康狀態(tài)估計值；

20、將每一次輸出的第一電池當(dāng)前健康狀態(tài)估計值或第二電池當(dāng)前健康狀態(tài)估計值按照時間順序進行排列，以得到排列后的電池當(dāng)前健康狀態(tài)估計值；

21、通過滑動平均濾波法對所述排列后的電池當(dāng)前健康狀態(tài)估計值進行濾波處理，以得到濾波后的電池當(dāng)前健康狀態(tài)估計值。

22、進一步地，還包括：

23、從所述電池歷史老化數(shù)據(jù)中每隔n個循環(huán)提取一次電池歷史充電數(shù)據(jù)，其中，所述電池歷史充電數(shù)據(jù)包括充電時間、充電電流和充電電壓；假設(shè)電池完整壽命周期內(nèi)共循環(huán)充電l次，每隔10個循環(huán)提取一次電池歷史充電數(shù)據(jù)，則共提取m次電池歷史充電數(shù)據(jù)，即共有m組電池歷史充電數(shù)據(jù)，m＝l/10；

24、對每次提取的電池歷史充電數(shù)據(jù)進行預(yù)處理，以得到多個預(yù)處理后的電池歷史充電數(shù)據(jù)；

25、根據(jù)所述多個預(yù)處理后的電池歷史充電數(shù)據(jù)計算出每次歷史充電過程中的電池充電容量qfullchrg和電池充電soc，其中，電池充電容量qfullchrg和電池充電soc的計算公式如下：

26、

27、其中，i為充電電流，t0為充電開始的時刻，t1為充電結(jié)束的時刻，soc0為電池初始荷電狀態(tài)，qmax為電池最大可用容量；

28、確定出最優(yōu)充電soc區(qū)間，根據(jù)每次歷史充電過程中的電池充電soc計算出所述最優(yōu)充電soc區(qū)間的電池歷史充電容量qopt；其中，設(shè)定最優(yōu)充電soc區(qū)間為[50％，80％]，則該區(qū)間的電池歷史充電容量qopt的計算公式如下：

29、

30、其中，t_soc0為電池充電soc為50％的充電時刻，t_soc1為電池充電soc為80％的充電時刻；

31、采用min-max歸一化方法對所述最優(yōu)充電soc區(qū)間的電池歷史充電容量qopt進行歸一化處理，以得到歸一化后的最優(yōu)充電soc區(qū)間的電池歷史充電容量qopt_norm；歸一化公式如下：

32、qopt_norm＝(qopt-min(qopt))/(max(qopt)-min(qopt))

33、其中，min(qopt)代表m組電池歷史充電容量qopt中的最小值，max(qopt代表m組電池歷史充電容量qopt中的最大值。

34、進一步地，還包括：

35、從所述電池歷史老化數(shù)據(jù)中每隔n個循環(huán)提取一次電池歷史放電數(shù)據(jù)，其中，所提取的電池歷史放電數(shù)據(jù)與所提取的電池歷史充電數(shù)據(jù)分別為同一個老化循環(huán)的放電數(shù)據(jù)和充電數(shù)據(jù)；

36、根據(jù)每次提取的電池歷史放電數(shù)據(jù)計算出每次歷史放電過程中的電池歷史健康狀態(tài)soh，計算公式如下：

37、

38、其中，qnow為電池當(dāng)前的最大可用容量，i為放電電流，t0_dis和t1_dis分別為放電開始時刻和放電結(jié)束時刻，qnew為電池出廠時的額定容量。

39、作為本發(fā)明的第二個方面，提供一種適應(yīng)多種充電模式的電池soh車云協(xié)同估計系統(tǒng)，用于實現(xiàn)前文所述的適應(yīng)多種充電模式的電池soh車云協(xié)同估計方法，所述適應(yīng)多種充電模式的電池soh車云協(xié)同估計系統(tǒng)包括車輛、車端bms和云端服務(wù)器；其中，所述車輛包含電池，電池可充放電，為車輛提供動力；

40、所述車端bms，用于獲取電池當(dāng)前充電數(shù)據(jù)，并根據(jù)所述電池當(dāng)前充電數(shù)據(jù)計算出最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量；然后對所述最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量進行歸一化處理，以得到歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量；

41、所述云端服務(wù)器，用于將所述歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量輸入到訓(xùn)練后的充電老化模型中，以輸出電池當(dāng)前健康狀態(tài)估計值。

42、進一步地，所述車端bms包括從控制器和主控制器，所述從控制器通過前端采樣芯片afe采集電池的電壓數(shù)據(jù)和溫度數(shù)據(jù)，并通過can通訊或菊花鏈通訊將采集到的電壓數(shù)據(jù)和溫度數(shù)據(jù)傳遞給所述主控制器；所述主控制器通過電流傳感器采集電池的電流數(shù)據(jù)，并通過mcu計算出最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量并進行歸一化處理，然后通過車端bms所搭載的4g通訊模塊將所述歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量上傳到云端服務(wù)器。

43、進一步地，所述云端服務(wù)器根據(jù)接收到的所述歸一化后的最優(yōu)充電soc區(qū)間的電池當(dāng)前充電容量，調(diào)用自身存儲的所述訓(xùn)練后的充電老化模型，以輸出電池當(dāng)前健康狀態(tài)soh估計值。

44、進一步地，所述云端服務(wù)器會存儲每一次充電時輸出的電池當(dāng)前健康狀態(tài)soh估計值，并通過數(shù)據(jù)融合和濾波算法得到濾波后平穩(wěn)的電池當(dāng)前健康狀態(tài)soh估計值，然后將該平穩(wěn)的電池當(dāng)前健康狀態(tài)soh估計值通過所述4g通訊模塊回傳到所述車端bms。

45、本發(fā)明提供的適應(yīng)多種充電模式的電池soh車云協(xié)同估計方法具有以下優(yōu)點：

46、(1)本發(fā)明提出基于大數(shù)據(jù)驅(qū)動的soh估計算法，與傳統(tǒng)的經(jīng)驗?zāi)Ｐ突虬虢?jīng)驗?zāi)Ｐ拖啾?，可有效?guī)避經(jīng)驗?zāi)Ｐ突虬虢?jīng)驗?zāi)Ｐ驮趯嶋H應(yīng)用中估計誤差大的問題，適用性更好；

47、(2)本發(fā)明提出車云協(xié)同的估計方法，可解決soh估計算法復(fù)雜性與車端bms計算資源不足的矛盾；

48、(3)本發(fā)明提出基于部分充電曲線來提取特征參數(shù)的方法，可提高soh模型在實際應(yīng)用中的適應(yīng)性；

49、(4)本發(fā)明提出一種可適應(yīng)多種充電模式的soh估計方法，可提高soh模型在實際應(yīng)用中的適應(yīng)性。