一種基于交流阻抗測試的鋰電池健康估計方法技術

本發(fā)明專利技術涉及電池健康狀態(tài)評估的技術領域，公開了一種基于交流阻抗測試的鋰電池健康估計方法，采集不同電池健康狀態(tài)

【技術實現(xiàn)步驟摘要】
一種基于交流阻抗測試的鋰電池健康估計方法


[0001]本專利技術涉及電池健康狀態(tài)評估的
，尤其涉及一種基于交流阻抗測試的鋰電池健康估計方法
。

技術介紹

[0002]電化學交流阻抗譜在電池健康狀態(tài)
SOH
估計有著非常廣泛的應用，尤其在鋰離子電池健康狀態(tài)估計中，其中部分技術利用寬頻帶的交流阻抗譜特性，即利用所有頻率點的交流阻抗譜數(shù)據(jù)，
Xu
等人通過構建寬頻帶
EIS
提取的特征利用極限學習機
ELM
方法進行容量的估計，
Zhang
等人收集
20000
多個鋰離子電池的電化學阻抗譜
EIS
數(shù)據(jù)，并將所有的數(shù)據(jù)利用高斯過程回歸模型進行健康狀態(tài)的預測；也有部分技術將鋰離子電池建立等效電路模型，
Marvin
等人考慮到鋰離子電池在靜止狀態(tài)弛豫效應的影響，利用
EIS
測試數(shù)據(jù)分析分數(shù)階模型中的阻抗參數(shù)進而預測電池的健康狀態(tài)，考慮到特定頻率點
EIS
相位數(shù)據(jù)與鋰離子電池老化行為較為相關，
Fu
等人利用特定頻率點的
EIS
相位數(shù)據(jù)建立了電池健康狀態(tài)的估計模型
。
[0003]目前上述電池健康狀態(tài)的評估方法主要存在以下問題：
[0004]1、
利用寬頻帶和特定頻率點的
EIS
測試數(shù)據(jù)進行研究的方法，都未考慮不同數(shù)據(jù)對預測結果的重要性，而某些頻段的
EIS<br/>測試數(shù)據(jù)與電池老化行為更相關，因此可能會造成輸出結果誤差或模型魯棒性差，也會增加模型過擬合的風險
。
[0005]2、
基于分數(shù)階等模型利用
EIS
測試數(shù)據(jù)的研究方法，預測結果的精確度極大的依賴于模型的準確度，而相對簡單的模型結構可能難以反映復雜的電化學機理，從而難以確保電池整個生命周期的準確估計
。
[0006]3、
采用數(shù)據(jù)驅動的方法相對于采用神經網(wǎng)絡或極限學習機
ELM
等回歸模型，其復雜的算法模型可能造成在線狀態(tài)預估的實時性較差，并消耗一定的算力資源
。

技術實現(xiàn)思路

[0007]本專利技術提供了一種基于交流阻抗測試的鋰電池健康估計方法，解決了現(xiàn)有預測方法的泛化能力差，多于依賴預測模型等技術問題
。
[0008]本專利技術可以通過以下技術方案實現(xiàn)：
[0009]一種基于交流阻抗測試的鋰電池健康估計方法，采集不同電池健康狀態(tài)
SOH
的電芯在不同
SOC
條件下進行電化學阻抗譜
EIS
實驗的測試數(shù)據(jù)，并保存成矩陣結構，采用均值矩陣對測試數(shù)據(jù)進行中心化預處理，再利用
PCA
主成分分析方法對預處理后的測試數(shù)據(jù)進行降維處理，用降維處理后的測試數(shù)據(jù)對支持向量機回歸模型
SVR
進行訓練，最后使用訓練好的支持向量機回歸模型
SVR
對待檢電芯的電池健康狀態(tài)進行回歸估計
。
[0010]進一步，按照降序，將
SOH
值等間隔劃分成多個
SOH
區(qū)間，對于每個
SOH
區(qū)間，選擇具有對應
SOH
區(qū)間最大
SOH
值的一個或者多個電芯，按照降序每間隔
SOH
設定閾值采集一次測試數(shù)據(jù)，每次測試數(shù)據(jù)均包括
15
％
SOC、50
％
SOC、95
％
SOC
三個
SOC
點分別進行
EIS
實驗的測
試數(shù)據(jù)，每次
EIS
實驗均采集多個頻率點的測試數(shù)據(jù)，將所有測試數(shù)據(jù)以
SOC
值升序變化為列向量
、SOH
值降序變化為行向量排列成矩陣
X
′
。
[0011]進一步，對于同一個
SOC
值，計算同一頻率點上所有
SOH
值下對應測試數(shù)據(jù)的均值，構造以
SOC
值升序變化為列向量
、
頻率變化為行向量的均值矩陣利用方程式對矩陣
X
′
進行中心化預處理，其中，
X
表示中心化后的矩陣
。
[0012]進一步，每間隔5％
SOH
將
SOH
值從
100
％
SOH
至
75
％
SOH
劃分成多個
SOH
區(qū)間，所述
SOH
設定閾值設置為
0.05
％
SOH
，每個頻率點的測試數(shù)據(jù)均包括實部值
、
虛部值和幅度值，所有的電芯均來自同一批次
。
[0013]進一步，依據(jù)
PCA
主成分分析方法，先計算矩陣
X
的協(xié)方差矩陣
C
，再對協(xié)方差矩陣
C
進行特征值分解，將獲取的特征值按照從大到小排序，計算每一特征值占最大特征值的比例，選取大于
85
％的特征值作為特征向量的主成分，最后將矩陣
X
投影到選定的主成分上，得到降維后的矩陣
Y
，完成降維處理
。
[0014]進一步，采集待檢電芯在不同
SOC
條件下進行電化學阻抗譜
EIS
實驗的測試數(shù)據(jù)，經由中心化預處理
、
降維處理后輸入訓練好的支持向量機回歸模型
SVR
進行電池健康狀態(tài)回歸估計
。
[0015]本專利技術有益的技術效果如下：
[0016]1、
利用電池在不同老化狀態(tài)下不同
SOC
點所測量的
EIS
數(shù)據(jù)，這些數(shù)據(jù)包括頻率
、
阻抗
、
相位等信息，將其采用主成分分析方法
PCA
進行數(shù)據(jù)降維，即得到了一組新的輸入數(shù)據(jù)，其中考慮到了不同數(shù)據(jù)對估計結果影響的重要性特征
。
[0017]2、
采用主成分分析方法
PCA
及支持向量回歸模型
SVR
等數(shù)據(jù)驅動手段，在不同類型數(shù)據(jù)和工作條件中，具有更好的適應性，減少了繁瑣的人工提取模型參數(shù)等步驟
。
[0018]3、
采用主成分分析方法
PCA
對數(shù)據(jù)預處理以及特征提取為小樣本數(shù)據(jù)驅動算法如支持向量回歸模型
SVR
提供了運行可行性，而采用支持相對小樣本的支持向量回歸模型
SVR
數(shù)據(jù)驅動算法，相比于更復雜的神經網(wǎng)絡結構，本專利技術的所提出的方法有利于實際硬件設備的運行，更加快速便捷
。...

【技術保護點】

【技術特征摘要】
1.
一種基于交流阻抗測試的鋰電池健康估計方法，其特征在于：采集不同電池健康狀態(tài)
SOH
的電芯在不同
SOC
條件下進行電化學阻抗譜
EIS
實驗的測試數(shù)據(jù)，并保存成矩陣結構，采用均值矩陣對測試數(shù)據(jù)進行中心化預處理，再利用
PCA
主成分分析方法對預處理后的測試數(shù)據(jù)進行降維處理，用降維處理后的測試數(shù)據(jù)對支持向量機回歸模型
SVR
進行訓練，最后使用訓練好的支持向量機回歸模型
SVR
對待檢電芯的電池健康狀態(tài)進行回歸估計
。2.
根據(jù)權利要求1所述的基于交流阻抗測試的鋰電池健康估計方法，其特征在于：按照降序，將
SOH
值等間隔劃分成多個
SOH
區(qū)間，對于每個
SOH
區(qū)間，選擇具有對應
SOH
區(qū)間最大
SOH
值的一個或者多個電芯，按照降序每間隔
SOH
設定閾值采集一次測試數(shù)據(jù)，每次測試數(shù)據(jù)均包括
15
％
SOC、50
％
SOC、95
％
SOC
三個
SOC
點分別進行
EIS
實驗的測試數(shù)據(jù)，每次
EIS
實驗均采集多個頻率點的測試數(shù)據(jù)，將所有測試數(shù)據(jù)以
SOC
值升序變化為列向量
、SOH
值降序變化為行向量排列成矩陣
X
′
。3.
根據(jù)權利要求2所述的基于交流阻抗測試的鋰電池健康估計方法，其特征在于：對于同一個
SOC
值，計算同一頻率點上所有
SOH
值下對應測試數(shù)據(jù)的均值，構造以
SOC
值升序變化為列向量
、
頻率變化為...

【專利技術屬性】
技術研發(fā)人員：蔡欽，胡澤明，莫永聰，蘇昊，荀海波，尹秋帆，胡道徐，
申請(專利權)人：上海稊米汽車科技有限公司，
類型：發(fā)明
國別省市：