一种应用于服务器备援锂电池SOH的估测方法与流程
本发明属于电池健康状态检测,具体为一种应用于服务器备援锂电池soh的估测方法。
背景技术:
1、服务器备援锂电池是服务器机房不间断供电系统的核心关键部件,主要用于市电中断时为服务器设备提供短时备援供电,保障设备数据留存与安全关机。服务器备援锂电池长期处于浮充待命状态,仅在市电异常时触发间歇短时放电,运行工况区别于动力电池、储能电池的高频次充放电工况,其老化失效以浮充导致的隐性老化、内阻缓慢攀升、电压偏移为核心特征,容量衰减呈现缓慢、非线性变化规律。
2、现有锂电池soh估测方法多针对高频充放电工况电池设计,主流包括容量积分法、单一内阻检测法、模型仿真估算法三类。其中,容量积分法依赖完整充放电循环数据,服务器备援电池无规律完整充放电场景,无法持续获取有效容量数据,估测时效性极差;单一内阻检测法仅通过内阻数值判定老化状态,无法适配浮充工况下电压偏移、微循环老化带来的复合老化问题,估测片面、误差较大;模型仿真估算法依赖复杂电化学模型,参数迭代运算量大,服务器本地算力难以支撑,且通用模型未适配备援电池专属老化特性,隐性老化识别严重滞后。
3、综上,现有技术缺乏针对服务器备援锂电池专属工况的soh精准估测方案,存在工况适配性差、老化特征识别不全面、估测精度低、实时性不足的技术缺陷,无法满足服务器机房备援电池常态化健康监测、老化预判与运维预警的使用需求,亟需一种针对性的soh估测方法解决上述问题。
4、基于此,设计一种应用于服务器备援锂电池soh的估测方法。
技术实现思路
1、针对上述情况,为克服现有技术的缺陷,本发明提供一种应用于服务器备援锂电池soh的估测方法,有效的解决了背景技术提出的问题。
2、为实现上述目的,本发明提供如下技术方案:一种应用于服务器备援锂电池soh的估测方法,包括以下步骤:
3、s1、参数采集:实时采集服务器备援锂电池的静态固有参数与动态运行参数,所述静态固有参数包括电池额定容量、额定内阻、标称浮充电压、出厂老化基准参数,所述动态运行参数包括实时浮充电压、浮充电流、放电电流、放电时长、运行温度、充放电循环次数;
4、s2、数据预处理:对s1采集的所有参数数据进行标准化清洗处理,剔除瞬时干扰异常数据、补全短时缺失数据,统一数据采样频率与数据精度,得到有效电池参数数据集;
5、s3、多维度老化特征提取:基于预处理后的有效电池参数数据集,同步提取电池浮充稳态内阻、间歇放电容量衰减率、浮充电压偏移量、循环老化频次四类核心老化特征参数;
6、s4、特征参数归一化处理:对四类核心老化特征参数分别进行无量纲归一化运算,将所有特征参数统一映射至0-1标准数值区间,消除不同参数维度、量纲差异带来的估测干扰;
7、s5、加权融合计算综合老化系数:调用预设的服务器备援锂电池专属权重分配模型,对归一化后的四类核心老化特征参数进行加权求和运算,计算得到电池实时综合老化系数;
8、s6、soh估值匹配与分级标定:将实时综合老化系数与预设的分级老化阈值区间进行比对匹配,对应输出电池实时soh估测值,并根据soh估测值完成电池健康状态等级标定。
9、优选的,s1中,所述静态固有参数为电池出厂固化参数,单次初始化采集后永久存储于服务器电池管理系统,无需重复采集;
10、所述动态运行参数以固定采样周期实时不间断采集,采样周期预设为1s。
11、优选的,s2中,所述异常数据剔除包括剔除超出电池额定参数阈值的超限数据、瞬时脉冲干扰数据、设备采样故障数据;
12、所述缺失数据补全采用相邻周期有效数据插值拟合方式完成;
13、所述数据标准化处理包括统一数据保留小数位数、统一物理量单位制式。
14、优选的,s3中,所述浮充稳态内阻为电池持续浮充静置30min后,通过交流阻抗检测算法测算得到的实时内阻;
15、所述间歇放电容量衰减率为电池单次备援放电实际容量与额定容量的比值,结合历史多批次放电数据拟合得到的持续衰减速率;
16、所述浮充电压偏移量为实时稳态浮充电压与标称浮充电压的差值绝对值;
17、所述循环老化频次为电池有效充放电循环次数与出厂基准循环次数的比值。
18、优选的,s4中,针对内阻、电压偏移量两类负相关老化参数,采用递减归一化算法处理;针对容量衰减率、循环老化频次两类正相关老化参数,采用递增归一化算法处理。
19、优选的,s5中,所述专属权重分配模型基于服务器备援锂电池浮充老化主导、间歇放电辅助老化的特性预设,各特征参数权重为固定定值,且所有权重系数求和值为1。
20、优选的,s6中,所述分级老化阈值区间划分为健康区间、轻微老化区间、中度老化区间、重度老化区间、失效区间五个等级,各阈值区间边界值为基于服务器备援电池老化实验预设的固定数值。
21、优选的,还包括s7、状态迭代更新与存储:每完成一次soh估测后,将实时soh值、综合老化系数、四类核心老化特征参数同步存储至系统数据库,覆盖历史过期数据,实现电池健康状态的动态迭代更新。
22、优选的,还包括s8、异常预警输出:当soh估测值落入重度老化区间或失效区间时,电池管理系统立即触发预设预警机制,输出电池老化异常预警信号。
23、与现有技术相比,本发明的有益效果是:
24、1、本发明针对服务器备援锂电池长期浮充、间歇放电的专属运行工况,摒弃传统单一特征估测模式,构建了涵盖内阻劣化、容量衰减、电压极化、循环老化的多维度老化特征估测体系,全面覆盖备援电池的显性与隐性老化特征,解决了现有技术老化识别片面、隐性老化漏判的缺陷,大幅提升soh估测的全面性与准确性;
25、2、本发明采用专属权重加权融合算法,结合服务器备援电池独特的老化规律分配特征权重,区别于通用电池的平均权重算法,工况适配性极强,能够精准贴合备援电池的实际老化演化规律,有效规避通用估测模型工况适配性差、估测偏差大的问题;
26、3、本发明通过数据预处理、差异化归一化处理,彻底消除原始数据干扰与参数维度差异,保障估测过程的稳定性与可靠性,同时流程运算逻辑简洁、算力消耗低,可适配服务器本地嵌入式系统实时运算,无需依赖外部算力,实现电池soh的在线动态实时监测;
27、4、本发明增设状态分级标定与异常预警机制,能够实现电池老化状态的精细化区分与提前预判,为服务器机房备援电池的精细化运维、按需更换提供精准数据支撑,有效保障服务器不间断供电系统的运行稳定性,降低设备停机与数据丢失风险。
1.一种应用于服务器备援锂电池soh的估测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种应用于服务器备援锂电池soh的估测方法,其特征在于,s1中,所述静态固有参数为电池出厂固化参数,单次初始化采集后永久存储于服务器电池管理系统,无需重复采集;
3.根据权利要求1所述的一种应用于服务器备援锂电池soh的估测方法,其特征在于,s2中,所述异常数据剔除包括剔除超出电池额定参数阈值的超限数据、瞬时脉冲干扰数据、设备采样故障数据;
4.根据权利要求1所述的一种应用于服务器备援锂电池soh的估测方法,其特征在于,s3中,所述浮充稳态内阻为电池持续浮充静置30min后,通过交流阻抗检测算法测算得到的实时内阻;
5.根据权利要求1所述的一种应用于服务器备援锂电池soh的估测方法,其特征在于,s4中,针对内阻、电压偏移量两类负相关老化参数,采用递减归一化算法处理;针对容量衰减率、循环老化频次两类正相关老化参数,采用递增归一化算法处理。
6.根据权利要求1所述的一种应用于服务器备援锂电池soh的估测方法,其特征在于,s5中,所述专属权重分配模型基于服务器备援锂电池浮充老化主导、间歇放电辅助老化的特性预设,各特征参数权重为固定定值,且所有权重系数求和值为1。
7.根据权利要求1所述的一种应用于服务器备援锂电池soh的估测方法,其特征在于,s6中,所述分级老化阈值区间划分为健康区间、轻微老化区间、中度老化区间、重度老化区间、失效区间五个等级,各阈值区间边界值为基于服务器备援电池老化实验预设的固定数值。
8.根据权利要求1所述的一种应用于服务器备援锂电池soh的估测方法,其特征在于,还包括s7、状态迭代更新与存储:每完成一次soh估测后,将实时soh值、综合老化系数、四类核心老化特征参数同步存储至系统数据库,覆盖历史过期数据,实现电池健康状态的动态迭代更新。
9.根据权利要求8所述的一种应用于服务器备援锂电池soh的估测方法,其特征在于,还包括s8、异常预警输出:当soh估测值落入重度老化区间或失效区间时,电池管理系统立即触发预设预警机制,输出电池老化异常预警信号。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com