电池寿命估计方法及电池管理系统

1.本技术属于电池寿命预测技术领域，尤其涉及一种电池寿命估计方法及电池管理系统。


背景技术：

2.电动汽车中通过电池管理系统(battery management system，bms)对锂离子电池的重要参数进行监控与管理。荷电状态(state of charge，soc)估计与健康状态(status of health，soh)估计是bms的重要组成单元。soh估计一直是bms研究的热点与难点。soh也称为寿命状态，用来描述电池的退化程度。
3.现有的电池可靠度评估与寿命估计方法在测量和计算上存在一些问题，例如估计结果会大于电池的实际寿命值，会使操作人员误认为失效的电池仍处于正常状态，导致不能及时地发现电池容量减少，并且锂离子电池的累计退化容量曲线为非线性曲线，不利于观测。因此，现有技术中对电池寿命估计的准确度低。


技术实现要素：

4.有鉴于此，本发明提供了一种电池寿命估计方法及电池管理系统，旨在解决对电池寿命估计的准确度低的问题。
5.本发明实施例的第一方面提供了一种电池寿命估计方法，包括：
6.获取目标电池的累积循环次数；
7.根据预先建立的时间尺度转换模型对所述目标电池的累积循环次数进行尺度变换，得到尺度变换后的累积循环次数；
8.根据尺度变换后的累积循环次数、预先建立的累积容量退化模型，确定预先建立的电池寿命概率密度函数的参数；
9.将尺度变换后的累积循环次数、所述参数输入到所述电池寿命概率密度函数中，确定电池寿命估计值；
10.对所述电池寿命估计值进行尺度逆变换，得到最终寿命估计值；
11.其中，所述时间尺度转换模型为：
12.m
*
＝p1×
m3 p2×
m2 p3×m13.其中，pi为拟合系数，m为所述累积循环次数，m
*
尺度变换后的累积循环次数。
14.本发明实施例的第二方面提供了一种电池寿命估计装置，其特征在于，包括：
15.数据获取模块，用于获取目标电池的累积循环次数；
16.尺度变换模块，用于根据预先建立的时间尺度转换模型对所述目标电池的累积循环次数进行尺度变换，得到尺度变换后的累积循环次数；
17.参数确定模块，用于根据尺度变换后的累积循环次数、预先建立的累积容量退化模型，确定预先建立的电池寿命概率密度函数的参数；
18.寿命估计模块，用于将尺度变换后的累积循环次数、所述参数输入到所述电池寿
命概率密度函数中，确定电池寿命估计值；
19.尺度逆变换模块，用于对所述电池寿命估计值进行尺度逆变换，得到最终寿命估计值；其中，所述时间尺度转换模型为：
20.m
*
＝p1×
m3 p2×
m2 p3×m21.其中，pi为拟合系数，m为所述累积循环次数，m
*
尺度变换后的累积循环次数。
22.本发明实施例的第三方面提供了一种电池管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述电池寿命估计方法的步骤。
23.本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面所述电池寿命估计方法的步骤。
24.本发明实施例提供的电池寿命估计方法及电池管理系统，包括获取目标电池的累积循环次数；根据预先建立的时间尺度转换模型对目标电池的累积循环次数进行尺度变换，得到尺度变换后的累积循环次数；根据尺度变换后的累积循环次数、预先建立的累积容量退化模型，确定预先建立的电池寿命概率密度函数的参数；将尺度变换后的累积循环次数、参数输入到电池寿命概率密度函数中，确定电池寿命估计值；对电池寿命估计值进行尺度逆变换，得到最终寿命估计值。通过进行尺度转换，从而使电池的退化过程由非线性wiener过程转化为线性wiener过程，以准确的对电池寿命进行估计。
附图说明
25.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
26.图1是本发明实施例提供的电池寿命估计方法的应用环境图；
27.图2是本发明实施例提供的电池寿命估计方法的实现流程图；
28.图3是本发明实施示例提供的电池寿命估计方法的实现流程图；
29.图4是本发明实施示例提供的锂离子电池容量退化曲线图；
30.图5是本发明实施示例提供的单次累积退化量曲线图；
31.图6是本发明实施例中对电池容量退化曲线进行小波重构的示意图；
32.图7是本发明实施例中小波重构后的锂离子电池容量退化曲线图；
33.图8是本发明实施示例提供的电池寿命估计的原理示意图；
34.图9为不同的累积量下尺度变换后的锂离子电池容量累积曲线图；
35.图10是本发明实施示例提供的单次累计容量损耗直方图；
36.图11是本发明实施示例提供的散点分布曲线图；
37.图12为不同累积量下锂离子电池寿命概率密度函数曲线图；
38.图13为不同累积量下锂离子电池寿命可靠度函数曲线图；
39.图14是本发明实施例提供的电池寿命估计装置的结构示意图；
40.图15是本发明实施例提供的电池管理系统的结构示意图。
具体实施方式
41.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
42.随着全球气候变暖、空气污染以及能源危机等问题日益突出。新能源汽车的发展可以有效节制化石能源的消耗。受益于新能源汽车的不断增长，锂离子电池行业迎来新一轮发展机遇。在商品化的可充电池中，锂离子电池的比能量最高，特别是聚合物锂离子电池，可以实现可充电池的薄形化。正因为锂离子电池的体积比能量和质量比能量高且污染小的特点，锂离子电池被应用到电动汽车中。因此，为了保证电动汽车的可靠运行非常有必要对锂离子电池的靠性进行评估。
43.电动汽车中通过电池管理系统(battery management system，bms)对锂离子电池的重要参数进行监控与管理。荷电状态(state of charge，soc)估计与健康状态(status of health，soh)估计是bms的重要组成单元。soh估计一直是bms研究的热点与难点。soh也称为寿命状态，用来描述电池的退化程度。随着锂离子电池循环次数的增加soh逐渐下降，当soh降到70％或80％以下时，认为电池失效。通常采用电池剩余寿命(remaining useful life，rul)来表征soh。
44.rul的估计方法一般包括三种：基于物理失效模型的rul估计方法、基于数据驱动模型的rul估计方法以及基于数理统计理论的rul估计方法。基于物理失效模型的rul估计方法主要是根据电池的材料属性以及内部构造等因素对电池的退化机理进行分析，通过电化学模型来描述电池的退化机理，从而实现rul估计。由于电化学模型构造复杂，且有大量的参数，从而导致该模型有较大的计算成本，限制了其应用。基于数据驱动模型的估计方法包括机器学习模型和统计回归模型。常见的人工智能模型包括支持向量机(support vector machines，svm)、bp神经网络、相关向量机(relevance vector machine，rvm)等。常见的统计回归模型有滑动平均模型(moving average，ma)、自回归模型(automated regression，ar)和自回归滑动平均(automatic regression moving average，arma)模型。机器学习模型具有较高的预测精度，但是模型的随机参数对结果影响较大。统计回归模型只考虑时间因素，泛化能力差且易受外部环境干扰。基于数理统计的rul估计方法采用数理统计方法对历史数据进行分析，建立rul的概率密度函数，实现rul估计。该方法计算量小，模型简单，易于应用到实际工程中。
45.综上所述，现有的锂离子电池可靠度评估与寿命估计方法在测量和计算上存在一些问题，例如估计结果会大于电池的实际寿命值，会使操作人员误认为失效的电池仍处于正常状态，导致不能及时地发现电池容量减少，并且锂离子电池的累计退化容量曲线为非线性曲线，不利于观测。
46.本发明通过对电池的累积循环次数进行时间尺度转换，从而使电池的退化过程由非线性wiener过程转化为线性wiener过程，以准确的对电池寿命进行估计。
47.图1是本发明实施例提供的电池寿命估计方法的应用环境图。本发明实施例提供的电池寿命估计方法可以但不限于应用于该应用环境。如图1所示，该系统中包括：电池管理系统11和电池12。电池管理系统11中预先存储有该型号锂电池对应的时间尺度转换模
型、累积容量退化模型、电池寿命概率密度函数等。电池管理系统11实时获取电池12的累积循环次数，并根据预先存储的模型和函数，确定电池12的最终寿命估计值。
48.电池管理系统11可以是由采集模块、存储模块、计算模块等多个模块组成的系统，用于对电池12进行管理、监测。其计算模块可以是mcu、单片机、dsp等，在此不做限定。电池12可以是铅蓄电池、锂电池等，在此不做限定。
49.图2是本发明实施例提供的电池寿命估计方法的实现流程图。如图2所示，在该实施例中，电池寿命估计方法，应用于图1中所示的电池管理系统11，该方法包括：
50.s201，获取目标电池的累积循环次数。
51.本实施例中，累积循环次数为电池完成充放电循环的总次数。电池的一次充放电循环是指手机电池完成一个完整的充电周期，即完整的充放电过程。
52.s202，根据预先建立的时间尺度转换模型对目标电池的累积循环次数进行尺度变换，得到尺度变换后的累积循环次数。
53.由于锂电池容量损耗累积量不符合线性wiener的要求，本实施例中，预先建立了时间尺度转换模型。时间尺度转换模型能够使变换后的累积循环次数等于电池的累计容量退化轨迹，从而使电池容量退化过程符合线性wiener过程。
54.s203，根据尺度变换后的累积循环次数、预先建立的累积容量退化模型，确定预先建立的电池寿命概率密度函数的参数。
55.s204，将尺度变换后的累积循环次数、参数输入到电池寿命概率密度函数中，确定电池寿命估计值。
56.s205，对电池寿命估计值进行尺度逆变换，得到最终寿命估计值。
57.由于在确定电池寿命估计值之前进行了时间尺度变换，因此在确定出的电池寿命估计值也并非真实的电池剩余寿命，因此，本实施例中，需要根据时间尺度转换模型对确定出的电池寿命估计值进行尺度逆变换，确定最终寿命估计值。
58.其中，时间尺度转换模型为：
59.m
*
＝p1×
m3 p2×
m2 p3×mꢀꢀ
(1)
60.其中，pi为拟合系数，m为累积循环次数，m
*
尺度变换后的累积循环次数。
61.本实施例中，通过进行尺度转换，从而使电池的退化过程由非线性wiener过程转化为线性wiener过程，以准确的对电池寿命进行估计。
62.在一些实施例中，电池寿命估计方法还包括：
63.建立三阶多项式模型；
64.根据预先获取的多个参考电池的退化数据，对三阶多项式模型进行拟合，以确定每个累积循环次数对应的拟合系数；其中，参考电池为与目标电池同型号的电池；其中，退化数据包括多个累积循环次数和每个累积循环次数对应的累计容量损失；
65.根据每个累积循环次数对应的多项式的拟合系数，确定该型号电池的电池累积容量退化轨迹；
66.根据电池累积容量退化轨迹确定该型号电池的时间尺度变换模型。
67.本实施例中，三阶多项式模型为：
68.y3(x)＝p1×
x3 p2×
x2 p3×
x
ꢀꢀ
(2)
69.其中，y3(x)为三阶多项式的因变量，x为三阶多项式的自变量。
70.本实施例中，根据多个参考电池的退化数据可以确定该型号的电池的累积容量退化轨迹β(m)，令每个累积循环次数都满足m
*
＝β(m)，即可拟合得到拟合系数。其中每个累积循环次数均可以计算出一组拟合系数。
71.在一些实施例中，预先建立的电池寿命概率密度函数的参数包括漂移参数、扩散参数、失效阈值；电池寿命概率密度函数为：
[0072][0073]
其中，f(m
*
；l)为电池寿命概率密度函数，μ
*
为漂移参数，m
*
表示尺度变换后累计容量损失对应的循环次数，l为目标电池的失效阈值，z0为初始时刻目标电池的累计容量损失，σ
*
为扩散参数；
[0074]
s204，可以包括：
[0075]
将尺度变换后的累积循环次数、参数输入到电池寿命概率密度函数中，以确定电池寿命概率密度函数的期望值，并将其作为电池寿命估计值。
[0076]
本实施例中，由于可线性化的wiener过程最后会转换成一元线性wiener过程，所以二者剩余寿命概率密度函数和可靠度函数相同。对于可线性化的wiener过程，其关键在于求解非线性退化过程的时间尺度模型，经证明，在产品平均性能退化速率为常数的条件下，wiener过程首次达到失效阈值的时间分布为逆高斯分布。
[0077]
在一些实施例中，电池寿命估计方法还包括：
[0078]
根据电池寿命概率密度函数，确定电池寿命可靠度函数；
[0079]
根据电池寿命可靠度函数，计算电池的可靠度；
[0080]
电池寿命可靠度函数为：
[0081][0082]
其中，r(m
*
；l)为电池寿命可靠度函数，ф(x)为标准正态分布函数。
[0083]
在一些实施例中，s203，可以包括：
[0084]
根据预先建立的累积容量退化模型，对漂移参数、扩散参数、失效阈值进行极大似然估计，确定参数估计表达式；
[0085]
将尺度变换后的累积循环次数输入到参数估计表达式中，得到漂移参数的估计值、扩散参数的估计值、失效阈值的估计值；
[0086]
参数估计表达式为：
[0087][0088]
其中，为漂移参数的估计值，为扩散参数的估计值，为失效阈值的估计值，zi为目标电池第i次充放电循环时的单次容量损耗。
[0089]
本实施例中，根据累积容量退化模型可以确定单次容量损耗，然后将其代入到参数估计表达式中，即可得到漂移参数、扩散参数、失效阈值。
[0090]
在一些实施例中，电池累积容量退化模型为：
[0091][0092]
其中，z(m
*
)表示累计容量损耗，z0为初始时刻目标电池的累计容量损失，μ
*
为漂移参数，m
*
表示尺度变换后累计容量损失对应的循环次数，σ
*
为扩散参数，c(m
*
)为随机过程，服从布朗运动。
[0093]
在一些实施例中，在s201之后，还包括：
[0094]
根据预先建立的累积容量退化模型确定目标电池的多个累积循环次数对应的单次容量损耗；
[0095]
根据各个单次容量损耗进行正态分布检验，以验证电池累积容量退化模型是否符合维纳过程；
[0096]
若电池累积容量退化模型符合维纳过程，则表明累积容量退化模型可以使用；
[0097]
若电池累积容量退化模型不符合维纳过程，则删除电池累积容量退化模型。
[0098]
本实施例中，可以绘制单次累计容量损耗直方图和散点分布曲线，通过观察发现直方图是否符合左右对称的正态分布特性，得出锂离子电池单次容量损耗的数据分布空间。并计算出锂离子电池单次累计容量损耗的均值，求出置信水平为95％时的置信区间。验证锂离子电池的单次累计容量损耗是否满足正态分布，从而判定是否可以采用wiener过程对锂离子电池容量退化过程进行建模。
[0099]
可以采用频数直方图和散点分布图对预处理之后的锂离子电池的单次累计容量损耗进行检验，观察其是否符合正态分布。当单次累计容量损耗散点分布在一条直线上时，散点数据满足正态分布。
[0100]
在一些实施例中，在根据预先获取的多个参考电池的退化数据，对三阶多项式模型进行拟合之前，还包括：
[0101]
获取多个参考电池的初始退化信息；
[0102]
对初始退化信息进行小波变换重构，得到多个参考电池的退化数据。
[0103]
本实施例中，可以采用symlet小波对锂离子电池容量退化数据进行尺度分解，选择消失矩及小波分解层数，采用软阈值函数，对锂离子电池容量数据进行重构，得到重构之后的锂离子电池容量退化数据。
[0104]
本发明对现有技术的改进主要在于采用了时间尺度变换模型改进电池容量退化过程。具体如下：
[0105]
通常认为，当锂电池的容量衰减到额定容量的70％至80％时，电池失效。在锂电池性能退化模型中，将容量损耗作为关键的性能参数。通过分析当前锂电池容量退化量来判断锂电池的剩余寿命。锂电池单次容量损耗服从独立同分布，通过对单次容量损耗分布分析发现单次容量损耗服从正态分布。
[0106]
wiener过程称为带漂移的布朗运动，是一个典型的随机过程。布朗运动描述微粒在碰撞下做无规则运动的过程。wiener过程适用于描述由于大量损耗不断积累导致产品失效的非平稳退化过程。若随机过程{c(t),t≥0}满足以下三个约束条件，则称该运动为布朗
运动。
[0107]
(1)c(t)＝0；
[0108]
(2)
[0109]
(3)随机过程c(t)具有独立平稳的增量。
[0110]
在布朗运动中当σ2为1时，称{c(t),t≥0}为标准布朗运动。由约束条件(2)可知，wiener过程的增量分布取决于时间差，故wiener过程是齐次的独立增量过程，且服从正态分布。对t(t∈[1,n])，c(tk)如下：
[0111][0112]
本发明采用带漂移的一元wiener过程来描述锂电池容量退化过程：
[0113]
u(t)＝u0 μ
×
t σ
×
c(t)
ꢀꢀ
(8)
[0114]
其中，u0为初始值；μ称为退化速率，用来描述退化趋势；μ》0时，退化量呈现递增趋势；μ《0时，退化量呈现递减趋势；σ为扩散速度，描述随机因素对退化性能的影响；c(t)为标准布朗运动；u(t)服从标准正态分布n(u0 μt,σ2t)。
[0115]
当产品的退化速率苏为常数时可以采用公式(8)来建立退化模型。但在实际工程中，产品的退化速率一般呈现非线性，此时采用线性wiener模型建立退化模型不能得到准确寿命估计值。通过尺度变换可以将非线性退化过程转化为线性退化过程。因此本发明建立尺度变换模型对时间尺度t进行转换，相应的，本发明中表征时间尺度t的量为累积循环次数m，因此需要对累积循环次数进行尺度变换。
[0116]
本发明可以通过产品的性能退化曲线，可以推导出时间尺度转换模型，从而对时间尺度进行转换。设存在t的非负单调增函数β(t)，且使得μt＝μ
*
β(t)，则得到尺度变换后的一元wiener退化模型。
[0117]
u(β(t))＝u0 μ
*
×
β(t) σ
×
c(β(t))
ꢀꢀ
(9)
[0118]
其中，μ
*
为尺度变换后的退化速率。
[0119]
令α＝β(t)，且使得g(α)＝u(t)，从而将式(3)转化为式(4)。
[0120]
g(α)＝u0 μ
*
×
α σ
×
c(α)
ꢀꢀ
(10)
[0121]
通过式(10)可以将非线性性退化过程转化为线性退化过程，时间尺度变换后可以根据一元wiener过程建立退化模型。从式(10)中可以看出，当α＝t时，此时的退化模型为线性wiener退化模型。
[0122]
下面提供一个实施示例对本技术的本发明的电池寿命估计方法进行说明，但并不作为限定。图3是本发明实施示例提供的电池寿命估计方法的实现流程图。如图3所示，在该实施示例中，电池寿命估计方法的具体如下：
[0123]
步骤1，获取完整的锂离子电池容量退化数据。
[0124]
本步骤中，在室温下对锂离子电池进行充放电试验。首先，采用1.5a的电流对电池进行恒流充电，当电池电压达到4.2v时，对电池进行恒压充电；当电池充电电流下降到0.02a时，停止对电池进行充电。其次，采用2a的恒定电流对电池进行放电，当电池的电压下降到2.5v时，停止对电池进行放电。重复对锂离子电池进行充放电实验，直到电池达到寿命终止标准，停止对电池进行实验。最终得到的锂离子电池容量退化曲线以及计算得到的单次累计退化量(即上述的参考电池的退化数据)。图4是本发明实施示例提供的锂离子电池
容量退化曲线图。如图4所示，横轴为累积循环次数，纵轴为电池的剩余容量。图5是本发明实施示例提供的单次累积退化量曲线图。如图5所示，横轴为累积循环次数，纵轴为单次电池充放电循环过程损失的容量。
[0125]
步骤2，对锂离子电池容量退化数据进行预处理。
[0126]
本步骤的具体实现方法包括以下步骤为：
[0127]
步骤2.1，采用小波变换重构锂离子电池容量退化数据。
[0128]
采用symlet小波对锂离子电池容量退化数据进行尺度分解，symlet小波函数是ingriddaubechies提出的近似对称的小波函数，它是对db函数的一种改进。symlet小波系通常表示为symn(n＝2,3,5,8)。symn小波的支撑范围为2n-1，消失矩为n，同时也具备较好的正则性。选用合适的消失矩及小波分解层数，并且采用软阈值函数，最后对锂离子电池容量数据进行重构，得到重构之后的锂离子电池容量退化数据。相比较于原始锂离子电池容量退化数据，重构之后的锂离子电池容量退化数据会变得更加平滑，且可以反映原始数据的退化特征。通常认为，当锂离子电池的容量衰减到额定容量的70％至80％时电池失效。可以得到锂离子电池失效时对应的循环次数和对应的失效阈值l。
[0129]
在本步骤中，采用sym5小波对锂离子电池容量退化数据进行尺度分解，分解层数为3层，并且采用软阈值函数，最后对锂离子电池容量数据进行重构。
[0130]
图6是本发明实施例中对电池容量退化曲线进行小波重构的示意图。图7是本发明实施例中小波重构后的锂离子电池容量退化曲线图。图6中横轴为累积循环次数，纵轴为电池的剩余容量。图7中横轴为累积循环次数，纵轴为电池的累积容量损失。如图6和图7所示，相比较于原始锂离子电池容量退化数据，重构之后的锂离子电池容量退化数据更加平滑，且可以反映原始数据的退化特征。
[0131]
图8是本发明实施示例提供的电池寿命估计的原理示意图。如图8所示，在电池的平均性能退化速率为常数的条件下，可以将电池寿命定义为累积容量损失首次达到失效阈值时的累积循环次数。
[0132]
在实际应用中，锂离子电池第一次达到失效阈值时，锂离子电池的性能有可能退化但是并没有完全失效，但是防止电池进一步老化，需要停止电池运行。基于图8中锂离子电池寿命估计原理，锂离子电池的累积退化量{z(m),m≥0}达到阈值l时，认为电池失效。采用式(11)来定义锂离子电池的寿命。从而避免电池进入失效状态，从而可以提高供电系统的可靠性与安全性。
[0133]
f＝inf{m:z(m)≥l|z(0)≤l}
ꢀꢀ
(11)
[0134]
其中，f为寿命，inf{}为下界函数。
[0135]
由图7和图8可以得知，在本发明中认为电池衰减到额定容量的70％(1.4ah)时电池失效，锂离子电池失效时对应的循环次数为109次，对应的失效阈值为l＝0.6029。
[0136]
步骤2.2，建立三阶尺度变换模型对累积量对应的循环次数进行尺度转换。
[0137]
经过多次实验分析，三阶模型和四阶模型的拟合误差最小，三阶和四阶模型的拟合效果相近，为了减少计算成本，本研究采用三阶拟合模型对锂离子电池容量损耗累积曲线进行时间尺度变换。将三阶多项式模型的拟合系数作为多项式尺度变换模型参数p1、p2和p3的估计值；根据锂离子电池失效时对应的循环次数，采用三阶多项式模型对锂离子电池多个对应次容量累积值进行拟合，采用三阶拟合模型对锂离子电池容量损耗累积曲线进行
时间尺度变换。
[0138]
设锂离子电池累积容量退化轨迹为β(m)，当锂离子电池失效时对应的循环次数与β(m)相等时，锂离子电池容量退化过程符合线性wiener过程。因此，可以采用函数β(m)对锂离子电池累计容量损失的循环次数进行尺度变换。根据得到的三阶尺度变换模型对不同累积量下的循环次数进行尺度变换，尺度变换后的容量损耗累积次数记为m*(z(m)＝z(m*))。
[0139]
在本步骤中，采用三阶拟合模型对锂离子电池容量损耗累积曲线进行时间尺度变换。当t为0时，也就是在初始阶段锂离子电池的容量损耗为0，因此尺度变换的常数项为0。将三阶多项式模型的拟合系数作为多项式尺度变换模型参数p1、p2和p3的估计值。不同累积量下，三阶尺度变换模型的参数估计如下：
[0140]
表1.三阶尺度变换模型
[0141][0142]
其中，和分别是参数p1、p2和p3的估计值。
[0143]
步骤2.3，建立锂离子电池累积容量退化模型。
[0144]
在本步骤中，根据得到的三阶尺度变换模型对不同累积量下的循环次数进行尺度变换，得到锂离子电池累积容量退化模型，图9为不同的累积量下尺度变换后的锂离子电池容量累积曲线图。如图9所示，横轴为累积循环次数，纵轴为累积容量损失。相比较尺度变换前的锂离子电池累计容量损失曲线，尺度变换后的累计容量损失曲线更加线性。尺度变换后的循环次数如表2所示：
[0145]
表2.多项式尺度变换
[0146][0147]
步骤3，对预处理后锂离子电池的单次容量损耗进行正态分布检验，验证其是否符合wiener过程。
[0148]
在本步骤中，绘制单次累计容量损耗直方图和散点分布曲线，通过观察发现直方图是否符合左右对称的正态分布特性，得出锂离子电池单次容量损耗的数据分布空间。并计算出锂离子电池单次累计容量损耗的均值，求出置信水平为95％时的置信区间。验证锂离子电池的单次累计容量损耗是否满足正态分布。从而判定是否可以采用wiener过程对锂离子电池容量退化过程进行建模。
[0149]
在本步骤中，采用频数直方图和散点分布图对预处理之后的锂离子电池的单次累计容量损耗进行检验，观察其是否符合正态分布。当单次累计容量损耗散点分布在一条直线上时，散点数据满足正态分布。
[0150]
图10是本发明实施示例提供的单次累计容量损耗直方图。图11是本发明实施示例提供的散点分布曲线图。如图10和图11所示，横轴为累积容量损失、纵轴为可靠性。
[0151]
本实施示例中，通过观察发现直方图左右对称符合正态分布特性，且大部分数据分布在[0 0.01]区间内。通过计算得到单次累计容量损耗的均值为0.0051ah，且置信水平为95％时的置信区间为[0.0043，0.0059]。观察图11中的散点分布发现散点分布在一条直线上，再次验证了单次累计容量损耗满足正态分布。因此，可以采用wiener过程对锂离子电池容量退化过程进行建模。
[0152]
步骤4，计算出不同累积量下锂离子电池寿命概率密度函数及可靠度函数并得到不同累积量下锂离子电池寿命估计值。
[0153]
本步骤的具体实现方法包括以下步骤：
[0154]
步骤4.1，对不同累积量下的漂移参数和扩散参数进行极大似然估计。
[0155]
在本步骤中，通过极大似然估计得到了不同累计容量损失下的漂移参数和扩散参数
[0156]
在本实施示例中，60次累计容量损失为y60＝0.3864，70次累计容量损失为y70＝0.4468，80次累计容量损失为y80＝0.4966，90次累计容量损失为y90＝0.5446。锂离子电池的失效阈值为l＝0.6029。根据式(4)，对不同累积量下的漂移参数和扩散参数进行极大似然估计，估计结果如表3所示。
[0157]
表3.参数估计
[0158][0159]
步骤4.2，计算出不同累积量下锂离子电池寿命概率密度函数。
[0160]
在本步骤中，采用累计容量损失作为表征锂离子电池寿命的性能参数，将锂离子电池失效时对应的循环次数作为锂离子电池的剩余寿命值。将失效时对应的累计容量损失作为锂离子电池的失效阈值，得出锂离子电池的失效阈值l。在失效阈值l下，得到尺度变换后锂离子电池寿命概率密度函数。
[0161]
在本步骤中，通过极大似然估计得到了不同累计容量损失下的漂移参数和扩散参数将漂移参数和扩散参数带入电池寿命概率密度函数中可以计算出不同累积量下锂离子电池寿命概率密度函数，如表4所示。
[0162]
表4.不同累积量下计算的概率密度函数
[0163][0164]
图12为不同累积量下锂离子电池寿命概率密度函数曲线图。如图12所示，在本实施示例中，通过得到的概率密度函数可以画出不同累积量下锂离子电池寿命概率密度函数曲线，其中横轴为累积循环次数，纵轴为概率密度。
[0165]
步骤4.3，采用如下公式计算出不同累积量下锂离子电池寿命可靠度函数。
[0166]
从图12中可以得到不同累积量下锂离子电池寿命估计值。从图中可以看出不同累积量下得到的锂离子电池寿命值不相同。累计容量损失较少时，锂离子电池寿命估计值与实际值有较大偏差，这是因为数据量较少不能很好地反映出锂离子电池容量退化趋势。随着累积量的增加，锂离子电池寿命估计值越来越接近实际值。当累积量增加时，得到的历史退化信息更加完整，尺度变换模型中的参数估计更准确，因此累积量较多时的寿命估计值更加准确。锂离子电池容量损耗累积量少时，对电池寿命估计属于长期估计。随着累积量的增加，锂离子电池寿命估计属于短期估计。一般来说，随着电池容量退化信息逐渐完整，短期估计精度要高于长期估计。
[0167]
将漂移参数和扩散参数代入公式(4)所示的电池寿命可靠度函数中可以计算出不同累积量下锂离子电池寿命可靠度函数，如表5所示。
[0168]
表5.不同累积量下计算的可靠度函数
[0169]
[0170][0171]
图13为不同累积量下锂离子电池寿命可靠度函数曲线图。如图13所示，在本实施示例中，通过得到的可靠度函数可以画出不同累积量下锂离子电池寿命可靠度函数曲线，其中横轴为累积循环次数，纵轴为可靠度。
[0172]
步骤4.4，得到不同累积量下锂离子电池寿命估计值。
[0173]
本实施示例中，可以将概率密度函数的期望值作为电池寿命估计值，从概率密度函数曲线中可以得到不同累积量下锂离子电池寿命估计值。从可靠度曲线中同样可以得到不同累积量下锂离子电池寿命可靠度。
[0174]
可靠度为0.5时对应的锂离子电池寿命值为锂离子电池寿命期望值，通常认为锂离子电池寿命期望值为估计值。从可靠度曲线中同样可以得到不同累积量下锂离子电池寿命估计值。图13中得到的锂离子电池寿命估计值与图7中得到的估计值一致。从图中可以看出随着锂离子电池使用次数的增加，锂离子电池的可靠度也在逐渐下降。当锂离子电池的操作次数达到90次以后，锂离子电池可靠度显著降低。
[0175]
步骤4.5、对锂电池的寿命估计值进行尺度逆变换
[0176]
以上步骤得出的寿命估计值经过了尺度变换，所以要通过尺度逆变换使寿命估计值变得可以更直观的观察到电池的估计剩余寿命，从而判断电池的使用情况。
[0177]
通过锂离子电池寿命概率密度函数及可靠度函数可以得到锂离子电池寿命估计值，再通过尺度逆变换得到更加直观的观测数据，如表6所示。
[0178]
表6.改进wiener模型的预测结果
[0179][0180]
由表6看出不同累积量下，改进wiener过程的估计值与真实值的误差存在差异。60次与65次累积量时的预测误差最大为16，这是因为在预测前期锂离子电池容量退化数据并不完整，较少的累积量不能更准确的反映锂离子电池的整体退化趋势。因此，通过拟合得到的多阶尺度变换模型不能准确反映锂离子电池的退化趋势。通过对比发现随着累计量的增加，改进wiener过程的估计误差逐渐减小。这是因为随着累积量的增加，锂离子电池的退化信息更加完善，多阶尺度变换模型可以更加精确的反应锂离子电池的容量衰减趋势，因此改进wiener过程的估计结果更接近真实值。改进wiener过程的电池寿命估计值都小于锂离子电池的实际寿命值。由于估计值小于实际值，可以及时替换掉将要老化的电池，这在实际的工程应用中不会因为电池过度老化造成安全事故。通过改进wiener过程估计锂离子电池寿命值与可靠度，实现在线监测和损耗预警，从而确定维护计划，通过故障预处理提高系统可靠性。相比于其他过程，改进wiener过程的估计结果均小于电池的实际寿命值，可以更加高效地替换掉失效的电池，从而避免电池进入失效状态，从而可以提高供电系统的可靠性与安全性。
[0181]
本发明的优点和积极效果是：
[0182]
1、本发明从锂离子电池的退化机理出发，采用小波变换对锂离子电池容量退化数据进行重构，建立三阶尺度变换模型对累积量对应的循环次数进行尺度转换，从而使非线性wiener过程转化为线性wiener过程；基于改进wiener过程的锂离子电池性能退化模型对锂离子电池的电池剩余寿命rul进行估计，进而准确地判断锂离子电池的健康状态，从而保证电动汽车可靠运行。
[0183]
2、本发明根据得到的rul估计值均小于实际值，能够更加及时地发现失效电池，保证电动汽车动力系统的安全；相比较于人工智能模型，本发明可以给出不同累积量下的可靠度函数，对锂离子电池的可靠度进行分析。
[0184]
3、本发明设计合理，其通过测试结果发现提出模型的估计误差控制在了16％以内，可以满足实际工程的需要。相比较于很多现有估计模型的预测结果，提出模型的估计结果都小于实际值，这就使操作人员可以更加及时地替换掉将要失效的电池。可以提高电动汽车动力系统的安全水平，对促进电动汽车产业的发展有积极影响。
[0185]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0186]
图14是本发明实施例提供的电池寿命估计装置的结构示意图。如图14所示，在一
些实施例中，电池寿命估计装置14，包括：
[0187]
数据获取模块1410，用于获取目标电池的累积循环次数；
[0188]
尺度变换模块1420，用于根据预先建立的时间尺度转换模型对目标电池的累积循环次数进行尺度变换，得到尺度变换后的累积循环次数；
[0189]
参数确定模块1430，用于根据尺度变换后的累积循环次数、预先建立的累积容量退化模型，确定预先建立的电池寿命概率密度函数的参数；
[0190]
寿命估计模块1440，用于将尺度变换后的累积循环次数、参数输入到电池寿命概率密度函数中，确定电池寿命估计值；
[0191]
尺度逆变换模块1450，用于对电池寿命估计值进行尺度逆变换，得到最终寿命估计值；其中，时间尺度转换模型为：
[0192]m*
＝p1×
m3 p2×
m2 p3×m[0193]
其中，pi为拟合系数，m为累积循环次数，m
*
尺度变换后的累积循环次数。
[0194]
可选的，电池寿命估计装置14，还包括：尺度变换模型拟合模块1460。
[0195]
尺度变换模型拟合模块1460，用于建立三阶多项式模型；
[0196]
根据预先获取的多个参考电池的退化数据，对三阶多项式模型进行拟合，以确定每个累积循环次数对应的拟合系数；其中，参考电池为与目标电池同型号的电池；其中，退化数据包括多个累积循环次数和每个累积循环次数对应的累计容量损失；
[0197]
根据每个累积循环次数对应的多项式的拟合系数，确定该型号电池的电池累积容量退化轨迹；
[0198]
根据电池累积容量退化轨迹确定该型号电池的时间尺度变换模型。
[0199]
可选的，预先建立的电池寿命概率密度函数的参数包括漂移参数、扩散参数、失效阈值。电池寿命概率密度函数为：
[0200][0201]
其中，f(m
*
；l)为电池寿命概率密度函数，μ
*
为漂移参数，m
*
表示尺度变换后累计容量损失对应的循环次数，l为目标电池的失效阈值，z0为初始时刻目标电池的累计容量损失，σ
*
为扩散参数。
[0202]
寿命估计模块1440，用于将尺度变换后的累积循环次数、参数输入到电池寿命概率密度函数中，以确定电池寿命概率密度函数的期望值，并将其作为电池寿命估计值。
[0203]
可选的，电池寿命估计装置14还包括：可靠度计算模块1470。
[0204]
可靠度计算模块1470，用于根据电池寿命概率密度函数，确定电池寿命可靠度函数；
[0205]
根据电池寿命可靠度函数，计算电池的可靠度；
[0206]
电池寿命可靠度函数为：
[0207][0208]
其中，r(m
*
；l)为电池寿命可靠度函数，ф(x)为标准正态分布函数。
[0209]
可选的，参数确定模块1430，用于根据预先建立的累积容量退化模型，对漂移参
数、扩散参数、失效阈值进行极大似然估计，确定参数估计表达式；
[0210]
将尺度变换后的累积循环次数输入到参数估计表达式中，得到漂移参数、扩散参数、失效阈值的估计值；
[0211]
参数估计表达式为：
[0212][0213]
其中，为漂移参数的估计值，为扩散参数的估计值，为失效阈值的估计值，zi为目标电池第i次充放电循环时的单次容量损耗。
[0214]
可选的，电池累积容量退化模型为：
[0215][0216]
其中，z(m
*
)表示累计容量损耗，z0为初始时刻目标电池的累计容量损失，μ
*
为漂移参数，m
*
表示尺度变换后累计容量损失对应的循环次数，σ
*
为扩散参数，c(m
*
)为随机过程，服从布朗运动。
[0217]
可选的，电池寿命估计装置14还包括：模型检验模块1480。
[0218]
模型检验模块1480，用于根据预先建立的累积容量退化模型确定目标电池的多个累积循环次数对应的单次容量损耗；
[0219]
根据各个单次容量损耗进行正态分布检验，以验证电池累积容量退化模型是否符合维纳过程；
[0220]
若电池累积容量退化模型符合维纳过程，则表明累积容量退化模型可以使用；
[0221]
若电池累积容量退化模型不符合维纳过程，则删除电池累积容量退化模型。
[0222]
可选的，电池寿命估计装置14还包括：数据重构模块1490。
[0223]
数据重构模块1490，用于获取多个参考电池的初始退化信息；
[0224]
对初始退化信息进行小波变换重构，得到多个参考电池的退化数据。
[0225]
本实施例提供的车辆粘接结构强度校核装置，可用于执行上述车辆粘接结构强度校核方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
[0226]
图15是本发明实施例提供的电池管理系统的结构示意图。如图15所示，该实施例的电池管理系统15包括：处理器1500、存储器1510以及存储在存储器1510中并可在处理器1500上运行的计算机程序1520。处理器1500执行计算机程序1520时实现上述各个直流互窜检测方法实施例中的步骤，例如图2所示的步骤201至204。或者，处理器1500执行计算机程序1520时实现上述各装置实施例中各模块/单元的功能，例如图7所示的步骤701至704。
[0227]
示例性的，计算机程序1520可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器1510中，并由处理器1500执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序1520在电池管理系统15中的执行过程。
[0228]
电池管理系统15可以是服务器、终端等，在此不作限定。终端可以包括但不限于台式计算机、笔记本电脑、平板电脑等终端。服务器可以是独立的物理服务器，也可以是云服务器，还可以是多个服务器组成的服务器集群，在此不做限定。本领域技术人员可以理解，图15仅仅是电池管理系统15的示例，并不构成对电池管理系统15的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
[0229]
所称处理器1500可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0230]
存储器1510可以是电池管理系统15的内部存储单元，例如电池管理系统15的硬盘或内存。存储器1510也可以是电池管理系统15的外部存储设备，例如电池管理系统15上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器1510还可以既包括电池管理系统15的内部存储单元也包括外部存储设备。存储器1510用于存储计算机程序以及终端所需的其他程序和数据。存储器1510还可以用于暂时地存储已经输出或者将要输出的数据。
[0231]
本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述直流互窜检测方法实施例中的步骤。
[0232]
计算机可读存储介质存储有计算机程序1520，计算机程序1520包括程序指令，程序指令被处理器1500执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序1520来指令相关的硬件来完成，计算机程序1520可存储于一计算机可读存储介质中，该计算机程序1520在被处理器1500执行时，可实现上述各个方法实施例的步骤。其中，计算机程序1520包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0233]
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
[0234]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0235]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0236]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0237]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0238]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0239]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0240]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0241]
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0242]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例
对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。