一种电动车辆的电池寿命评估方法与流程

1.本发明涉及新能源汽车技术领域，尤其涉及电动车辆的电池寿命评估方法。


背景技术：

2.电池容量是电池寿命的重要评价指标。而电池具有强时变性和非线性，电池使用过程中其以容量为指标的寿命会不断衰减，直至无法满足车辆的使用需求而退役。通常对于动力电池来说，当容量衰减到初始值的80％时便可认为寿命达到终止，继续使用将使得车辆续驶里程缩水、加速能力下降，并可能带来安全隐患，因此及时准确地进行电池容量估计而实现寿命评估成为电池管理的关键技术。
3.采用基于等效电路模型的估计方法进行容量估计是其中一种方案，但由于等效电路模型参数较多且参数辨识困难的问题。数据驱动的方法又需要事先获取电池全生命周期的数据进行训练，存在实验工作量大的问题。可以看到，在车载在线应用时需要一种简单易行的寿命估计方法。


技术实现要素：

4.针对上述现实场景需求以及现有技术存在的问题，本发明提供一种电动车辆的电池寿命评估方法，通过引入经验模型来对电池使用过程中的容量趋势进行描述，通过每次充放电循环得到的容量进行经验模型参数辨识，并基于辨识后的等效电路模型进行电池寿命评估和剩余循环次数的预测。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种电动车辆的电池寿命评估方法，包括以下步骤：
7.s1：从电池荷电状态第一阈值soc1开始充电，直至充电至荷电状态第二阈值soc2，记充入的电量为qc；
8.s2：从电池荷电状态第三阈值soc3开始放电，直至放电至荷电状态第四阈值soc4，记放出的电量为qd；
9.s3：根据每次充电或放电是电池放出的电量以及soc的变化，进行电池容量估计；
10.s4：重复执行步骤1～3得到不同充放电循环n1,n2,
…
,nk的容量序列q1,q2,
…
,qk，采用扩展卡尔曼滤波算法对容量序列进行降噪处理，得到滤波后的电池容量序列值q
f1
,q
f2
,
…
,q
fk
；
11.s5：以初始容量q0的80％作为寿命终止点，评估当前寿命值；
12.s6：以初始容量q0的80％作为寿命终止点，预测电池剩余循环使用次数。
13.进一步地，在步骤s1中，所述荷电状态第二阈值soc2优选为1。
14.进一步地，在步骤s2中，所述荷电状态第三阈值soc3优选为1。
15.进一步地，用于步骤s3中，融合充电和放电计量的数据，得到一次充放电循环n1时电池容量q1，且q1按照下式计算
[0016][0017]
进一步地，用于步骤s3中，每次充电时记录电池充入的电量以及电池soc的变化，按下式进行电池容量估计：
[0018][0019]
进一步地，用于步骤s3中，每次放电时记录电池放出的电量以及电池soc的变化，按下式进行电池容量估计：
[0020][0021]
进一步地，在采用扩展卡尔曼滤波算法时，采用幂函数形式对容量-循环次数形式进行描述，具体如下式：
[0022]
q＝anb c
[0023]
其中，a、b和c均为待定参数。
[0024]
进一步地，用于步骤s5中，在经过滤波得到当前循环的容量q后，按照下式进行当前soh的评估：
[0025][0026]
进一步地，用于步骤s6中，在经过滤波得到当前循环的容量q后，按照下式预测剩余循环次数n
rul
：
[0027][0028]
相比于现有技术，本发明的有益效果在于：
[0029]
充分利用充放电数据提升容量估计的精度；
[0030]
引入容量变化经验模型，降低计算复杂度和参数辨识难度；
[0031]
实现电池当前寿命状态和未来剩余循环次数的预测。
附图说明
[0032]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0033]
图1为本发明提出的电动车辆的电池寿命评估方法的步骤流程图；
[0034]
图2为本发明实施例提出根据电池不同循环次数下的容量在滤波前后的对比折线图。
具体实施方式
[0035]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0036]
需要说明的是，在本实施方式中：电池包中采用霍尔传感器进行电池电流测量，在
电池包控制器中采用固定周期0.1s进行电流测量，并对0～t时间内的电流进行积分；
[0037]
电流积分可以近似每次固定周期0.1s内采集得到的电流i1,i2,
…
,in的累加实现，进而得到充电或放电过程中的电量变化；
[0038]
在进行电量计算时应对于充电和放电区分电流正负值实现电流积分。
[0039]
参照图1，电动车辆的电池寿命评估方法，包括以下步骤：
[0040]
s1：从电池荷电状态(state of charge，soc)第一阈值soc1开始充电，直至充电至荷电状态第二阈值soc2，记充入的电量为qc；
[0041]
s2：从电池荷电状态第三阈值soc3开始放电，直至放电至荷电状态第四阈值soc4，记放出的电量为qd；
[0042]
s3：根据每次充电或放电是电池放出的电量以及soc的变化，进行电池容量估计；
[0043]
s4：重复执行步骤1～3得到不同充放电循环n1,n2,
…
,nk的容量序列q1,q2,
…
,qk，采用扩展卡尔曼滤波算法对容量序列进行降噪处理，得到滤波后的电池容量序列值q
f1
,q
f2
,
…
,q
fk
；
[0044]
s5：以初始容量q0的80％作为寿命终止点，评估当前寿命值；
[0045]
s6：以初始容量q0的80％作为寿命终止点，预测电池剩余循环使用次数。
[0046]
优选的，在步骤s1中，所述荷电状态第二阈值soc2优选为1。
[0047]
优选的，在步骤s2中，所述荷电状态第三阈值soc3优选为1。
[0048]
在本技术的具体实施例中，在经过滤波得到当前循环的容量q后，按照下式进行当前soh的评估：
[0049][0050]
在经过滤波得到当前循环的容量q后，按照下式预测剩余循环次数n
rul
：
[0051][0052]
作为同一发明的优选实施例，用于步骤s3中，融合充电和放电计量的数据，得到一次充放电循环n1时电池容量q1，且q1按照下式计算
[0053][0054]
作为同一发明的另一优选实施例，用于步骤s3中，每次充电时记录电池充入的电量以及电池soc的变化，按下式进行电池容量估计：
[0055][0056]
作为同一发明的另一优选实施例，用于步骤s3中，每次放电时记录电池放出的电量以及电池soc的变化，按下式进行电池容量估计：
[0057][0058]
在本技术的具体实施例中，由于soc估计误差、电流误差的存在，每次容量估计会有存在噪声干扰和波动，采用扩展卡尔曼滤波方法对电池容量进行降噪处理，在采用扩展
卡尔曼滤波算法时，采用幂函数形式对容量-循环次数形式进行描述，所采用的容量q与循环次数n的关系计算，具体如下式：
[0059]
q＝anb c
[0060]
其中，a、b和c均为待定参数；
[0061]
需要说明的是，根据电池不同循环次数下的容量在滤波前后的对比，具体见图2，可以得出滤波后电池容量相对平稳，可以比较好地计算电池寿命状态，同时，在每个循环次数下都将得到a、b和c三个参数值。
[0062]
由上述实施例可得，第65次循环得到的a＝-0.45、b＝0.49、c＝56。依照上式计算得到的剩余循环次数约为748次。
[0063]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。