本發(fā)明涉及電池健康狀態(tài)估計技術(shù)領(lǐng)域，特別涉及一種用于電動汽車共享充電樁的智能化電池健康狀態(tài)檢測方法。

背景技術(shù)：

隨著電動汽車產(chǎn)業(yè)的發(fā)展，鋰離子電池在電動汽車儲能領(lǐng)域被大規(guī)模應(yīng)用。由于電池充放電壽命有限，并且不當(dāng)?shù)碾姵毓芾頃铀匐姵乩匣?，增加電池故障概率，?dǎo)致電動汽車性能下降、甚至可能造成火災(zāi)和爆炸。一般電池壽命估計方法在實際應(yīng)用中存在諸多難點：其一，不同電動汽車廠商根據(jù)其自身企業(yè)優(yōu)勢以及不同的定位，所采用的電池種類以及技術(shù)路線不同；其二，由于鋰離子電池單體功率以及容量相對有限，為了給電動汽車提供足夠的續(xù)航里程，并且保持驅(qū)動功率，往往采用多電池單元串并聯(lián)組合的方式，增加了系統(tǒng)建模的難度。

鋰電池的健康狀態(tài)是鋰電池參數(shù)估計中的最核心問題之一。目前對于鋰離子電池壽命的估計方法以主要有以下幾種：基于電化學(xué)的分析方法如電化學(xué)阻抗譜(electrochemicalimpedancespectroscopy,eis)等需借助特定設(shè)備。阻抗法在傳統(tǒng)的鉛酸電池、鎳氫電池中應(yīng)用較為廣泛，鋰離子電池由于自身阻抗較小，且歐姆內(nèi)阻隨電池充放電循環(huán)變化很小，對設(shè)備的測量精度依賴程度較高。安時法設(shè)計簡單，便于實現(xiàn)，但只能離線應(yīng)用。以上幾種方法均需要較長的測試分析時間。目前電池健康狀態(tài)的快速檢測是產(chǎn)業(yè)空白。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的旨在至少解決所述技術(shù)缺陷之一。

為此，本發(fā)明的目的在于提出一種用于電動汽車共享充電樁的智能化電池健康狀態(tài)檢測方法。

為了實現(xiàn)上述目的，本發(fā)明的實施例提供一種用于電動汽車共享充電樁的智能化電池健康狀態(tài)檢測方法，包括如下步驟：

步驟s1，跟蹤用戶應(yīng)用的動力電池數(shù)據(jù)，并對該動力電池數(shù)據(jù)進行分類存儲；

步驟s2，以所述動力電池數(shù)據(jù)中的實測電流、端電壓和表面溫度作為輸入樣本，構(gòu)建所述動力電池數(shù)據(jù)的訓(xùn)練數(shù)據(jù)集，得到最小二乘支持向量機lssvm回歸模型；

步驟s3，對步驟s2中得到的lssvm回歸模型中的參數(shù)進行提取，根據(jù)參數(shù)構(gòu)建動力電池健康狀態(tài)訓(xùn)練模型，對當(dāng)前充電電池單元進行健康評估；

步驟s4，根據(jù)模型優(yōu)化結(jié)果，以電池當(dāng)前最大容量作為健康狀態(tài)評價指標，基于最小二乘支持向量機構(gòu)建動力電池健康狀態(tài)模型，并對模型參數(shù)進行優(yōu)化；

步驟s5，將數(shù)據(jù)庫中的電壓、電流、溫度以及時間信息通過通信協(xié)議傳輸?shù)奖O(jiān)測平臺上，由監(jiān)測平臺通過lssvm算法計算電池的健康狀態(tài)soh，并顯示在檢測界面上，同時發(fā)送到用戶手機端，以及對于電池的不正常工作狀態(tài)發(fā)送提示信息。

進一步，在所述步驟s1中，所述對該動力電池數(shù)據(jù)進行分類存儲，包括如下步驟：

建立用戶檔案，對不同電動汽車賦予唯一的識別碼；

根據(jù)電動汽車制造廠商以及所采用的儲能技術(shù)方案分類為c1,c2,...,cn，

通過數(shù)據(jù)庫存儲上述分類數(shù)據(jù)，并對同類電池充放電數(shù)據(jù)進行歸檔保存，并在用戶使用過程中實時更新。

進一步，在所述步驟s2中，構(gòu)建所述動力電池數(shù)據(jù)的訓(xùn)練數(shù)據(jù)集，包括如下步驟：

步驟b1，對于數(shù)類型ci，從數(shù)據(jù)庫提取完整充電數(shù)據(jù)樣本si，

步驟b2，分別對電壓u、電流i、以及溫度t特征量線性歸一化處理，

步驟b3，通過安時積分法計算樣本動力電池組當(dāng)前最大容量，并作為數(shù)據(jù)標簽，表征電池當(dāng)前健康狀態(tài)，

步驟b4，以si數(shù)據(jù)樣本中充電接近完成階段多維外特性參數(shù)di作為訓(xùn)練集輸入，

步驟b5，以輸入數(shù)據(jù)以及數(shù)據(jù)標簽構(gòu)建訓(xùn)練樣本

t＝{t1,t2,...,tn}＝{(s1,q1),(s2,q2),...,(sn,qn)}，

步驟b6，初始化訓(xùn)練模型

步驟b7將模型轉(zhuǎn)化為優(yōu)化問題

步驟b8,構(gòu)建拉格朗日方程

步驟b9，求解拉格朗日方程極值點

步驟b10，求解拉格朗日方程，得到參數(shù)表達式

步驟b11，得到最小二乘支持向量機lssvm回歸模型；

步驟b12，對得到的lssvm回歸模型的參數(shù)進行優(yōu)化。

進一步，采用粒子群、差分進化算法或梯度下降法對得到的lssvm回歸模型的參數(shù)進行優(yōu)化。

進一步，在所述步驟s3中，所述根據(jù)參數(shù)構(gòu)建動力電池健康狀態(tài)訓(xùn)練模型，包括如下步驟：

步驟c1，將數(shù)據(jù)集t輸入最小二乘支持向量機模型；

步驟c2，以高斯核函數(shù)作為模型核函數(shù)，k(x,y)＝exp(-||x-y||²/2σ²)；

步驟c3，對數(shù)據(jù)樣本進行交叉驗證以防止過擬合；

步驟c4，優(yōu)化模型參數(shù)，得到模型

進一步，在所述步驟c4中，采用梯度下降、粒子群、差分進化方法優(yōu)化模型參數(shù)。

進一步，在所述步驟s4中，所述構(gòu)建動力電池健康狀態(tài)模型，包括如下步驟：

步驟d1，對于未知健康狀態(tài)的電池動態(tài)特性曲線，同樣以充電完成前固定時間特性曲線作為模型輸入；

步驟d2，將輸入數(shù)據(jù)帶入模型；

步驟d3，計算并傳輸給控制中心，同時將電池健康狀態(tài)反饋給用戶。

根據(jù)本發(fā)明實施例的用于電動汽車共享充電樁的智能化電池健康狀態(tài)檢測方法，針對電池組壽命狀態(tài)在實際環(huán)境中無法準確估計問題，通過共享充電樁完成數(shù)據(jù)的采集，采用lssvm方法對電池健康程度soh進行估計，同時，設(shè)計了基于vc環(huán)境下的測試平臺，以及軟件平臺與用戶交互系統(tǒng)。在充電的過程中進行完善數(shù)據(jù)庫，利用大數(shù)據(jù)分析方法完成電池數(shù)據(jù)模型的構(gòu)建，并可在充電過程中對所有用戶的儲能系統(tǒng)健康狀態(tài)進行評估。

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明的上述和/或附加的方面和優(yōu)點從結(jié)合下面附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1為根據(jù)本發(fā)明實施例的用于電動汽車共享充電樁的智能化電池健康狀態(tài)檢測方法的流程圖；

圖2為根據(jù)本發(fā)明實施例的用于電動汽車共享充電樁的智能化電池健康狀態(tài)檢測方法的架構(gòu)圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

本發(fā)明提出一種用于電動汽車共享充電的智能化大數(shù)據(jù)電池健康狀態(tài)檢測方法，可以實現(xiàn)在電動汽車充電狀態(tài)下評估電池的健康狀態(tài)

如圖1和圖2所示，本發(fā)明實施例的用于電動汽車共享充電樁的智能化電池健康狀態(tài)檢測方法，包括如下步驟：

步驟s1，跟蹤用戶應(yīng)用的動力電池數(shù)據(jù)，并對該動力電池數(shù)據(jù)進行分類存儲。

具體的，跟蹤并獲取共享充電樁的在電動汽車充電過程中獲取動力電池的外部特性變化曲線，如充電電流、端電壓以及電池表面溫度，然后將上述數(shù)據(jù)進行分類存儲。在本發(fā)明的一個實施例中，本發(fā)明可以通過獲取用戶使用的動力電池的信息，分別根據(jù)不同電動車儲能單元在數(shù)據(jù)庫mysql分類存儲。

其中，對該動力電池數(shù)據(jù)進行分類存儲，包括如下步驟：

建立用戶檔案，對不同電動汽車賦予唯一的識別碼；

根據(jù)電動汽車制造廠商以及所采用的儲能技術(shù)方案分類為c1,c2,...,cn，

通過數(shù)據(jù)庫存儲上述分類數(shù)據(jù)，并對同類電池充放電數(shù)據(jù)進行歸檔保存，并在用戶使用過程中實時更新。

步驟s2，以動力電池數(shù)據(jù)中的實測電流、端電壓和表面溫度作為輸入樣本，構(gòu)建動力電池數(shù)據(jù)的訓(xùn)練數(shù)據(jù)集，得到最小二乘支持向量機lssvm(leastsquaresupportvectormachine,lssvm)回歸模型。

即，將充電過程中動力電池外特性：實測電流、端電壓以及表面溫度作為研究標準，為接下來的算法提供研究對象。

根據(jù)上述實測電流、端電壓以及表面溫度，構(gòu)建動力電池數(shù)據(jù)的訓(xùn)練數(shù)據(jù)集，包括如下步驟：

步驟b1，對于數(shù)類型ci，從數(shù)據(jù)庫提取完整充電數(shù)據(jù)樣本si，

步驟b2，分別對電壓u、電流i、以及溫度t特征量線性歸一化處理，

步驟b3，通過安時積分法計算樣本動力電池組當(dāng)前最大容量，并作為數(shù)據(jù)標簽，表征電池當(dāng)前健康狀態(tài)，

步驟b4，以si數(shù)據(jù)樣本中充電接近完成階段多維外特性參數(shù)di作為訓(xùn)練集輸入，

步驟b5，以輸入數(shù)據(jù)以及數(shù)據(jù)標簽構(gòu)建訓(xùn)練樣本

t＝{t1,t2,...,tn}＝{(s1,q1),(s2,q2),...,(sn,qn)}，

步驟b6，初始化訓(xùn)練模型

步驟b7將模型轉(zhuǎn)化為優(yōu)化問題

步驟b8,構(gòu)建拉格朗日方程

步驟b9，求解拉格朗日方程極值點

步驟b10，求解拉格朗日方程，得到參數(shù)表達式

步驟b11，得到最小二乘支持向量機lssvm回歸模型；

步驟b12，對得到的lssvm回歸模型的參數(shù)進行優(yōu)化。

在本發(fā)明的一個實施例中，采用粒子群、差分進化算法或梯度下降法對得到的lssvm回歸模型的參數(shù)進行優(yōu)化。

步驟s3，對步驟s2中得到的lssvm回歸模型中的參數(shù)進行提取，根據(jù)參數(shù)構(gòu)建動力電池健康狀態(tài)訓(xùn)練模型，對當(dāng)前充電電池單元進行健康評估。

根據(jù)參數(shù)構(gòu)建動力電池健康狀態(tài)訓(xùn)練模型，包括如下步驟：

步驟c1，將數(shù)據(jù)集t輸入最小二乘支持向量機模型；

步驟c2，以高斯核函數(shù)作為模型核函數(shù)，k(x,y)＝exp(-||x-y||²/2σ²)；

步驟c3，對數(shù)據(jù)樣本進行交叉驗證以防止過擬合；

步驟c4，優(yōu)化模型參數(shù)，得到模型

在本發(fā)明的一個實施例中，采用梯度下降、粒子群、差分進化方法優(yōu)化模型參數(shù)。

具體地，在電池數(shù)據(jù)模型的基礎(chǔ)上，應(yīng)用粒子群、差分進化、梯度下降等參數(shù)優(yōu)化方法提高計算效率，并利用交叉驗證方法避免過擬合問題。

步驟s4，根據(jù)模型優(yōu)化結(jié)果，以電池當(dāng)前最大容量作為健康狀態(tài)評價指標，基于最小二乘支持向量機構(gòu)建動力電池健康狀態(tài)模型，并對模型參數(shù)進行優(yōu)化。

具體地，在對動力電池充電的過程中完成參數(shù)提取，完善數(shù)據(jù)庫并對當(dāng)前充電電池單元進行健康評估。以電池當(dāng)前最大容量作為健康狀態(tài)評價指標，基于最小二乘支持向量機建立數(shù)據(jù)模型，并對模型參數(shù)進行尋優(yōu)。

其中，構(gòu)建動力電池健康狀態(tài)模型，包括如下步驟：

步驟d1，對于未知健康狀態(tài)的電池動態(tài)特性曲線，同樣以充電完成前固定時間特性曲線作為模型輸入；

步驟d2，將輸入數(shù)據(jù)帶入模型；

步驟d3，計算并傳輸給控制中心，同時將電池健康狀態(tài)反饋給用戶。

步驟s5，將數(shù)據(jù)庫中的電壓、電流、溫度以及時間信息通過通信協(xié)議傳輸?shù)奖O(jiān)測平臺上，由監(jiān)測平臺通過lssvm算法計算電池的健康狀態(tài)soh，并顯示在檢測界面上，同時發(fā)送到用戶手機端，以及對于電池的不正常工作狀態(tài)發(fā)送提示信息。

具體地，建立電池數(shù)據(jù)模型，在windows環(huán)境下，設(shè)計以vc++為開發(fā)內(nèi)核的測試軟件，以vc++為開發(fā)內(nèi)核的圖形化語言界面mfc，作為電池的軟件測是平臺，將數(shù)據(jù)庫中的電壓、電流、溫度以及時間信息通過通信協(xié)議傳輸?shù)綑z測平臺的軟件上，將pso-lssvm算法打包進軟件測試平臺完成對電動車儲能系統(tǒng)健康狀態(tài)的估算，同時設(shè)計電池主要參數(shù)的顯示界面，以及通信接口，完成對電池狀態(tài)的顯示，對于非正常狀態(tài)，在顯示界面以及用戶手機端發(fā)出警告。例如，對于電池的不正常工作狀態(tài)，向用戶手機端發(fā)送提示信息。

綜上，本發(fā)明提出了一種用于電動汽車共享充電的智能化大數(shù)據(jù)電池健康狀態(tài)監(jiān)測方法，通過共享充電樁的在電動汽車充電過程中獲取動力電池的外部特性變化曲線，如充電電流、端電壓以及電池表面溫度，對不同種類電動汽車分別構(gòu)建數(shù)據(jù)庫分類管理，通過機器學(xué)習(xí)的方法構(gòu)建電池充電特性曲線與電池健康狀態(tài)的非線性相關(guān)性關(guān)系。檢測過程中，通過所測量的末段放電曲線，評估電池健康狀態(tài)，對于健康狀態(tài)異常的情況，及時反饋給用戶并上傳數(shù)據(jù)中心，提前預(yù)警以消除安全隱患。

根據(jù)本發(fā)明實施例的用于電動汽車共享充電樁的智能化電池健康狀態(tài)檢測方法，針對電池組壽命狀態(tài)在實際環(huán)境中無法準確估計問題，通過共享充電樁完成數(shù)據(jù)的采集，采用lssvm方法對電池健康程度soh進行估計，同時，設(shè)計了基于vc環(huán)境下的測試平臺，以及軟件平臺與用戶交互系統(tǒng)。在充電的過程中進行完善數(shù)據(jù)庫，利用大數(shù)據(jù)分析方法完成電池數(shù)據(jù)模型的構(gòu)建，并可在充電過程中對所有用戶的儲能系統(tǒng)健康狀態(tài)進行評估。

在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結(jié)合。

盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在不脫離本發(fā)明的原理和宗旨的情況下在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。本發(fā)明的范圍由所附權(quán)利要求及其等同限定。