一种电池组的健康状态评估方法及系统

技术领域

本发明涉及储能电池评估技术领域，尤其涉及一种电池组的健康状态评估方法及系统。

背景技术

随着我国锂离子电池产业的高速发展，锂离子电池已广泛应用于电动汽车和储能电站等领域。电池健康状态的准确评估是系统安全稳定运行的重要保障，健康状态估不准将影响电池的使用性能，甚至引发热失控等安全问题。在实际应用中，通常由大量电池单体串并联构成电池组以满足电池系统对大容量、高功率的需求。因此，开展锂离子电池组的健康状态评估更加符合实际需求。

然而电池单体在成组前便存在初始性能差异，同时在电池组循环老化过程中由于各单体电池的温度、电压和机械应力的差异造成其内部性能变化程度不同，从而进一步扩大单体间的不一致性。因此，电池组的性能衰退不仅由其内部单体老化造成，还受到单体间不一致性差异的影响。

此外，相比于电池单体，电池组的工作过程更加复杂，可监测参数的数量、种类都有所减少。目前针对锂离子电池组健康状态估计的研究中仍存在基于实际场景中难以获取的电池宽SOC区间或完整充放电曲线提取特征以及通过大样本数据建模等问题。

发明内容

本发明公开了一种电池组的健康状态评估方法及系统，提高电池组健康状态评估的准确性及效率。

为了实现上述目的，本发明公开了一种电池组的健康状态评估方法，包括：

获取待评估电池组的历史充放电运行数据，并通过预设的SOC区间阈值从所述历史充放电运行数据中获取第一SOC区间内的充放电运行数据；所述充放电运行数据包括所述第一SOC区间内电池组的充电数据及所述第一SOC区间内电池组充放电制式切换时刻点的电池组运行数据；

根据所述第一SOC区间内的充放电运行数据，通过预设的健康指标提取公式获得所述待评估电池组对应的健康指标；

通过预设的特征选择方法对所述健康指标进行特征筛选，获得所述待评估电池组对应的健康指标特征集；

将所述健康指标特征集输入到预设的电池组健康状态评估模型，对所述待评估电池组进行健康状态评估，获得所述待评估电池组对应的评估结果。

本发明公开了一种电池组的健康状态评估方法，首先获取待评估电池组的历史充放电运行数据，并从所述历史充放电运行数据中筛选获得部分SOC区间内的充放电运行数据，一方面降低数据处理量，提高评估效率，一方面基于稳定的充放电运行数据进行健康状态评估，可保证评估结果的准确性，在获得删选后的历史运行数据后，通过预设的健康指标提取公式对筛选后的充放电运行数据进行健康指标提取，以使根据提取后的健康指标进行评估，进一步提高评估的效率，然后对所述健康指标进行特征筛选，以便于解决健康指标冗余造成的模型过拟合，提高评估的准确性，最后利用预设的评估模型对输入的特征集进行健康状态评估，获得所述电池组的健康状态评估结果。

作为优选例子，在所述获取待评估电池组的历史充放电运行数据，并通过预设的SOC区间阈值从所述历史充放电运行数据中获取第一SOC区间内的充放电运行数据，包括：

获取所述待评估电池组的放电截止电压及充电截止电压，并根据所述放电截止电压及充电截止电压获取所述待评估电池组的历史充放电运行数据；

根据预设的SOC区间阈值抽取所述待评估电池组对应的历史充放电运行数据中位于所述SOC区间阈值内的所述第一SOC区间内电池组的充电数据；

根据所述SOC区间阈值，获得所述历史充放电运行数据中的电流值的切换时刻，并获取所述切换时刻对应的历史充放电运行数据，获得所述第一SOC区间内电池组充放电制式切换时刻点的电池组运行数据。

本发明以电池组的充电截止电压及放电截止电压为循环节点，获得所述电池组完整运行过程中的历史充放电运行数据，在通过预设的SOC区间阈值从所述历史充放电运行数据中抽取部分运行数据，一方面利用稳定的运行数据进行评估，提高评估的准确性，一方面降低数据的处理量，提高评估的效率。

作为优选例子，在所述根据所述第一SOC区间内的充放电运行数据，通过预设的健康指标提取公式获得所述待评估电池组对应的健康指标，包括：

根据所述第一SOC区间内的充放电运行数据，通过预设的第一健康指标提取公式获得表征所述待评估电池组整体性衰退趋势的第一健康指标；

根据所述待评估电池组内每个单体电池在所述第一SOC区间内分别对应的充放电运行数据，通过预设的第二健康指标提取公式获得表征所述单体电池间不一致性差异的第二健康指标。

本发明利用预设的不同的健康指标提取公式分别提取表征所述电池组整体性能衰退趋势和所述电池组内单体间不一致性差异的健康指标，以使通过整体及单体间的差异性对所述电池组进行评估，提高评估的全面性，进而提高评估结果的准确性。

作为优选例子，在所述通过预设的第一健康指标提取公式获得表征所述待评估电池组整体性衰退趋势的第一健康指标，包括：

获取所述第一SOC区间内所述待评估电池组的平均电压，所述平均电压的计算公式如下：

其中，所述U

获取所述第一SOC区间内所述待评估电池组的容量标准差stdQ

获取待评估电池组在所述第一SOC区间内对应的电压范围[V

V

通过安时积分法计算所述待评估电池组在所述电压范围内的容量序列：

Q

其中，1,2,...,n对应于电池组电压区间范围内的相应电压点；1,2,...,N对应于电池组的循环数，Q

将所述待评估电池组在不同循环下的容量序列与第一次循环下容量序列相减获得容量差分序列：

Q

其中，Q

分别求取不同循环下所述待评估电池组容量序列Q

获取所述待评估电池组充电过程中充电制式切换时刻的电池组电压U

获取所述待评估电池组充电结束静置一定时间后的电池组电压U

获取所述待评估电池组开始放电时，瞬时放电一定时长内的电池组压降U

本发明根据所述第一SOC区间内的充放电运行数据，提取出表征所述电池组整体性能衰退趋势的健康指标，以使从所述电池组整体方面提供用于健康状态评估的数据，以使提高健康状态评估的准确性。

作为优选例子，在所述通过预设的第二健康指标提取公式获得表征所述单体电池间不一致性差异的第二健康指标，包括：

对所述待评估电池组内的每只单体电池提取与所述待评估电池组相同的特征

计算所述每只单体电池特征间的极差、标准差和信息熵来表征单体电压、容量和内阻间的不一致性差异，表达式分别如下：

ran＝x

其中，i＝1,2,...,n，n为电池组内单体电池个数；x

其中，n为电池组内串联的单体电池个数；x

其中，n为电池组内串联的单体电池个数；p(i)为第i只单体对应的特征量。

本发明在获得所述第一健康指标的基础上，通过获取表征电池组内电池单体相对应部分充放电数据获取表征单体间不一致性差异的健康指标，以使后续从所述电池组整体及单体出发全面的对所述电池组的健康状态进行评估，提高评估的准确性。

作为优选例子，在所述通过预设的特征选择方法对所述健康指标进行特征筛选，获得所述待评估电池组对应的健康指标特征集，包括：

计算所述健康指标与所述待评估电池组的电池组容量之间的皮尔逊相关系数，并根据所述皮尔逊相关系数对所述健康指标进行过滤，获得初始健康指标特征集；

利用预设的包装法对所述初始健康指标特征集进行前向序列搜索，向所述初始健康指标特征集添加新特征，获得所述健康指标特征集。

本发明首先计算各个健康指标分别与电池组容量的皮尔逊相关系数，并根据所述皮尔逊相关系数对所述健康指标进行筛选，降低数据的处理量，提高评估的效率，同时利用包装法对所述健康指标进行搜索，以使获取最优的健康指标特征集，提高评估的准确率。

作为优选例子，在所述计算所述健康指标与所述待评估电池组的电池组容量之间的皮尔逊相关系数，包括：

利用预设的计算公式计算所述皮尔逊相关系数，所述计算公式为：

其中，x

本发明提供一种皮尔逊系数计算公式计算各个健康指标与电池组容量的相关性，以便于提取出相关性较高的健康指标进行状态评估，提高评估的准确性集效率。

另一方面，本发明公开了一种电池组的健康状态评估系统，包括数据获取模块、指标提取模块、特征筛选模块及状态评估模块；

所述数据获取模块用于获取待评估电池组的历史充放电运行数据，并通过预设的SOC区间阈值从所述历史充放电运行数据中获取第一SOC区间内的充放电运行数据；所述充放电运行数据包括所述第一SOC区间内电池组的充电数据及所述第一SOC区间内电池组充放电制式切换时刻点的电池组运行数据；

所述指标提取模块用于根据所述第一SOC区间内的充放电运行数据，通过预设的健康指标提取公式获得所述待评估电池组对应的健康指标；

所述特征筛选模块用于通过预设的特征选择方法对所述健康指标进行特征筛选，获得所述待评估电池组对应的健康指标特征集；

所述状态评估模块用于将所述健康指标特征集输入到预设的电池组健康状态评估模型，对所述待评估电池组进行健康状态评估，获得所述待评估电池组对应的评估结果。

本发明公开的一种电池组的健康状态评估系统，首先获取待评估电池组的历史充放电运行数据，并从所述历史充放电运行数据中筛选获得部分SOC区间内的充放电运行数据，一方面降低数据处理量，提高评估效率，一方面基于稳定的充放电运行数据进行健康状态评估，可保证评估结果的准确性，在获得删选后的历史运行数据后，通过预设的健康指标提取公式对筛选后的充放电运行数据进行健康指标提取，以使根据提取后的健康指标进行评估，进一步提高评估的效率，然后对所述健康指标进行特征筛选，以便于解决健康指标冗余造成的模型过拟合，提高评估的准确性，最后利用预设的评估模型对输入的特征集进行健康状态评估，获得所述电池组的健康状态评估结果。

作为优选例子，所述数据获取模块包括历史数据单元及数据抽取单元；

所述历史数据单元用于获取所述待评估电池组的放电截止电压及充电截止电压，并根据所述放电截止电压及充电截止电压获取所述待评估电池组的历史充放电运行数据；

所述数据抽取单元用于根据预设的SOC区间阈值抽取所述待评估电池组对应的历史充放电运行数据中位于所述SOC区间阈值内的所述第一SOC区间内电池组的充电数据；根据所述SOC区间阈值，获得所述历史充放电运行数据中的电流值的切换时刻，并获取所述切换时刻对应的历史充放电运行数据，获得所述第一SOC区间内电池组充放电制式切换时刻点的电池组运行数据。

本发明以电池组的充电截止电压及放电截止电压为循环节点，获得所述电池组完整运行过程中的历史充放电运行数据，在通过预设的SOC区间阈值从所述历史充放电运行数据中抽取部分运行数据，一方面利用稳定的运行数据进行评估，提高评估的准确性，一方面降低数据的处理量，提高评估的效率。

作为优选例子，所述指标提取模块包括第一指标单元及第二指标单元；

所述第一指标单元用于根据所述第一SOC区间内的充放电运行数据，通过预设的第一健康指标提取公式获得表征所述待评估电池组整体性衰退趋势的第一健康指标；

所述第二指标单元用于根据所述待评估电池组内每个单体电池在所述第一SOC区间内分别对应的充放电运行数据，通过预设的第二健康指标提取公式获得表征所述单体电池间不一致性差异的第二健康指标。

本发明利用预设的不同的健康指标提取公式分别提取表征所述电池组整体性能衰退趋势和所述电池组内单体间不一致性差异的健康指标，以使通过整体及单体间的差异性对所述电池组进行评估，提高评估的全面性，进而提高评估结果的准确性。

附图说明

图1：为本发明实施例提供的一种电池组的健康状态评估方法的流程示意图；

图2：为本发明实施例提供的一种电池组的健康状态评估系统的结构示意图；

图3：为本发明实施例提供的一种电池组容量衰退趋势示意图；

图4：为本发明实施例提供的一种基于循环次数的电池组电压平均值趋势示意图；

图5：为本发明实施例提供的一种基于循环次数的电池组容量序列标准差趋势示意图；

图6：为本发明实施例提供的一种基于循环次数的电池组容量差分序列标准差趋势示意图；

图7：为本发明实施例提供的一种基于循环次数的变电流时刻电池组电压趋势示意图；

图8：为本发明实施例提供的一种基于循环次数的满电静置后电池组电压趋势示意图；

图9：为本发明实施例提供的一种基于循环次数的瞬时放电5s内电池组压降趋势示意图。

具体实施方式

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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

本发明实施例提供了一种电池组的健康状态评估方法，所述评估方法的具体实施流程请参照图1，主要包括步骤101至步骤104，所述步骤为：

步骤101：获取待评估电池组的历史充放电运行数据，并通过预设的SOC区间阈值从所述历史充放电运行数据中获取第一SOC区间内的充放电运行数据；所述充放电运行数据包括所述第一SOC区间内电池组的充电数据及所述第一SOC区间内电池组充放电制式切换时刻点的电池组运行数据。

在本实施例中，该步骤主要包括：获取所述待评估电池组的放电截止电压及充电截止电压，并根据所述放电截止电压及充电截止电压获取所述待评估电池组的历史充放电运行数据；根据预设的SOC区间阈值抽取所述待评估电池组对应的历史充放电运行数据中位于所述SOC区间阈值内的所述第一SOC区间内电池组的充电数据；根据所述SOC区间阈值，获得所述历史充放电运行数据中的电流值的切换时刻，并获取所述切换时刻对应的历史充放电运行数据，获得所述第一SOC区间内电池组充放电制式切换时刻点的电池组运行数据。

示例性的，在本实施例中，设置待评估电池组从放电截止电压(电池组最低电压，假如为28V)充电到充电截止电压(电池组最高电压，假如为34V)，再从充电截止电压(电池组最高电压，假如为28V)放电到放电截止电压(电池组最低电压，假如为34V)为一次完整的充放电过程，获取所述完整的充放电过程中的所述待评估电池组的充放电运行数据，同时根据电池组SOC与电池组电压间具有一定的对应关系，此处以电池组电压作为条件，从完整的电池组充放电数据中提取出部分SOC区间内的电池组充电数据。(例如电池组完整充电过程中，电池组电压从28V增大到34V，仅从中提取30V-32V区间对应的电池组电压、电流、运行时间等数据(相对应SOC区间为30％SOC-70％SOC)，即为部分SOC区间内的电池组充电数据)，而所诉充放电制式切换时刻的充放电运行数据可通过电流作为判断条件获取，待评估电池组充放电过程电流不会一成不变，不同阶段电流值不同(例如第一阶段100A充电-第二阶段50A充电-第三阶段25A充电-第四阶段-200A放电)，不同阶段间的切换时刻(例如电流从100A切换为50A时刻，从25A切换为-200A)下的电池组电流、电压、运行时间即为充放电制式切换时刻点电池组运行数据。

步骤102：根据所述第一SOC区间内的充放电运行数据，通过预设的健康指标提取公式获得所述待评估电池组对应的健康指标。

在本实施例中，该步骤主要包括：根据所述第一SOC区间内的充放电运行数据，通过预设的第一健康指标提取公式获得表征所述待评估电池组整体性衰退趋势的第一健康指标；根据所述待评估电池组内每个单体电池在所述第一SOC区间内分别对应的充放电运行数据，通过预设的第二健康指标提取公式获得表征所述单体电池间不一致性差异的第二健康指标。

进一步的，在本实施例中，所述通过预设的第一健康指标提取公式获得表征所述待评估电池组整体性衰退趋势的第一健康指标，包括：

获取所述第一SOC区间内所述待评估电池组的平均电压，所述平均电压的计算公式如下：

其中，所述U

获取所述第一SOC区间内所述待评估电池组的容量标准差stdQ

获取待评估电池组在所述第一SOC区间内对应的电压范围[V

V

通过安时积分法计算所述待评估电池组在所述电压范围内的容量序列：

Q

其中，1,2,...,n对应于电池组电压区间范围内的相应电压点；1,2,...,N对应于电池组的循环数，Q

将所述待评估电池组在不同循环下的容量序列与第一次循环下容量序列相减获得容量差分序列：

Q

其中，Q

分别求取不同循环下所述待评估电池组容量序列Q

获取所述待评估电池组充电过程中充电制式切换时刻的电池组电压U

获取所述待评估电池组充电结束静置一定时间后的电池组电压U

获取所述待评估电池组开始放电时，瞬时放电一定时长内的电池组压降U

同时，所述通过预设的第二健康指标提取公式获得表征所述单体电池间不一致性差异的第二健康指标，包括：

对所述待评估电池组内的每只单体电池提取与所述待评估电池组相同的特征

计算所述每只单体电池特征间的极差、标准差和信息熵来表征单体电压、容量和内阻间的不一致性差异，表达式分别如下：

ran＝x

其中，i＝1,2,...,n，n为电池组内单体电池个数；x

其中，n为电池组内串联的单体电池个数；x

其中，n为电池组内串联的单体电池个数；p(i)为第i只单体对应的特征量。

示例性的，在本实施例中，基于上述步骤获取的30％-70％SOC区间及充放电制式切换时刻点的电池组运行数据进行健康指标的提取，在实例中，电池组容量的衰退趋势如图3，根据图3可知，随着电池组循环次数的增多，电池组容量逐渐下降，其次基于电池组部分充放电曲线外特性及所述预设的第一健康指标提取公式提取表征电池组整体性能衰退趋势的健康指标，所述健康指标随电池组老化演变的趋势可参照图4至图9，分别包括图4基于循环次数的电池组电压平均值趋势示意图、图5基于循环次数的电池组容量序列标准差趋势示意图、图6基于循环次数的电池组容量差分序列标准差趋势示意图、图7基于循环次数的变电流时刻电池组电压趋势示意图、图8基于循环次数的满电静置后电池组电压趋势示意图及图9基于循环次数的瞬时放电5s内电池组压降趋势示意图，再根据电池组内电池单体相对应特征值的极差、标准差和信息熵及所述预设的第二健康指标提取公式来获取表征单体间不一致性差异的健康指标，所提取健康指标如下表所示；

步骤103：通过预设的特征选择方法对所述健康指标进行特征筛选，获得所述待评估电池组对应的健康指标特征集。

在本实施例中，该步骤主要包括：计算所述健康指标与所述待评估电池组的电池组容量之间的皮尔逊相关系数，并根据所述皮尔逊相关系数对所述健康指标进行过滤，获得初始健康指标特征集；利用预设的包装法对所述初始健康指标特征集进行前向序列搜索，向所述初始健康指标特征集添加新特征，获得所述健康指标特征集。

进一步的，在本实施例中，所述计算所述健康指标与所述待评估电池组的电池组容量之间的皮尔逊相关系数，包括：

利用预设的计算公式计算所述皮尔逊相关系数，所述计算公式为：

其中，x

示例性的，在本实施例中，基于上表获得的健康指标，采用过滤法即计算上述表中各个健康指标与电池组容量的皮尔逊相关系数，根据所述皮尔逊相关系数对所述健康指标进行筛选，优选的，过滤掉与电池组容量间皮尔逊相关性系数小于0.2的无关健康指标，同时从表征电池组整体性能衰退趋势的健康指标中挑选出与电池组容量间皮尔逊相关性系数大于0.9的特征分别作为包装法的初始特征子集，再利用包装法采用前向序列搜索，通过向所述初始特征子集中不断加入新特，而选择出对模型效果良好改善的最优特征子集，得到的最优特征子集如下表所示；

优选的，在获得所述最优特征子集后，可利用预设的均方根误差表达式评估所述最优特征子集的优劣，所述均方根误差表达式为：

其中，y

在本实施例中，当根据所述包装法的后一轮搜索与前一轮搜索最优特征子集对应的均方根误差之间的差值小于前一轮搜索时最小均方根误差的三分之一时，停止搜索，通过从特征子集包含的特征个数与相对应的最小均方跟误差两方面对得到的N个初始特征不同的特征子集间的分析比较，挑选出当前情况下的最优特征子集。

步骤104：将所述健康指标特征集输入到预设的电池组健康状态评估模型，对所述待评估电池组进行健康状态评估，获得所述待评估电池组对应的评估结果。

在本实施例中，结合支持向量回归的机器学习算法构建所述电池组健康状态估计模型，并利用所述电池组健康状态估计模型根据获得的所述最优特征子集对所述待评估电池组进行健康状态评估，在获得所述电池组健康状态估计模型后可根据预设的训练集下筛选得到的最优特征子集作为模型输入，实现锂离子电池组全寿命周期健康状态的良好评估，不同训练集下测试集估计结果如图5所示，最大误差和均方根误差如下表所示：

另一方面，本发明还公开了一种电池组的健康状态评估系统，所述评估系统的具体结构组成可参照图2，主要包括数据获取模块201、指标提取模块202、特征筛选模块203及状态评估模块204。

所述数据获取模块201用于获取待评估电池组的历史充放电运行数据，并通过预设的SOC区间阈值从所述历史充放电运行数据中获取第一SOC区间内的充放电运行数据；所述充放电运行数据包括所述第一SOC区间内电池组的充电数据及所述第一SOC区间内电池组充放电制式切换时刻点的电池组运行数据。

所述指标提取模块202用于根据所述第一SOC区间内的充放电运行数据，通过预设的健康指标提取公式获得所述待评估电池组对应的健康指标。

所述特征筛选模块203用于通过预设的特征选择方法对所述健康指标进行特征筛选，获得所述待评估电池组对应的健康指标特征集。

所述状态评估模块204用于将所述健康指标特征集输入到预设的电池组健康状态评估模型，对所述待评估电池组进行健康状态评估，获得所述待评估电池组对应的评估结果。

在本实施例中，所述数据获取模块201包括历史数据单元及数据抽取单元。

所述历史数据单元用于获取所述待评估电池组的放电截止电压及充电截止电压，并根据所述放电截止电压及充电截止电压获取所述待评估电池组的历史充放电运行数据。

所述数据抽取单元用于根据预设的SOC区间阈值抽取所述待评估电池组对应的历史充放电运行数据中位于所述SOC区间阈值内的所述第一SOC区间内电池组的充电数据；根据所述SOC区间阈值，获得所述历史充放电运行数据中的电流值的切换时刻，并获取所述切换时刻对应的历史充放电运行数据，获得所述第一SOC区间内电池组充放电制式切换时刻点的电池组运行数据。

在本实施例中，所述指标提取模块202包括第一指标单元及第二指标单元。

所述第一指标单元用于根据所述第一SOC区间内的充放电运行数据，通过预设的第一健康指标提取公式获得表征所述待评估电池组整体性衰退趋势的第一健康指标。

所述第二指标单元用于根据所述待评估电池组内每个单体电池在所述第一SOC区间内分别对应的充放电运行数据，通过预设的第二健康指标提取公式获得表征所述单体电池间不一致性差异的第二健康指标。

本发明实施例提供的一种电池组的健康状态评估方法及系统，通过部分充放电数据提取表征电池组整体性能衰退趋势和电池组内单体间不一致性差异的健康指标，通过过滤法与包装法相结合的特征选择方法实现最优特征子集的稳定筛选，由此结合支持向量回归算法建立估计电池组健康状态模型，实现了锂离子电池组全寿命周期健康状态的准确评估。该方法能够在一定程度上解决因训练数据少、健康指标间冗余所造成的模型过拟合问题，且对不同运行工况和不同成组方式的电池组适应性强。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。