首頁資訊電池健康狀態(tài)診斷方法、裝置、電子設備及存儲介質(zhì)與流程

電池健康狀態(tài)診斷方法、裝置、電子設備及存儲介質(zhì)與流程

來源：泰然健康網(wǎng) 時間：2025年07月15日 15:48

本發(fā)明涉及電池檢測，具體涉及一種電池健康狀態(tài)診斷方法、裝置、電子設備及存儲介質(zhì)。

背景技術：

1、隨著新能源汽車高速發(fā)展，鋰離子電池因能量密度高、自放電率低、循環(huán)壽命長和節(jié)能環(huán)保等突出優(yōu)勢，得到廣泛應用。隨著鋰離子電池的日歷及循環(huán)使用，鋰離子電池容易出現(xiàn)容量降低、性能降低以及安全穩(wěn)定性劣化等問題，開展鋰離子動力電池健康評估及健康診斷研究具有重要工程意義。但是鋰離子電池一旦搭載上車，電池的最大可用容量將無法被直接測量，同時鋰離子電池內(nèi)部存在多種復雜的化學反應和物理變化過程，使得準確量化健康狀態(tài)變得更加復雜。

2、在實際工況下，現(xiàn)有方法主要通過車端的電池管理系統(tǒng)采集電池的電壓、電流和溫度等實時信息進行預測，通過建立電池的等效電路模型或壽命預測模型，預測電池在不同倍率、溫度和放電深度的電池健康度衰減趨勢，從而預估不同周期內(nèi)的電池健康度。然而這種方法強依賴于電池模型，隨著電池的老化程度加劇，電池模型參數(shù)發(fā)生本質(zhì)變化，復雜的電化學變化也無法被電池模型準確表征，尤其在中后期無法進行自適應的模型更新和迭代，該預測方法準確度和穩(wěn)定性大大降低。而在實驗室工況下訓練的電池老化模型無法實現(xiàn)對現(xiàn)實工況下泛化，其預測準確性和穩(wěn)定性同樣無法在全生命周期達到預期效果。

技術實現(xiàn)思路

1、鑒于現(xiàn)有技術的上述不足，本發(fā)明提供一種電池健康狀態(tài)診斷方法、裝置、電子設備及存儲介質(zhì)，有效解決現(xiàn)有的預測方法準確度和穩(wěn)定性低的問題。

2、第一方面，本發(fā)明提供一種電池健康狀態(tài)診斷方法，所述方法包括：

3、獲取電池數(shù)據(jù)進行數(shù)據(jù)預處理，獲得標準數(shù)據(jù)集；

4、構建電池電芯的荷電狀態(tài)-開路電壓曲線；

5、根據(jù)所述標準數(shù)據(jù)集和所述荷電狀態(tài)-開路電壓曲線估算單次充電片段中每個電芯的單點健康度；

6、根據(jù)所述單點健康度獲得健康度序列，對所述健康度序列進行數(shù)據(jù)增強；

7、對數(shù)據(jù)增強后的所述健康度序列進行雙層濾波，獲得最優(yōu)估計健康度序列；

8、根據(jù)所述最優(yōu)估計健康度序列診斷電池的健康狀態(tài)。

9、進一步的，所述獲得最優(yōu)估計健康度之后，所述方法還包括：

10、根據(jù)所述最優(yōu)估計健康度序列對所述荷電狀態(tài)-開路電壓曲線進行參數(shù)重構，獲得最優(yōu)健康度狀態(tài)下的荷電狀態(tài)-開路電壓曲線。

11、進一步的，所述根據(jù)所述荷電狀態(tài)-開路電壓曲線估算單次充電片段中每個電芯的單點健康度，包括：

12、獲取充電工況中充電起始和充電結(jié)束時存在靜置工況的充電片段；

13、將所述充電片段下充電起始時每個電芯的第一電壓輸入所述荷電狀態(tài)-開路電壓曲線，獲得每個電芯的第一荷電狀態(tài)；

14、將所述充電片段下充電結(jié)束時每個電芯的第二電壓輸入所述荷電狀態(tài)-開路電壓曲線，獲得每個電芯的第二荷電狀態(tài)；

15、對所述充電片段的電流進行累積安時積分，獲得所述充電片段的實時充電容量；

16、根據(jù)所述第一荷電狀態(tài)、所述第二荷電狀態(tài)和所述實時充電容量計算獲得每個電芯的所述單點健康度。

17、進一步的，所述根據(jù)所述單點健康度獲得健康度序列，對所述健康度序列進行數(shù)據(jù)增強，包括：

18、構建變分自編碼器模型；

19、根據(jù)所述單點健康度進行時序計算，獲得時序健康度矩陣；

20、根據(jù)所述時序健康度矩陣訓練所述變分自編碼器模型，獲得最優(yōu)變分自編碼器模型；

21、根據(jù)所述單點健康度構建所述健康度序列，將所述健康度序列輸入所述最優(yōu)變分自編碼器模型進行數(shù)據(jù)增強。

22、進一步的，所述對數(shù)據(jù)增強后的所述健康度序列進行雙層濾波，獲得最優(yōu)估計健康度序列，包括：

23、構建高斯過程回歸模型；

24、利用所述高斯過程回歸模型對數(shù)據(jù)增強后的所述健康度序列的全局序列點進行濾波，獲得序列估計值；

25、根據(jù)所述序列估計值剔除所述健康度序列中的噪音點，獲得非噪音點序列；

26、利用所述高斯過程回歸模型對所述非噪音點序列進行局部濾波，獲得所述最優(yōu)估計健康度序列。

27、進一步的，所述根據(jù)所述最優(yōu)估計健康度序列診斷電池的健康狀態(tài)，包括：

28、根據(jù)所述最優(yōu)估計健康度序列計算每個電芯的衰減率；

29、根據(jù)所述最優(yōu)估計健康度序列計算每個電芯的健康度離群度；

30、根據(jù)所述衰減率和/或所述健康度離群度診斷所述電池的健康狀態(tài)。

31、進一步的，所述根據(jù)所述最優(yōu)估計健康度序列對所述荷電狀態(tài)-開路電壓曲線進行參數(shù)重構，獲得最優(yōu)健康度狀態(tài)下的荷電狀態(tài)-開路電壓曲線，包括：

32、根據(jù)所述最優(yōu)估計健康度序列對每個電芯的荷電狀態(tài)進行校準；

33、根據(jù)校準后的所述荷電狀態(tài)和所述荷電狀態(tài)-開路電壓曲線統(tǒng)計每個電芯的開路電壓值，獲得荷電狀態(tài)-開路電壓矩陣；

34、對所述荷電狀態(tài)-開路電壓矩陣進行聚合，獲得最優(yōu)健康度狀態(tài)下的荷電狀態(tài)-開路電壓曲線。

35、第二方面，本發(fā)明提供一種電池健康狀態(tài)診斷裝置，所述裝置包括：

36、數(shù)據(jù)獲取模塊，用于獲取電池數(shù)據(jù)進行數(shù)據(jù)預處理，獲得標準數(shù)據(jù)集；

37、曲線構建模塊，用于構建電池電芯的荷電狀態(tài)-開路電壓曲線；

38、數(shù)據(jù)估算模塊，用于根據(jù)所述標準數(shù)據(jù)集和所述荷電狀態(tài)-開路電壓曲線估算單次充電片段中每個電芯的單點健康度；

39、數(shù)據(jù)增強模塊，用于根據(jù)所述單點健康度獲得健康度序列，對所述健康度序列進行數(shù)據(jù)增強；

40、數(shù)據(jù)濾波模塊，用于對數(shù)據(jù)增強后的所述健康度序列進行雙層濾波，獲得最優(yōu)估計健康度序列；

41、狀態(tài)診斷模塊，用于根據(jù)所述最優(yōu)估計健康度序列診斷電池的健康狀態(tài)。

42、第三方面，本發(fā)明提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序?qū)崿F(xiàn)如本發(fā)明第一方面所述的電池健康狀態(tài)診斷方法。

43、第四方面，本發(fā)明提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的電池健康狀態(tài)診斷方法。

44、本發(fā)明提供的電池健康狀態(tài)診斷方法、裝置、電子設備及存儲介質(zhì)，采用預估最優(yōu)健康狀態(tài)度完成荷電狀態(tài)-開路電壓曲線動態(tài)重構的方法，實現(xiàn)模型參數(shù)的自更新，同時通過面向現(xiàn)實工況下的稀疏數(shù)據(jù)的數(shù)據(jù)增強方法，顯著提升了現(xiàn)實工況下的模型泛化效果和穩(wěn)定性。基于雙層濾波的方式，實現(xiàn)了健康狀態(tài)度的自適應更新方式，能泛化現(xiàn)實工況下全生命周期的健康穩(wěn)定估算，同時能泛化不同電池類型的電池，有效提升模型的準確性、穩(wěn)定性和泛化性?？梢詫崿F(xiàn)電池包內(nèi)電芯或模組的健康診斷，電芯級的健康狀態(tài)診斷也為電芯或模組的維修保養(yǎng)和異常診斷提供強大支撐。

技術特征：

1.一種電池健康狀態(tài)診斷方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的電池健康狀態(tài)診斷方法，其特征在于，所述獲得最優(yōu)估計健康度之后，所述方法還包括：

3.根據(jù)權利要求1所述的電池健康狀態(tài)診斷方法，其特征在于，所述根據(jù)所述荷電狀態(tài)-開路電壓曲線估算單次充電片段中每個電芯的單點健康度，包括：

4.根據(jù)權利要求3所述的電池健康狀態(tài)診斷方法，其特征在于，所述根據(jù)所述單點健康度獲得健康度序列，對所述健康度序列進行數(shù)據(jù)增強，包括：

5.根據(jù)權利要求4所述的電池健康狀態(tài)診斷方法，其特征在于，所述對數(shù)據(jù)增強后的所述健康度序列進行雙層濾波，獲得最優(yōu)估計健康度序列，包括：

6.根據(jù)權利要求1所述的電池健康狀態(tài)診斷方法，其特征在于，所述根據(jù)所述最優(yōu)估計健康度序列診斷電池的健康狀態(tài)，包括：

7.根據(jù)權利要求2所述的電池健康狀態(tài)診斷方法，其特征在于，所述根據(jù)所述最優(yōu)估計健康度序列對所述荷電狀態(tài)-開路電壓曲線進行參數(shù)重構，獲得最優(yōu)健康度狀態(tài)下的荷電狀態(tài)-開路電壓曲線，包括：

8.一種電池健康狀態(tài)診斷裝置，其特征在于，所述裝置包括：

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序?qū)崿F(xiàn)如權利要求1至7任一項所述的電池健康狀態(tài)診斷方法。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7任一項所述的電池健康狀態(tài)診斷方法。

技術總結(jié)
本發(fā)明提供一種電池健康狀態(tài)診斷方法、裝置、電子設備及存儲介質(zhì)，涉及電池檢測技術領域，方法包括：獲取電池數(shù)據(jù)進行數(shù)據(jù)預處理，獲得標準數(shù)據(jù)集；構建電池電芯的荷電狀態(tài)?開路電壓曲線；根據(jù)標準數(shù)據(jù)集和荷電狀態(tài)?開路電壓曲線估算單次充電片段中每個電芯的單點健康度；根據(jù)單點健康度獲得健康度序列，對健康度序列進行數(shù)據(jù)增強；對數(shù)據(jù)增強后的健康度序列進行雙層濾波，獲得最優(yōu)估計健康度序列；根據(jù)最優(yōu)估計健康度序列診斷電池的健康狀態(tài)。本發(fā)明實現(xiàn)了健康狀態(tài)度的自適應更新方式，能泛化現(xiàn)實工況下全生命周期的健康穩(wěn)定估算，同時能泛化不同電池類型的電池，有效提升模型的準確性、穩(wěn)定性和泛化性。

技術研發(fā)人員：萬應兵,張芳芳,胡悅,劉書源
受保護的技術使用者：武漢蔚能電池資產(chǎn)有限公司
技術研發(fā)日：
技術公布日：2025/1/20