欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025106797468
申请人: 华东交通大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种电池健康状态评估方法,其特征在于,

获取电池在进行混合脉冲测试时充放电过程中的基本数据;

构建电池模型,根据所述基本数据对所述电池模型进行参数拟合,获取参数拟合后的电池模型中各元件参数值;

对拟合后电池模型进行不同温度下的恒流-恒压充放电仿真,获取充放电仿真过程中电池模型的SOC数据,根据元件参数值获取SOH数据;

将充放电仿真过程中电池模型的电压、电流、温度、SOC数据作为卷积神经网络的输入,将SOH数据作为输出对卷积神经网络进行训练;

将训练后的卷积神经网络作为电池的评估模型,根据所述评估模型对电池的健康状态进行评估;

所述基本数据至少包括电流数据、电压数据、电荷数据;所述构建电池模型,所述根据所述基本数据对所述电池模型进行参数拟合,获取参数拟合后的电池模型中各元件参数值的步骤包括:构建电池模型的基本等效电路;

将某一温度下的基本数据中的电流数据导入所述基本等效电路,在仿真软件中进行仿真,获取基本等效电路的开路电压及外部端电压;

将仿真得到的开路电压及外部端电压与基本数据中的电压数据进行对比拟合,根据电压拟合曲线进行基本等效电路各元件的参数估计,将电压曲线拟合和参数估计后的模型进行一次充放电仿真,测得SOC数据;

将不同温度下获取的基本数据中的电流数据重复导入所述基本等效电路进行仿真分析,获取基本等效电路各个元件的参数与温度、SOC数据的函数关系;

所述电池模型的基本等效电路的时域表达式为:

所述电池模型的基本等效电路的频域表达式为:

式中,表示基本等效电路的开路电压,、分别表示时域和频域下的电池外部端电压,、分别表示电池的电化学极化电阻和电化学极化电容,、表示电池的电化学极化网络的电压及对应的电压降,、分别表示电池的浓差极化电阻和浓差极化电容,、表示电池浓差极化网络的电压及对应的电压降,I、分别表示时域和频域下的基本等效电路的线路电流,在放电时为正,充电时为负,表示时频域拉普拉斯变换中的变量;

所述电池模型的基本等效电路中各个元件与温度和SOC的函数关系的表达式为:式中,表示电池内阻,表示电池温度。

2.根据权利要求1所述的电池健康状态评估方法,其特征在于,充放电仿真过程中电池模型时域内的温度求解表达式为:式中,表示热容,为时域内电池内温度,为时间,为环境温度,为对流阻,为能量在电池内部耗散功率;

充放电仿真过程中电池模型频域内的温度求解表达式为:表示频域内电池内温度,表示时频域拉普拉斯变换中的变量;

SOC数据的表达式为:

式中,表示预设时刻电池的SOC状况,表示电池内部电荷变化量,表示电池在温度变化下电池容量;

式中,表示主路电流值,t表示充放电时间;

式中,为电池平均充放电电流,为电池内部温度;

SOH数据的表达式为:

其中、、分别表示在温度下的电池寿命终止电阻、测量时刻电池内阻、未使用时电池内阻。

3.根据权利要求1所述的电池健康状态评估方法,其特征在于,所述将充放电仿真过程中电池模型的电压、电流、温度、SOC数据作为卷积神经网络的输入,将SOH数据作为输出对卷积神经网络进行训练的步骤包括:搭建卷积神经网络的输入层、卷积层、池化层、全连接层、输出层,设置卷积神经网络训练参数,初始化网络权值和偏置;

将充放电仿真过程中电池模型的电压、电流、温度、SOC数据进行归一化处理后作为搭建的卷积神经网络的训练输入,卷积神经网络训练过程中生成的SOH数据作为训练输出;

计算训练输出的SOH数据与充放电仿真中的SOH数据之间的差异,更新神经网络参数以最小化目标函数,直至达到预设的迭代次数或者目标函数收敛;

根据预设的评价函数对训练后的卷积神经网络进行分析,从而评价该卷积神经网络的有效性。

4.根据权利要求3所述的电池健康状态评估方法,其特征在于,卷积神经网络的网络权值和偏置的表达式为:式中,F表示卷积神经网络的目标函数,表示第i层卷积的网络权值,表示第i层卷积的偏置,表示第i层卷积的数据项,代表卷积,表示卷积神经网络训练过程中的误差项,用于卷积神经网络每层参数的更新;

所述归一化处理的表达式为:

式中,为归一化之后的数据;为原始数据;和分别为原始数据的最大值和最小值;

所述目标函数的表达式为:

所述评价函数的表达式为:

式中,为评估值,为实际值,为样本序列,为总样本序列。

5.一种电池健康状态评估系统,其特征在于,包括:

获取模块,用于获取电池在进行混合脉冲测试时充放电过程中的基本数据;

构建模块,用于构建电池模型,根据所述基本数据对所述电池模型进行参数拟合,获取参数拟合后的电池模型中各元件参数值;

充放电模块,用于对拟合后电池模型进行不同温度下的恒流-恒压充放电仿真,获取充放电仿真过程中电池模型的SOC数据,根据元件参数值获取SOH数据;

训练模块,用于将充放电仿真过程中电池模型的电压、电流、温度、SOC数据作为卷积神经网络的输入,将SOH数据作为输出对卷积神经网络进行训练;

评估模块,用于将训练后的卷积神经网络作为电池的评估模型,根据所述评估模型对电池的健康状态进行评估;

所述基本数据至少包括电流数据、电压数据、电荷数据;所述构建模块包括:构建单元,用于构建电池模型的基本等效电路;

仿真单元,用于将某一温度下的基本数据中的电流数据导入所述基本等效电路,在仿真软件中进行仿真,获取基本等效电路的开路电压及外部端电压;

估计拟合单元,用于将仿真得到的开路电压及外部端电压与基本数据中的电压数据进行对比拟合,根据电压拟合曲线进行基本等效电路各元件的参数估计,将电压曲线拟合和参数估计后的模型进行一次充放电仿真,测得SOC数据;

分析单元,用于将不同温度下获取的基本数据中的电流数据重复导入所述基本等效电路进行仿真分析,获取基本等效电路各个元件的参数与温度、SOC数据的函数关系;

所述电池模型的基本等效电路的时域表达式为:

所述电池模型的基本等效电路的频域表达式为:

式中,表示基本等效电路的开路电压,、分别表示时域和频域下的电池外部端电压,、分别表示电池的电化学极化电阻和电化学极化电容,、表示电池的电化学极化网络的电压及对应的电压降,、分别表示电池的浓差极化电阻和浓差极化电容,、表示电池浓差极化网络的电压及对应的电压降,I、分别表示时域和频域下的基本等效电路的线路电流,在放电时为正,充电时为负,表示时频域拉普拉斯变换中的变量;

所述电池模型的基本等效电路中各个元件与温度和SOC的函数关系的表达式为:式中,表示电池内阻,表示电池温度。

6.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4任一所述的电池健康状态评估方法。

7.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一所述的电池健康状态评估方法。