一種電池功率衰減程度的檢測方法與流程
2024-02-04 13:28:15
本發明涉及汽車電池領域，尤其是涉及一種電池功率衰減程度的檢測方法。
背景技術：
在電動汽車上高壓電氣部件有許多，如高壓電池包，高壓分線盒，電機控制器，空調控制器，DC/DC，充電器等，動力電池是最關鍵的部件之一。動力電池的性能通常隨使用程度和使用和存儲時間增加而變弱。這種變弱有兩種表現形式：電池容量(capacity)變化(變小)，以及充放電功率能力在同樣的儲電程度和溫度下變化(變小)。行業上，對於電池容量，一般損失20％以上即表明電池不再具有足夠的容量。
電池功率衰減的表徵通常表現在電池電阻的增加。行業上沒有一個統一的規定，但是，一般電阻增加與同樣溫度和充電量情況下的充放電功率成反比。行業上一般通過壽命開始BOL(Begin-of-Life)時的電阻和現在的電阻的比較，來決定功率損耗衰減的程度。
這種決定功率衰減的方法有兩個問題：第一，電阻與溫度緊密相關，而溫度通常只是整個模塊的溫度，而不是電池表面的溫度，具有較高的檢測不精確度，同時也會受到噪聲的影響。第二，目前的電池壽命檢測都是在線進行，很難確定某一個時間點上的電阻估計一定是精確的，因此，用一個點的電阻估計值來確定電池功率衰減程度有很大的局限性。
技術實現要素：
本發明的目的是針對上述問題提供一種電池功率衰減程度的檢測方法。
本發明的目的可以通過以下技術方案來實現：
一種電池功率衰減程度的檢測方法，用於檢測電動汽車中動力電池的衰減程度，所述方法包括下列步驟：
1)判斷當前時刻動力電池是否處於有效範圍內，若是則檢測當前時刻動力電池的電阻值Rj，若否則返回繼續判斷；
2)根據步驟1)得到的電阻值Rj，計算並存儲當前動力電池的電阻因子βj；
3)判斷存儲的電阻因子是否達到估計量N，若是則進入步驟4)，若否則返回步驟1)；
4)計算存儲的所有電阻因子βj的最小均方差，得到最小均方電阻因子β；
5)根據得到的最小均方電阻因子β計算衰減程度評估值ε；
6)根據衰減程度評估值ε判斷動力電池的衰減程度。
所述檢測當前時刻動力電池的電阻值Rj具體為：
11)記錄當前時刻動力電池的電壓值uj、電流值ij和溫度τj；
12)根據步驟11)得到的電壓值uj、電流值ij和溫度τj，利用參數估計方法遞歸得到當前時刻動力電池的電阻值Rj。
所述參數估計方法包括卡爾曼濾波法和最小二乘法。
所述當前動力電池的電阻因子βj具體為：
其中，τj為當前時刻動力電池的溫度，R0為動力電池壽命開始時的電阻值。
所述最小均方電阻因子β具體為：
所述估計量N的取值範圍為100～2000。
所述衰減程度評估值ε具體為：
其中，β0為動力電池壽命開始時的電阻因子值。
所述步驟6)具體為：
61)判斷衰減評估值ε是否大於壽命終止值CAL3，若是則表明動力電池已經結束壽命，若否則進入步驟62)；
62)判斷衰減評估值ε是否大於有限功率運行標定值CAL2，若是則表明動力電池處於有限功率運行狀態，若否則進入步驟63)；
63)判斷衰減評估值ε是否大於衰減報警值CAL1，若是則表明動力電池已發生功率衰減，若否則表明動力電池還未發生功率衰減，返回步驟61)。
所述有效範圍包括動力電池處於溫度閾值內和動力電池的電阻值Rj對應的時刻在時間閾值內。
所述溫度閾值的範圍為15～30℃，所述時間閾值的範圍為不大於24小時。
與現有技術相比，本發明具有以下有益效果：
(1)與直接比較電阻值來判斷電池衰減程度的方法相比，本方法提出以電阻因子β來作為衰減程度的判別標準，由於電阻因子β本身是一個與溫度無關的參數，因此本方法可以有效地降低電壓電流和溫度的測量誤差的影響。
(2)通過電阻值和溫度的結合對每個電阻因子進行計算，並對計算得到的多個電阻因子進行最小均方差計算，一方面最終得到的最小均方電阻因子是基於多個測量值組進行的計算，大大降低了其對於溫度檢測的精度的依賴，另一方面選取最小均方差而非平均值來計算電阻因子，進一步提高了電阻因子的精度。
(3)根據最小均方電阻因子和動力電池壽命開始時的電阻因子值相比得到衰減程度評估值，使得對於衰減程度的判斷簡單直接，便於直觀的判斷。
(4)為衰減評估值設置了衰減報警值、有限功率運行標定值和壽命終止值三個標準值，對於電池的衰減程度有了一個更加詳細的劃分，便於使用者根據實際情況來判斷是否要進行電池的更換。
(5)在有效範圍內才對動力電池進行電阻值檢測，即電池的溫度穩定在15～30℃之間，時間閾值在不大於24小時內，這樣的檢測保證了溫度對於電池電阻值的影響達到最小，且電池的工作時間不超過一天，使得因電池老化造成的誤差儘量減小。
附圖說明
圖1為本發明的方法流程圖；
圖2為電池等價電路圖；
圖3為電池功率衰減因子隨時間和使用程度的變化示意圖；
圖4為電池溫度隨時間的變換示意圖；
圖5為電池電阻估計值隨溫度的變化示意圖。
具體實施方式
下面結合附圖和具體實施例對本發明進行詳細說明。本實施例以本發明技術方案為前提進行實施，給出了詳細的實施方式和具體的操作過程，但本發明的保護範圍不限於下述的實施例。
如圖2所示為電池的等價電路圖，一般的電池動力過程遵循Arrehenius方程：即溫度越高，電池裡的電化學過程越快，相應的電阻也就越低。無論電池使用在那哪個程度上，電池電阻與溫度的關係都保留在一個指數關係上：
R＝R0×eβ/τ (1)
這裡，R0是一個常量，τ是電池溫度(單位：Kelvin)，β是一個決定電阻的衰減因子。電池功率的衰減，直接的表現就是這個衰減因子的增加。
已有的技術方法，都是基於圖2或類似的模型，根據電池的埠電壓，通過電流，及模塊溫度，進行模型參數估計。現有的方法，如Kalman濾波器，最小二乘法等，都可以用來決定電阻R的值。
從公式(1)的表述中，可以看到電池電阻的變化是由電阻因子β來決定的。β本身是與溫度無關的一個參數。因此，如果能夠精確可靠地在線學習β，那麼由此可以得到電池電阻的變化，進而決定電池功率衰減的程度，可以比已有的方法極大的提高精度和可靠性。
電阻因子β並不是明顯地從電池相關參數的測量就可以得到的。儘管如此，從電池電流，電壓，和溫度的測量，以及預先確定的電池模型，我們可以相應的在線學習到電池模型的參數。這些參數可能不是太精確，也可能由於電池輸入參數(電流)對電池的激勵程度，在某個時刻的學習值不一定很可靠。但是，如果可以得到一系列關於電阻的學習值，那麼，在長時間的電池運行中，可以成批次的學習到電阻的系列值。
不失一般性，假定公式(1)中的R0在BOL是已知的。在電池每次的使用過程中(比如說，每一次車輛的Keyon/Keyoff旅程)，可以通過Kalman濾波器或者其它參數學習方法來得到一系列的Ohmic電阻參數：
在公式(2)中，Rj是通過Kalman濾波器或者其它參數學習方法得到的電阻，R0是已知的定常值，τj是電池在學習Rj時的溫度值，而因子β則是我們像得到的，反映電池電阻真實變化的一個與溫度無關的值：如果把公式(2)反向計算一下，對某個時間段(比如說，某個keyon/keyoff旅程)有：
最終的因子β可以通過最小均方差來得出:
如上所得到的因子β反映了電池電阻在目前的Keyon/Keyoff旅程時間的值，但是這個方法與具體的檢測溫度無關。每個具體的溫度檢測對某個時刻的電阻估計會有影響，但是基於多個測量值組的關於因子β的估算對溫度檢測的精度的依賴性將會極大的減低。
一旦在目前Keyon/Keyoff旅程中關於電阻的估計達到一定的數量，相應的因子β可以用公式(4)計算出來。在這個基礎上，公式(4)對因子β的計算可以和BOL電池的因子β0相比較。這樣的比較值對於電池功率衰減的診斷值可以在電池投入使用之前標定好。依據這一個或多個標定值，電池管理系統可以精確地提供電池功率衰減的程度，以及提供關於電池是不是不可以繼續使用的決定。
根據上述方法，如圖1所示，本實施例提供了一種電池功率衰減程度的檢測方法，具體步驟如下：
1)判斷當前時刻動力電池是否處於有效範圍內(即動力電池處於溫度閾值內和動力電池的電阻值Rj對應的時刻在時間閾值內，本實施例中，動力電池處於15～30℃之間，且動力電池電阻值的所處時刻不超過24小時)，若是則檢測當前時刻動力電池的電阻值Rj，若否則返回繼續判斷，其中，檢測當前時刻動力電池的電阻值的具體過程為：
11)記錄當前時刻動力電池的電壓值uj、電流值ij和溫度τj；
12)根據步驟1)得到的電壓值uj、電流值ij和溫度τj，利用參數估計方法遞歸得到當前時刻動力電池的電阻值Rj；
2)根據步驟1)得到的電阻值Rj，計算並存儲當前動力電池的電阻因子βj，具體為：
其中，τj為當前時刻動力電池的溫度，R0為動力電池壽命開始時的電阻值；
3)判斷存儲的電阻因子是否達到估計量N(100～2000)，若是則進入步驟4)，若否則返回步驟1)；
4)計算存儲的所有電阻因子βj的最小均方差，得到最小均方電阻因子β：
其中，N為存儲的動力電池的電阻因子βj的總數；
5)根據得到的最小均方電阻因子β計算衰減程度評估值ε，具體為：
其中，β0為動力電池受命開始時的電阻因子值；
6)根據衰減程度評估值ε判斷動力電池的衰減程度：
61)判斷衰減評估值ε是否大於壽命終止值CAL3，若是則表明動力電池已經結束壽命，若否則進入步驟52)；
62)判斷衰減評估值ε是否大於有限功率運行標定值CAL2，若是則表明動力電池處於有限功率運行狀態，若否則進入步驟53)；
63)判斷衰減評估值ε是否大於衰減報警值CAL1，若是則表明動力電池已發生功率衰減，若否則表明動力電池還未發生功率衰減，返回步驟51)。
根據上述方法進行檢測，得到一組樣板數據，如圖3～5所示，從圖中可以看出，用一個點或多個點的平均都難以改變直接使用電阻值的弱點，考慮因子β可以極其有效地解決溫度電壓電流測量的精度和Ohmic電阻估計的影響。