基于数字孪生与数据驱动的锂电池健康状态快速检测方法

摘要： 本发明涉及锂电池健康状态检测领域，公开了一种基于数字孪生与数据驱动的锂电池健康状态快速检测方法，包括：S1，对目标车型进行工况测试并参数辨识，得到SOC‑OCV查找表和一阶等效电路模型参数；S2，利用仿真模型，基于SOC‑OCV查找表和一阶等效电路模型参数，进行数字孪生模型训练，得到SOH预估模型；S3，将待检测车辆的特征序列输入训练完毕的SOH预估模型，得到SOH的预估值。本申请能够实现多车型、高效率的电动汽车动力电池SOH估计。

主分类号：

G01R31/392(2019.01)(电性能的测试装置；电故障的探测装置；以所进行的测试在其他位置未提供为特征的电测试装置)

权利要求：

1.基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于，包括： S1，对目标车型进行工况测试并参数辨识，得到SOC-OCV查找表和一阶等效电路模型参数； S2，利用仿真模型，基于SOC-OCV查找表和一阶等效电路模型参数，进行数字孪生模型训练，得到SOH预估模型； S3，将待检测车辆的特征序列输入训练完毕的SOH预估模型，得到SOH的预估值。 2.根据权利要求1所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述S1包括： S11，转鼓运行，将目标检测车型的样车进行完全放电，至SOC为0％或电池管理系统自动断电； S12，多阶段恒流充电，将SOC充电至100％； S13，基于整个多阶段恒流充电过程中的SOC数据，通过安时积分法计算得到电池容量，对多阶段恒流充电的静置段开路电压数据进行标定，得到电池的SOC-OCV查找表； S14，对目标检测车型的样车在预设SOC下进行多次脉冲充电工况激励，得到电压反馈数据；基于电压反馈数据，建立动力电池一阶等效电路模型，并利用带遗忘因子的最小二乘法进行模型的参数辨识，得到一阶等效电路模型参数。 3.根据权利要求2所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述步骤S12中的充电倍率为0.1C。 4.根据权利要求2所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述步骤S12中多阶段恒流充电包括：每充入预设的额定容量，对车辆进行断电，静置固定时长后再进行充电，直到SOC为100％或充电电流自动断开。 5.根据权利要求1所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述S2还包括： S21，通过仿真软件，建立不同SOH下的动力电池一阶等效电路充放电数字孪生模型，随机定义电池模型的SOH，并输入预设时长和电流倍率的激励，得到电压反馈数据； S22，利用电流倍率和电压反馈数据，构建电池健康特征，与对应的SOH形成训练样本； S23，通过深度卷积神经网络，搭建SOH预估模型，使用所述训练样本对SOH预估模型进行训练，得到SOH预估模型。 6.根据权利要求5所述的基于数字孪生与数据驱动的锂电池健康状态快速检测方法，其特征在于：所述S21中，还对电压反馈数据进行归一化处理，将每个采样点的电压和电池满充时的截止电压，作为归一化后的电压序列，将电压序列与激励的电流序列作为特征序列。

相关知识

基于可快速测量参数的锂离子电池健康状态诊断方法研究.docx
基于数据驱动的锂离子电池健康状态估计及剩余寿命预测研究.docx
面向智能化管理的数字孪生电池构建方法
锂电池健康状态快速检测仪的研究
基于数据驱动的锂离子电池健康状态估计和剩余使用寿命预测
数据驱动的锂离子电池健康管理研究
基于信号重构的锂离子电池健康状态估计：数据驱动的鲁棒方法
基于红外视频识别的锂电池健康状态快速检测
基于模型的锂离子电池健康状态预测
锂离子电池故障预测及健康管理技术进展

网址: 基于数字孪生与数据驱动的锂电池健康状态快速检测方法 https://www.trfsz.com/newsview1549432.html