预测动力电池内阻的方法、功率的方法、系统及存储介质与流程 专利技术说明

测量装置的制造及其应用技术1.本发明属于动力电池技术领域，具体涉及一种预测动力电池内阻的方法、功率的方法、系统及存储介质。背景技术：2.目前新能源汽车市场主流的锂离子动力电池，其最大输出功率和回馈功率的能力受到环境温度和电池自身荷电态的影响非常大。这由电池本身的电化学特性决定。因此，新能源整车在设计功率性能时，需要结合电池的实际特性能力。同时，电池功率能力和电池的容量和内阻强相关。3.传统方法中，需要通过hppc等方法实测电池的直流内阻和峰值功率。对电池在不同温度、不同荷电状态、不同充放电时间下，以最大电流能力进行充放电脉冲测试。测试周期长，可操作性较差。且因电池在不同状态下能够承受的最大电流不容易确定，而测试电流等因素对测试结果的影响非常大，导致测定电池内阻和峰值功率的差异较大，少量测试难以测试出真实脉冲能力。采用此电性能参数，易导致整车出现控制策略不准、功率不足、动力中断等问题。4.因此，有必要开发一种新的预测动力电池内阻的方法、功率的方法、系统及存储介质。技术实现要素：5.本发明的目的在于提供一种预测动力电池内阻的方法、功率的方法、系统及存储介质，能对动力电池的内阻或功率进行预测，且预测误差小于10％。6.第一方面，本发明所述的一种预测动力电池内阻的方法，包括以下步骤：7.步骤1、将电池内阻表的参数做归一化处理；8.步骤2、将电池内阻作为因变量，将电池温度、电池荷电状态、脉冲充/放电时间三项作为自变量，进行多元非线性回归拟合，得到多变量因子耦合内阻模型；9.步骤3、判断所建立的多变量因子耦合内阻模型是否符合电化学和热力学规律，同时通过统计学分析，对多变量因子耦合内阻模型的可信度进行检验；10.步骤4、针对新型号或新材料体系的动力电池，实测多个特征条件下的电池内阻，并基于测试所得的多个特征条件下的电池内阻去修正多变量因子耦合内阻模型；11.步骤5、对步骤4所得的多变量因子耦合内阻模型进行验证，若预测精度满足预设精度值，则表示多变量因子耦合内阻模型搭建完成，若预测精度不满足预设精度值，则返回步骤2；12.步骤6、利用步骤5搭建好的多变量因子耦合内阻模型对新型号或新材料体系的动力电池的内阻进行预测。13.可选地，所述步骤2中，若将脉冲充电时间作为自变量时，所述步骤4中的实测多个特征条件下的电池内阻，具体为：14.(1)电池在50％soc，-10℃，充电10s的内阻值；15.(2)电池在50％soc，10℃，充电10s的内阻值；16.(3)电池在50％soc，25℃，充电10s的内阻值；17.(4)电池在50％soc，40℃，充电10s的内阻值；18.(5)电池在50％soc，25℃，充电30s的内阻值；19.(6)电池在20％soc，0℃，充电10s的内阻值；20.(7)电池在20％soc，25℃，充电10s的内阻值；21.(8)电池在80％soc，25℃，充电10s的内阻值；22.(9)电池在5％soc，-25℃，充电30s的内阻值。23.本发明通过实测的九个特征条件下的电池内阻参数，并进行恒功率充电测试验证，能够得出真实准确的特征内阻参数。24.可选地，所述步骤2中，若将脉冲放电时间作为自变量时，所述步骤4中的实测多个特征条件下的电池内阻，具体为：25.(1)电池在50％soc，-10℃，放电10s的内阻值；26.(2)电池在50％soc，10℃，放电10s的内阻值；27.(3)电池在50％soc，25℃，放电10s的内阻值；28.(4)电池在50％soc，40℃，放电10s的内阻值；29.(5)电池在50％soc，25℃，放电30s的内阻值；30.(6)电池在20％soc，0℃，放电10s的内阻值；31.(7)电池在20％soc，25℃，放电10s的内阻值；32.(8)电池在80％soc，25℃，放电10s的内阻值；33.(9)电池在5％soc，-25℃，放电30s的内阻值。34.本发明通过实测的九个特征条件下的电池内阻参数，并进行恒功率放电测试验证，能够得出真实准确的特征内阻参数。35.第二方面，本发明所述的一种预测动力电池功率的方法，包括以下步骤：36.步骤1、将电池功率表的参数做归一化处理；37.步骤2、将电池功率作为因变量，将电池温度、电池荷电状态、脉冲充/放电时间三项作为自变量，进行多元非线性回归拟合，得到多变量因子耦合功率模型；38.步骤3、判断所建立的多变量因子耦合功率模型是否符合电化学和热力学规律，同时通过统计学分析，对多变量因子耦合功率模型的可信度进行检验；39.步骤4、针对新型号或新材料体系的动力电池，实测多个特征条件下的电池功率，并基于测试所得的多个特征条件下的电池功率去修正多变量因子耦合功率模型；40.步骤5、对步骤4所得的多变量因子耦合功率模型进行验证，若预测精度满足预设精度值，则表示多变量因子耦合功率模型搭建完成，若预测精度不满足预设精度值，则返回步骤2；41.步骤6、利用步骤5搭建好的多变量因子耦合功率模型对新型号或新材料体系的动力电池的功率进行预测。42.可选地，所述步骤2中，若将脉冲充电时间作为自变量时，所述步骤4中的实测多个特征条件下的电池功率值，具体为：43.(1)电池在50％soc，-10℃，充电10s的功率值；44.(2)电池在50％soc，10℃，充电10s的功率值；45.(3)电池在50％soc，25℃，充电10s的功率值；46.(4)电池在50％soc，40℃，充电10s的功率值；47.(5)电池在50％soc，25℃，充电30s的功率值；48.(6)电池在20％soc，0℃，充电10s的功率值；49.(7)电池在20％soc，25℃，充电10s的功率值；50.(8)电池在80％soc，25℃，充电10s的功率值；51.(9)电池在5％soc，-25℃，充电30s的功率值。52.本发明通过实测的九个特征条件下的电池功率参数，并进行恒功率充电测试验证，能够得出真实准确的特征功率参数。53.可选地，所述步骤2中，若将脉冲放电时间作为自变量时，所述步骤4中的实测多个特征条件下的电池功率值，具体为：54.(1)电池在50％soc，-10℃，放电10s的功率值；55.(2)电池在50％soc，10℃，放电10s的功率值；56.(3)电池在50％soc，25℃，放电10s的功率值；57.(4)电池在50％soc，40℃，放电10s的功率值；58.(5)电池在50％soc，25℃，放电30s的功率值；59.(6)电池在20％soc，0℃，放电10s的功率值；60.(7)电池在20％soc，25℃，放电10s的功率值；61.(8)电池在80％soc，25℃，放电10s的功率值；62.(9)电池在5％soc，-25℃，放电30s的功率值。63.本发明通过实测的九个特征条件下的电池功率参数，并进行恒功率放电测试验证，能够得出真实准确的特征功率参数。64.第三方面，本发明所述的一种预测动力电池内阻的系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如本发明所述的预测动力电池内阻的方法的步骤。65.第四方面，本发明所述的一种预测动力电池功率的系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如本发明所述的预测动力电池功率的方法的步骤。66.第五方面，本发明所述的一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时，能执行如本发明所述的预测动力电池内阻的方法的步骤。67.第六方面，本发明所述的一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时，能执行如本发明所述的预测动力电池功率的方法的步骤。68.本发明具有以下优点：69.(1)通过本发明搭建的多变量因子耦合电阻(或功率)模型，预测新体系电池型号的内阻(或功率)值，预测误差小于10％。70.(2)本方法所建立的电池内阻(或功率)的多变量因子耦合功率模型，能够反映动力电池内阻和功率背后的通用性和普适性规律，并实现电池内阻和功率的定量化和高精度预测。71.综上所述，本发明能够有效节省电池测试和匹配应用开发周期，避免了电池内阻和功率测定不准带来的使用过程中的质量问题，能够用于指导并支撑电池设计和应用开发。附图说明72.图1是本实施例的流程图；73.图2是本实施例中模型构建过程与关键因子分析图；74.图3是本实施例中模型残差图。具体实施方式75.以下将结合附图对本发明进行详细的说明。76.实施例一77.如图1所示，本实施例中，一种预测动力电池内阻的方法，包括以下步骤：78.步骤1、将电池内阻表的参数做归一化处理。79.步骤2、将电池内阻作为因变量，将电池温度、电池荷电状态、脉冲充/放电时间三项作为自变量，通过最小二乘法对归一化后的内阻数据进行多元非线性回归拟合，得到多变量因子耦合内阻模型。80.步骤3、判断所建立的多变量因子耦合内阻模型是否符合电化学和热力学规律，同时通过统计学分析，对多变量因子耦合内阻模型的可信度进行检验。81.步骤4、针对新型号或新材料体系的动力电池，实测多个特征条件下的电池内阻，并基于测试所得的多个特征条件下的电池内阻去修正多变量因子耦合内阻模型。82.步骤5、对步骤4所得的多变量因子耦合内阻模型进行验证，具体为：将内阻预测值和内阻真实值进行比较，如预测误差均小于10％，则表示多变量因子耦合内阻模型搭建完成，否则返回步骤2。83.步骤6、利用步骤5搭建好的多变量因子耦合内阻模型对新型号或新材料体系的动力电池的内阻进行预测。84.本实施例中，所述预测动力电池内阻的方法充分考虑电池本身特性，建立电池功率对电池温度、荷电状态、脉冲充/放电时间的多变量因子耦合功率模型，以达到提高电池内阻参数估算精度的效果，并节省电池测试和匹配应用开发周期。85.本实施例中，多变量因子耦合电阻模型为：86.ln(ydcr)＝c0+c1×xsoc+c2×xt+c3×xt+c11×(xsoc)2+c22×(xt)2+c33×(xt)2+c12×xsoc×xt+c13×xsoc×xt87.式中：ydcr为计算得到的动力电池直流内阻，单位mω；88.xsoc为动力电池荷电态，单位1；其边界范围为0％～100％。89.xt为动力电池温度，单位℃；其边界范围为30℃～55℃。90.xt为动力电池脉冲放电(或充电)时间，单位s；其边界范围为0s～60s。91.c0，c1，c2，c3，c11，c22，c33，c12，c13为常数项，其中c1，c2，c33，c13为负数。92.某一型号的动力电池的多变量因子耦合电阻模型，具体为：93.ln(ydcr)＝38.41-12.000×xsoc-0.21109×xt+0.05188×xt+3.353×(xsoc)2+0.000287×(xt)2-0.000712×(xt)2+0.02705×xsoc×xt-0.02283×xsoc×xt94.其中，模型拟合度r-sq＝97.26％；模型显著性p＜0.001。95.该多变量因子耦合内阻模型(以下简称模型)形式上为对数函数和幂函数的复合函数。随着模型中因变量多项式的增加，模型拟合度r-sq逐步增加。最终模型拟合度达97.26％，显著性p＜0.001，满足可信度检验要求，见图2中(a)。通过针对模型的关键影响因子分析，得出对电池内阻影响程度排序如下：环境温度(xt)＞电池荷电态(xsoc)＞脉冲充电/放电时间(xt)，见图2(b)。图2(c)表示未见模型未见涵盖的变量。图3表明，残差值随机落在零的两侧，模型中不存在异常自变量因子值、不存在不等变差，模型假设合理。模型中，就单因子的影响而言，电池内阻随温度的变化符合阿伦尼乌斯规律(内阻的自然对数与温度的倒数成正比)；电池内阻随荷电态的变化符合电池充/放电曲线中电势的变化规律(类比能斯特方程)；电池内阻随脉冲充/放电时间的变化前期近似呈线性关系，后期趋于一个上限值。96.图2中的discharge表示放电；97.increase in r-squared％表示拟合度增量；98.r-squared％表示拟合度；99.r-squared(adjusted)％表示拟合度(调整)；100.本实施例中，为了保证模型的通用性和准确度，针对特定的电池型号和不同的材料体系，引入电池内阻的特征值校准模型。通过实测9个特征条件下的电池内阻参数，并进行恒功率充/放电测试验证，得出真实准确的特征内阻参数。再将内阻参数的特征值导入模型，修正模型的常数，得到最终优化的多变量因子耦合内阻模型。101.本实施例中，所述步骤2中，若将脉冲充电时间作为自变量时，所述步骤4中的实测多个(比如：9个)特征条件下的电池内阻，具体为：102.(1)电池在50％soc，-10℃，充电10s的内阻值；103.(2)电池在50％soc，10℃，充电10s的内阻值；104.(3)电池在50％soc，25℃，充电10s的内阻值；105.(4)电池在50％soc，40℃，充电10s的内阻值；106.(5)电池在50％soc，25℃，充电30s的内阻值；107.(6)电池在20％soc，0℃，充电10s的内阻值；108.(7)电池在20％soc，25℃，充电10s的内阻值；109.(8)电池在80％soc，25℃，充电10s的内阻值；110.(9)电池在5％soc，-25℃，充电30s的内阻值。111.本实施例中，所述步骤2中，若将脉冲放电时间作为自变量时，所述步骤4中的实测多个特征条件下的电池内阻，具体为：112.(1)电池在50％soc，-10℃，放电10s的内阻值；113.(2)电池在50％soc，10℃，放电10s的内阻值；114.(3)电池在50％soc，25℃，放电10s的内阻值；115.(4)电池在50％soc，40℃，放电10s的内阻值；116.(5)电池在50％soc，25℃，放电30s的内阻值；117.(6)电池在20％soc，0℃，放电10s的内阻值；118.(7)电池在20％soc，25℃，放电10s的内阻值；119.(8)电池在80％soc，25℃，放电10s的内阻值；120.(9)电池在5％soc，-25℃，放电30s的内阻值。121.本实施例中，通过实测的九个特征条件下的电池内阻参数，并进行恒功率放电测试验证，能够得出真实准确的特征内阻参数。122.本实施例中，一种预测动力电池内阻的系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如本实施例中所述的预测动力电池内阻的方法的步骤。123.本实施例中，一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时，能执行如本实施例中所述的预测动力电池内阻的方法的步骤。124.实施例二125.本实施例中，一种预测动力电池功率的方法，包括以下步骤：126.步骤1、将电池功率表的参数做归一化处理；127.步骤2、将电池功率作为因变量，将电池温度、电池荷电状态、脉冲充/放电时间三项作为自变量，进行多元非线性回归拟合，得到多变量因子耦合功率模型；128.步骤3、判断所建立的多变量因子耦合功率模型是否符合电化学和热力学规律，同时通过统计学分析，对多变量因子耦合功率模型的可信度进行检验；129.步骤4、针对新型号或新材料体系的动力电池，实测多个特征条件下的电池功率，并基于测试所得的多个特征条件下的电池功率去修正多变量因子耦合功率模型；130.步骤5、对步骤4所得的多变量因子耦合功率模型进行验证，若预测精度满足预设精度值，则表示多变量因子耦合功率模型搭建完成，若预测精度不满足预设精度值，则返回步骤2；131.步骤6、利用步骤5搭建好的多变量因子耦合功率模型对新型号或新材料体系的动力电池的功率进行预测。132.本实施例中，所述预测动力电池功率的方法充分考虑电池本身特性，建立电池功率对电池温度、荷电状态、脉冲充/放电时间的多变量因子耦合功率模型，以达到提高电池功率参数估算精度的效果，并节省电池测试和匹配应用开发周期。133.本实施例中，多变量因子耦合功率模型为：134.ln(ydcr)＝c0+c1×xsoc+c2×xt+c3×xt+c11×(xsoc)2+c22×(xt)2+c33×(xt)2+c12×xsoc×xt+c13×xsoc×xt135.式中：ydcr为计算得到的动力电池的功率，单位w；136.xsoc为动力电池荷电态，单位1；其边界范围为0％～100％。137.xt为动力电池温度，单位k；其边界范围为243.15k～328.15k(-30℃～55℃)。138.xt为动力电池脉冲放电(或充电)时间，单位s；其边界范围为0s～60s。139.c0，c1，c2，c3，c11，c22，c33，c12，c13为常数项，其中：c1，c2，c33，c13为负数。140.为保证模型的通用性和准确度，针对特定的电池型号和不同的材料体系，引入电池功率的特征值校准模型。通过实测九个特征条件下的电池功率参数，并进行恒功率充/放电测试验证，得出真实准确的特征功率参数。再将功率参数的特征值导入模型，修正模型的常数，得到最终优化的多变量因子耦合功率模型。141.本实施例中，所述步骤2中，若将脉冲充电时间作为自变量时，所述步骤4中的实测多个特征条件下的电池功率值，具体为：142.(1)电池在50％soc，-10℃，充电10s的功率值；143.(2)电池在50％soc，10℃，充电10s的功率值；144.(3)电池在50％soc，25℃，充电10s的功率值；145.(4)电池在50％soc，40℃，充电10s的功率值；146.(5)电池在50％soc，25℃，充电30s的功率值；147.(6)电池在20％soc，0℃，充电10s的功率值；148.(7)电池在20％soc，25℃，充电10s的功率值；149.(8)电池在80％soc，25℃，充电10s的功率值；150.(9)电池在5％soc，-25℃，充电30s的功率值。151.本实施例中，所述步骤2中，若将脉冲放电时间作为自变量时，所述步骤4中的实测多个特征条件下的电池功率值，具体为：152.(1)电池在50％soc，-10℃，放电10s的功率值；153.(2)电池在50％soc，10℃，放电10s的功率值；154.(3)电池在50％soc，25℃，放电10s的功率值；155.(4)电池在50％soc，40℃，放电10s的功率值；156.(5)电池在50％soc，25℃，放电30s的功率值；157.(6)电池在20％soc，0℃，放电10s的功率值；158.(7)电池在20％soc，25℃，放电10s的功率值；159.(8)电池在80％soc，25℃，放电10s的功率值；160.(9)电池在5％soc，-25℃，放电30s的功率值。161.本实施例中，通过实测的九个特征条件下的电池功率参数，并进行恒功率放电测试验证，能够得出真实准确的特征功率参数。162.其余部分与实施例相同。163.本实施例中，一种预测动力电池功率的系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时，能执行如本实施例中所述的预测动力电池功率的方法的步骤。164.本实施例中，一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时，能执行如本实施例中所述的预测动力电池功率的方法的步骤。165.上述实施例为本发明方法较佳的实施方式，但本发明方法的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!