本發(fā)明涉及互聯(lián)網(wǎng)大數(shù)據(jù)及電池管理領(lǐng)域，具體涉及一種基于電化學(xué)模型和機(jī)器學(xué)習(xí)的儲(chǔ)能電池soh估計(jì)方法。

背景技術(shù)：

1、隨著全球污染加劇和化石能源枯竭，節(jié)能環(huán)保已經(jīng)成為每個(gè)國家發(fā)展的共同目標(biāo)。其中實(shí)現(xiàn)“雙碳”目標(biāo)的重中之重是將清潔能源作為電力系統(tǒng)的主要供能來源。新能源汽車在國家能源結(jié)構(gòu)調(diào)整過程中有著重要地位。鋰離子電池作為一種清潔的儲(chǔ)能技術(shù)，也成為電動(dòng)汽車最具發(fā)展前景的候選電池之一。

2、雖然鋰離子電池具有節(jié)能環(huán)保、無記憶效應(yīng)、循環(huán)壽命長(zhǎng)與能量密度高的優(yōu)勢(shì)，但容量和功率方面的性能會(huì)隨著使用時(shí)間的增長(zhǎng)而逐漸惡化，嚴(yán)重影響電動(dòng)汽車的行駛里程和使用壽命，甚至還可能導(dǎo)致電解液泄漏和微小短路，造成電池故障并引發(fā)熱失控，從而引發(fā)災(zāi)難性事故的發(fā)生。因此，鋰電池安全性問題已成為制約新能源汽車發(fā)展的主要瓶頸。為了保證電動(dòng)汽車的安全運(yùn)行，必須對(duì)電池進(jìn)行有效的管理。其中電池管理系統(tǒng)(batterymanagement?system，bms)可以實(shí)現(xiàn)電池狀態(tài)監(jiān)測(cè)、安全預(yù)警，保障電池長(zhǎng)期安全可靠運(yùn)行，電池健康狀態(tài)(state?of?health,soh)是bms最重要的性能指標(biāo)之一。

3、目前soh的估計(jì)方法主要有基于模型的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法。基于模型的方法主要是建立等效電路模型、電化學(xué)模型來實(shí)現(xiàn)soh估計(jì)。等效電路模型是一個(gè)不考慮電池內(nèi)部化學(xué)成分和相應(yīng)反應(yīng)的模型，由于內(nèi)阻和容量可以有效地表征電池的老化，其變化間接反映了電池健康狀態(tài)的變化，但該方法容易受到工況和估計(jì)算法收斂性的影響。電化學(xué)模型可以很好地模擬電池的電化學(xué)反應(yīng)過程，但是其存在著模型參數(shù)辨識(shí)困難、大量偏微分方程導(dǎo)致計(jì)算復(fù)雜的問題，并且泛化性較差?；跀?shù)據(jù)驅(qū)動(dòng)模型的方法不需要考慮電池內(nèi)部的電化學(xué)反應(yīng)行為和失效機(jī)理特征，只需要通過分析大量數(shù)據(jù)來精確估計(jì)電池的健康狀態(tài)。但是該方法缺乏明顯的物理含義，依賴于數(shù)據(jù)的質(zhì)量，計(jì)算量大，且當(dāng)前研究多集中于恒流充放電工況，而用戶放電行為具有隨機(jī)性，導(dǎo)致鋰電池soh估計(jì)的準(zhǔn)確性不好。因此，如何設(shè)計(jì)一種能夠有效提高儲(chǔ)能電池soh估計(jì)的準(zhǔn)確性和泛化性的方法是急需解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述現(xiàn)有技術(shù)的不足，本發(fā)明所要解決的技術(shù)問題是：如何提供一種基于電化學(xué)模型和機(jī)器學(xué)習(xí)的儲(chǔ)能電池soh估計(jì)方法，首先從電化學(xué)模型和實(shí)驗(yàn)數(shù)據(jù)中提取與電池老化相關(guān)的特征，其次通過主成分分析法對(duì)特征進(jìn)行降維處理得到融合特征，最后利用支持向量機(jī)建立電池老化模型實(shí)現(xiàn)soh估計(jì)，從而有效提高儲(chǔ)能電池(鋰電池)soh估計(jì)的準(zhǔn)確性和泛化性。

2、為了解決上述技術(shù)問題，本發(fā)明采用了如下的技術(shù)方案：

3、一種基于電化學(xué)模型和機(jī)器學(xué)習(xí)的儲(chǔ)能電池soh估計(jì)方法，包括：

4、s1：構(gòu)建儲(chǔ)能電池的電化學(xué)模型；

5、s2：在初始老化循環(huán)下，對(duì)電化學(xué)模型進(jìn)行參數(shù)辨識(shí)；

6、s3：基于參數(shù)辨識(shí)后的電化學(xué)模型提取與電池老化相關(guān)的模型特征；

7、s4：基于獲取的實(shí)驗(yàn)數(shù)據(jù)提取與電池老化相關(guān)的數(shù)據(jù)特征；

8、s5：對(duì)模型特征和數(shù)據(jù)特征進(jìn)行相關(guān)性分析、特征降維和特征融合，得到融合特征；

9、s6：將融合特征輸入訓(xùn)練好的支持向量機(jī)模型中，輸出對(duì)應(yīng)的電池健康狀態(tài)預(yù)測(cè)值。

10、優(yōu)選的，步驟s1中，通過如下步驟構(gòu)建儲(chǔ)能電池的電化學(xué)模型：

11、s101：計(jì)算儲(chǔ)能電池負(fù)極和正極活性顆粒表面電化學(xué)反應(yīng)產(chǎn)生的鋰離子流量與外部電流之間的關(guān)系為：

12、

13、式中：jr,n表示儲(chǔ)能電池負(fù)極活性顆粒表面電化學(xué)反應(yīng)產(chǎn)生的鋰離子流量與外部電流之間的關(guān)系；jr,p表示儲(chǔ)能電池正極活性顆粒表面電化學(xué)反應(yīng)產(chǎn)生的鋰離子流量與外部電流之間的關(guān)系；i表示外部電流；ln表示負(fù)極的厚度；an表示負(fù)極電極極板的面積；an表示負(fù)極活性顆粒比表面積；f表示法拉第常數(shù)；lp表示正極的厚度；ap表示正極電極極板的面積；ap表示正極活性顆粒比表面積；

14、s102：采用二階龍格-庫塔法得到正極和負(fù)極的顆粒表面鋰離子濃度：

15、

16、式中：csurf,p和csurf,n分別表示正極和負(fù)極的顆粒表面鋰離子濃度；ds,p和ds,n表示正負(fù)極固相擴(kuò)散系數(shù)；

17、s103：基于顆粒表面鋰離子濃度計(jì)算正極和負(fù)極的電極利用率，進(jìn)而計(jì)算開路電壓；

18、電極利用率的計(jì)算公式表示為：

19、

20、式中：θp、θn分別表示正極和負(fù)極的電極利用率；csmax,p和csmax,n分別表示正極和負(fù)極的固相最大鋰離子濃度；

21、正極開路電壓的公式表示為：

22、up(θp)＝4.65-0.2076*tanh((θp-0.4)/0.06004)-0.06572*tanh((θp-0.552)/0.04231)

23、-0.1478*tanh((θp-0.728)/0.09524)+0.012814*tanh((θp-0.4445)/0.01732)

24、+0.006405*tanh((θp-0.56)/0.02347)-0.0728*tanh((θp-0.90)/0.06714)

25、-0.341*exp(223.8*(θp-0.999))+0.004366*tanh((θp-0.803)/0.02835)

26、-0.005707*tanh((θp-0.972)/0.01034)+0.01604*exp(-((θp-0.9927)/0.003936)2)

27、+0.001*(-2.529*tanh((θp-0.7)/0.08168))-0.55

28、負(fù)極開路電壓的公式表示為：

29、un(θn)＝4.973-2.643*tanh((θn-0.9832)/0.01329)+5.621*tanh((θn-0.6752)/1.164)

30、-0.1455*tanh((θn-0.5721)/1.55)+4.688*tanh((θn-0.472)/0.2705)-0.5182

31、*tanh((θn-0.4024)/1.16)+2.935*exp(-28.9*θn)+7.418*tanh((θn-0.2756)/0.204)

32、+14.46*tanh((θn-0.1097)/0.1035)-36.24*tanh((θn-0.0624)/0.4477)

33、+11.54*exp(-((θn-0.03786)/0.1157)2)

34、s104：定義液相電勢(shì)的公式為：

35、

36、式中：φe表示液相電勢(shì)；a表示電極表面積；keff表示有效電導(dǎo)率；lp、ln和lsep分別表示正極、負(fù)極和隔膜的厚度；

37、s105：將步驟s101中的jr,n和jr,p代入butler-volmer方程得到：

38、

39、式中：ks,n和ks,p表示負(fù)極和正極的電化學(xué)反應(yīng)速率常數(shù)；ce表示液相鋰離子濃度，ce-s,n和ce-s,p表示固液相的鋰離子濃度；α表示傳遞系數(shù)；r表示氣體常數(shù)；t表示溫度常數(shù)；ηp和ηn分別表示正極和負(fù)極的過電勢(shì)；

40、其中，輔助變量ξp和ξn為：

41、

42、計(jì)算正負(fù)極反應(yīng)產(chǎn)生的過電勢(shì)大小為：

43、

44、s106：建立電化學(xué)模型，用于估算電池的端電壓和soc；

45、電化學(xué)模型的端電壓計(jì)算公式表示為：

46、ut＝φe+(up-un)+ηp-ηn+irf；

47、式中：ut表示端電壓；rf表示歐姆內(nèi)阻；up表示正極開路電壓；un表示負(fù)極開路電壓；ηp表示正極反應(yīng)產(chǎn)生的過電勢(shì)；ηn表示負(fù)極反應(yīng)產(chǎn)生的過電勢(shì)；φe表示液相電勢(shì)；i表示電流；

48、電化學(xué)模型的soc用正極的電極利用率表示為：

49、

50、式中：soc(t)表示soc值；θp0％、θp100％分別表示電池放完電、充滿電時(shí)的球形顆粒表面電極利用率；θp表示正極的電極利用率。

51、優(yōu)選的，步驟s2中，通過粒子群優(yōu)化算法在初始老化循環(huán)下對(duì)電化學(xué)模型進(jìn)行參數(shù)辨識(shí)；

52、粒子群優(yōu)化算法的處理步驟包括：

53、s201：確定需要辨識(shí)的模型參數(shù)；

54、s202：定義每個(gè)粒子代表一組待辨識(shí)的模型參數(shù)；

55、s203：初始化粒子的位置和速度：

56、x＝[csmax,n,csmax,p,rn,rp,ks,n,ks,p]t；

57、v＝[vcsmax,n,vcsmax,p,vrn,vrp,vks,n,vks,p]t；

58、式中：csmax,p和csmax,n分別表示負(fù)極和正極的固相最大鋰離子濃度，rn和rp分別表示負(fù)極和正極固相顆粒的半徑，ks,n,和ks,p分別表示負(fù)極和正極的電化學(xué)反應(yīng)速率常數(shù)，x和v分別表示粒子的位置和速度；

59、s204：定義速度的均方根誤差最小值為適應(yīng)度函數(shù)；

60、公式表示為：

61、

62、式中：fit表示適應(yīng)度函數(shù)，v(t)與分別表示為仿真端電壓和測(cè)量端電壓；

63、s205：計(jì)算每個(gè)粒子的適應(yīng)度值；比較當(dāng)前粒子位置與其歷史最佳位置的適應(yīng)度，若當(dāng)前位置更優(yōu)，則更新個(gè)體最佳位置；

64、s206：在所有粒子中找出適應(yīng)度最優(yōu)的粒子，更新全局最佳位置；

65、s207：根據(jù)慣性權(quán)重、加速常數(shù)以及個(gè)體和全局最佳位置，更新每個(gè)粒子的速度和位置；

66、公式表示為：

67、

68、式中：xi(k)表示粒子在第k次迭代中的位置向量；vi(k)表示粒子在第k次迭代中的速度向量；pi(k)表示粒子在第k次迭代中的歷史最優(yōu)位置；gi(k)表示群體在第k次迭代中的歷史最優(yōu)位置；w表示慣性權(quán)重；c1和c2分別表示個(gè)體學(xué)習(xí)因子和群體學(xué)習(xí)因子；r1和r2分別為[0,1]間內(nèi)的隨機(jī)數(shù)；

69、s208：重復(fù)步驟s205至s207，直到達(dá)到預(yù)設(shè)的迭代次數(shù)或滿足收斂條件，將最優(yōu)粒子對(duì)應(yīng)的模型參數(shù)作為電化學(xué)模型的參數(shù)辨識(shí)結(jié)果進(jìn)行輸出。

70、優(yōu)選的，步驟s201中，通過控制變量法，在確保電化學(xué)模型其他參數(shù)不變的前提下，改變某一參數(shù)的值分別對(duì)電化學(xué)模型的電池電壓特性進(jìn)行分析，篩選出參數(shù)敏感性最高的若干個(gè)參數(shù)作為需要辨識(shí)的模型參數(shù)。

71、優(yōu)選的，步驟s3中，通過如下步驟提取與電池老化相關(guān)的模型特征：

72、s301：將不同老化循環(huán)下不同工況的實(shí)驗(yàn)數(shù)據(jù)輸入到參數(shù)辨識(shí)后的電化學(xué)模型中；

73、s302：通過電化學(xué)模型計(jì)算儲(chǔ)能電池的soc模擬值；通過soc模擬值和實(shí)際的soc值計(jì)算soc誤差socerror；提取soc誤差socerror的均值和積分作為模型特征f1和模型特征f2；

74、公式表示為：

75、f1＝mean(socerror)；

76、

77、s303：通過電化學(xué)模型計(jì)算儲(chǔ)能電池的電壓模擬值；通過電壓模擬值和實(shí)際的電壓值計(jì)算電壓誤差uerror；提取端電壓誤差uerror的均值和積分作為模型特征f3和模型特征f4；

78、公式表示為：

79、f3＝mean(uerror)；

80、

81、優(yōu)選的，步驟s4中，通過如下步驟提取與電池老化相關(guān)的數(shù)據(jù)特征：

82、s401：獲取實(shí)驗(yàn)數(shù)據(jù)；

83、s402：從實(shí)驗(yàn)數(shù)據(jù)中提取放電時(shí)間作為數(shù)據(jù)特征f5；

84、公式表示為：

85、f5＝tend-t0；

86、式中：tend表示放電結(jié)束時(shí)間；t0表示放電開始時(shí)間；

87、s403：從實(shí)驗(yàn)數(shù)據(jù)中提取凈放電電能作為數(shù)據(jù)特征f6；

88、公式表示為：

89、f6＝∫udiddtd-∫ucicdtc；

90、式中：ud和uc分別表示放電電流和充電電流對(duì)應(yīng)的電壓；id和ic分別表示放電電流和充電電流；td和tc分別表示放電時(shí)間和充電時(shí)間；

91、s404：從實(shí)驗(yàn)數(shù)據(jù)中提取電壓變化率作為數(shù)據(jù)特征f7；

92、公式表示為：

93、

94、式中：uend表示放電結(jié)束時(shí)電壓；u0表示放電開始時(shí)電壓；δt表示放電開始到放電結(jié)束時(shí)對(duì)應(yīng)的時(shí)間。

95、優(yōu)選的，步驟s5中，通過如下步驟生成融合特征：

96、s501：將所有的模型特征和數(shù)據(jù)特征放入一個(gè)數(shù)據(jù)集中；

97、s502：對(duì)數(shù)據(jù)集中的所有特征進(jìn)行歸一化；

98、公式表示為：

99、

100、式中：xnormalized表示歸一化后的特征；x表示原始的特征；xmax和xmin分別表示數(shù)據(jù)集中特征的最大值和最小值；

101、s503：通過皮爾遜相關(guān)系數(shù)對(duì)數(shù)據(jù)集中歸一化后的特征進(jìn)行相關(guān)性分析；

102、相關(guān)性分析的公式為：

103、

104、式中：ρx,y表示皮爾遜相關(guān)系數(shù)；cov(x,y)表示連續(xù)兩個(gè)連續(xù)變量x和y的協(xié)方差矩陣，σx和σy分別表示x和y的標(biāo)準(zhǔn)差；e表示期望；μx和μy分別是x和y的均值；

105、s504：對(duì)相關(guān)性系數(shù)最高的若干個(gè)目標(biāo)特征進(jìn)行主成分分析降維，并選擇貢獻(xiàn)率最大的特征作為降維后的融合特征；

106、主成分分析降維的處理步驟包括：

107、s5041：對(duì)目標(biāo)特征進(jìn)行中心化處理；

108、公式表示為：

109、

110、式中：表示輸入特征x1,x2,x3,...,xn的均值；y1，y2,…yn表示中心化處理后的目標(biāo)特征；

111、s5042：基于中心化處理后的目標(biāo)特征計(jì)算協(xié)方差矩陣；

112、公式表示為：

113、

114、式中：cov(y1,y2)表述計(jì)算協(xié)方差；

115、s5043：通過特征值分解求解協(xié)方差矩陣的特征值與特征向量；

116、s5044：將特征向量按對(duì)應(yīng)特征值大小從上到下排列成矩陣，取前k列組成主成分vk；

117、s5045：通過原始的數(shù)據(jù)集乘以主成分vk，將數(shù)據(jù)集中的特征投影到低維空間中得到降維后的數(shù)據(jù)，該數(shù)據(jù)即為特征在主成分空間中的貢獻(xiàn)率；

118、公式表示為：

119、wk＝x·vk；

120、式中：wk表示降維后的數(shù)據(jù)；x表示原始數(shù)據(jù)集；

121、s5046：選擇貢獻(xiàn)率第一的特征作為降維后的融合特征。

122、優(yōu)選的，步驟s6中，支持向量機(jī)模型為支持向量回歸模型。

123、優(yōu)選的，步驟s6中，通過用k折交叉驗(yàn)證算法訓(xùn)練支持向量回歸模型，訓(xùn)練步驟包括：

124、s601：獲取包含輸入特征和目標(biāo)變量的數(shù)據(jù)集；將數(shù)據(jù)集劃分為k個(gè)互不重疊的子集；

125、s602：對(duì)于k個(gè)子集中的每一個(gè)子集，執(zhí)行以下步驟：

126、s6021：將當(dāng)前子集作為測(cè)試集，將其他k-1個(gè)子集作為訓(xùn)練集；

127、s6022：在訓(xùn)練集上訓(xùn)練支持向量回歸模型；

128、s6023：在測(cè)試集上評(píng)估支持向量回歸模型的性能，并記錄性能指標(biāo)；

129、s6024：循環(huán)執(zhí)行s6021至s6023，將k次迭代得到的性能指標(biāo)進(jìn)行平均，得到對(duì)支持向量回歸模型性能的總體評(píng)估；

130、s603：根據(jù)k折交叉驗(yàn)證的結(jié)果，比較不同參數(shù)組合下的平均性能指標(biāo)；選擇性能指標(biāo)最優(yōu)的參數(shù)組合作為支持向量回歸模型的最優(yōu)參數(shù)；

131、s604：通過整個(gè)數(shù)據(jù)集訓(xùn)練確定了最優(yōu)參數(shù)的支持向量回歸模型，直至模型收斂。

132、優(yōu)選的，步驟s6023中，通過均方根誤差和平均絕對(duì)誤差評(píng)估支持向量回歸模型的性能；

133、公式表示為：

134、

135、式中：n表示采樣數(shù)；表示支持向量回歸模型輸出的電池健康狀態(tài)預(yù)測(cè)值；ym表示電池健康狀態(tài)的真實(shí)值。

136、本發(fā)明中基于電化學(xué)模型和機(jī)器學(xué)習(xí)的儲(chǔ)能電池soh估計(jì)方法與現(xiàn)有技術(shù)相比，具有如下有益效果：

137、首先，本發(fā)明構(gòu)建儲(chǔ)能電池的電化學(xué)模型并在初始老化循環(huán)下進(jìn)行參數(shù)辨識(shí)，準(zhǔn)確地描述電池的內(nèi)部電化學(xué)行為。將不同老化循環(huán)下的動(dòng)態(tài)工況數(shù)據(jù)輸入到電化學(xué)模型中，得到不同老化循環(huán)下的電壓誤差和soc誤差，使得能夠基于模型誤差得到與電池老化密切相關(guān)的模型特征；同時(shí)從實(shí)驗(yàn)數(shù)據(jù)中提取數(shù)據(jù)特征，并將提取的模型特征和數(shù)據(jù)特征一起進(jìn)行相關(guān)性分析、特征降維和特征融合，進(jìn)一步篩選和優(yōu)化用于soh估計(jì)的特征集，從而提高儲(chǔ)能電池(鋰電池)soh估計(jì)的準(zhǔn)確性，使預(yù)測(cè)結(jié)果更加接近電池的實(shí)際健康狀態(tài)，更好地滿足電池管理系統(tǒng)對(duì)soh精確估計(jì)的需求。然后，本發(fā)明通過特征降維減少了特征數(shù)量，降低了計(jì)算復(fù)雜度，并且有助于去除冗余信息，提高模型的泛化能力，同時(shí)本發(fā)明利用支持向量機(jī)(支持向量回歸，svr)模型實(shí)現(xiàn)soh估計(jì)，利用svr在處理非線性問題和避免過擬合方面的優(yōu)勢(shì)，增強(qiáng)模型的泛化性能，使得模型能夠在不同工況、不同電池類型下保持穩(wěn)定的預(yù)測(cè)性能，從而提高儲(chǔ)能電池soh估計(jì)的實(shí)用性和可靠性。其次，本發(fā)明通過特征融合和svr模型的應(yīng)用，能夠在保證準(zhǔn)確性的同時(shí)實(shí)現(xiàn)快速、實(shí)時(shí)的soh估計(jì)，svr模型在處理大數(shù)據(jù)集時(shí)具有較高的計(jì)算效率，而特征融合則減少了特征數(shù)量，降低了計(jì)算復(fù)雜度。最后針對(duì)電化學(xué)模型參數(shù)辨識(shí)時(shí)間長(zhǎng)、計(jì)算過程復(fù)雜的問題，本發(fā)明僅需要對(duì)初始循環(huán)下的電化學(xué)模型進(jìn)行參數(shù)辨識(shí)，無需對(duì)每個(gè)循環(huán)下的電化學(xué)參數(shù)進(jìn)行更新，利用具有實(shí)際物理含義的電化學(xué)模型提取模型特征，從而能夠提高儲(chǔ)能電池soh估計(jì)的準(zhǔn)確性和計(jì)算效率。