新能源汽车电池SOH 计算方案

1、电动汽车SOH回顾SOH的定义SOC与SOH的关系SOH测量方法探讨电压曲线拟合方法估计电源电池的SOH，SOH的定义，SOH的定义是由于电池的长期使用，电池的老化或劣化不可避免，因此也称为寿命状态或老化、劣化或落后电池的状态(SOH-of-Health，SOH)仅供参考，意义是一样的。电池SOH的标准定义反映了电池状态，即在标准条件下，电源电池从充电状态以一定比例放电到关闭电压释放的容量与相应公称容量的比率。这个定义适合说明纯电动汽车的健康状况。纯电动汽车应用基本上是完全充电的，因为每个充电和放电循环都可以很容易地相互比较。简而言之，在电池使用一段时间后，直接或间接计算的特定性能参数的实际值

2、与公称值的比率，用于确定电池状态下降后的状态，并测量电池状态，实际反映在内部电阻、容量等特定参数的变化中。如何根据电池特征量定义电池的状态，请参阅：SOH的定义(1)从电池剩馀量的角度定义SOH:其中是当前电池可用的最大功率，如果电池未使用，则是最大功率。(2)从电池(能量释放)启动功率的角度定义SOH:这里是电池实时释放的启动功率，1OO%SOC预计电池释放的启动功率，电动汽车所需的最小启动功率。定义SOH，(3)从电池容量角度定义SOH:(4)从电池内部电阻角度定义soh :其中是电池寿命结束时的电池内部电阻，电池出厂时的内部电阻，r是当前电池状态下的内部电阻。其中是测量容量的电池公称容量

3、。SOC与SOH的关系，通常SOC说明电流参数的短期变更，SOH说明长期变更。SOH的测量不需要连续进行，在大多数情况下定期测量就足够了，测量周期取决于其他应用。SOH测量外推可以预测电池的寿命，但也可能发生意外的电池故障。要测量电池的健康状况，必须知道实际的SOC，或者必须在同一SOC中测量SOH。soh测量方法摘要，soh显示当前电池的容量容量百分比，新电池的SOH值通常大于100%，随着电池的使用逐渐老化，SOH逐渐减少，IEEE标准1188-1996将电源电池的容量能力降低到80%，即SOH降低到80%当前存在以下SOH估计方法：(1)直接放电法要知道：电池的SOH，最直接的方法是实际

4、放电一次单体电池，测试发射的电量。使用当前负载的单体电池SOH评估是业界唯一经过验证的可靠方法。但是，该方法有：的SOH，需要在脱机状态下测试电池，因此汽车电源电池存在困难。测试负载大，工作不便。以O.1C比例放电时，放电过程大约需要10小时，测试时间太长。SOH测量方法综述，(2)内部电阻法：主要通过建立内部电阻和SOH之间的关系来估计SOH，在很多论文中已经说明了电池内部电阻和SOH之间的确定对应关系，可以通过简单地说明随着电池使用时间的增加电池内部电阻会增加对电池容量的影响来估计SOH。上海同志大学(上海同志大学)进行了类似的研究，重新定义了SOH和内部电阻相应的变化：其中表示电池的当前

5、欧姆内阻，表示电池出厂时的欧姆内阻，表示电池容量下降到80%时电池的内阻。SOH分布在0%到100%之间，一个新电池的SOH为100%，废弃电池的SOH为0。，SOH测量方法回顾，此方法也有一些缺点，是在电池容量减少25%或30%后电池内部电阻才会发生巨大变化的研究，并且电池容量减少80%时，具有更换电池的标准，因此用这种方法实时估计电池的SOH是困难的，一般是毫欧级，因为属于小信号，所以更难准确地测量电池内部电阻。目前，这种方法还没有实际应用。(3)电化学阻抗分析：是将频率不同的多个正弦信号应用于电池，并使用模糊理论对收集的数据信息进行分析，预测电池当前性能的复杂方法。使用此方法之前，需要大

6、量的数据收集和分析才能获得该电池的特性，需要更牢固的阻抗和阻抗谱理论知识，此外，成本也更高。SOH的测量方法摘要，(4)模型法：该方法的主要思想是分析电池内部发生的化学反应，并在此基础上建立电池模型，使用该模型计算电池容量的减少，推导电池的SOH。量子力学应用于化学动力学时，化学反应这一微观过程进行了新的论证，形成了亚林方程3360等过渡状态理论。其中m表示电池容量的衰减量。t表示电池续航时间，可以描述为电源电池系统中充电和放电的周期数。表示激活焓。表示赤字的活跃。h表示普朗克常量。k表示玻耳兹曼常量。r表示摩尔气体常数。表示标准浓度。SOH测量方法回顾，该方法需要仔细分析电池内部化学反应，知

7、道一些独特的电池参数，如激活管理，激活赤字，使用前要对电池寿命进行很多测试，大测试。目前这种方法很难，需要很长时间，不适合这个课题。(6)电压曲线模型方法该方法的优点是：建模简单，无需进行大量实验；也不需要电池的某些唯一参数。低成本；低成本。估计正确，因此本文使用此方法估计电池的SOH。报价的具体步骤和实施方法将在下面具体说明。目前纯电动汽车电源电池SOH的估计大部分在电池管理系统中进行，电池SOH的估计用作电池管理系统的功能模块。因此，本文介绍了国内外电池管理系统的发展现状。采用电压曲线拟合方法估算电源电池的SOH。电压曲线拟合方法对于估计电池状态的其他方法具有计算低、成本低、易于实现等特点

8、，但缺点是缺乏通用性。根据电压曲线拟合方法建立的估计SOH的模型仅适用于此型号的锂离子动力电池。换句话说，如果汽车更改了新模型的电池集，则重建估计模型的工作并不复杂。因此，综合考虑现有实验条件和每种方法的优缺点，估计电池SOH的电压曲线拟合方法、电压曲线拟合方法估计SOH的方块图如下：电压曲线拟合方法估算电源电池的SOH，下面以锂离子电池为例，描述了估算SOH的过程。电压曲线拟合方法估计了电源电池的SOH、锂离子电池充电放电特性和循环特性分析，纯电动汽车电源电池在使用过程中随着电池老化，即随着容量的减少，充电和放电过程中更直接的现象可能导致：在大电流充电或放电时电池的结束电压急剧增加或减少。电

9、压曲线拟合方法是在使用不同电池充电或释放相同电力的情况下，使用不同的电压特性估计电池的当前SOH。环宇200Ah磷酸锂单体动力电池充放电循环测试，采用东莞弘前恒温器和宁波贝特电池测试系统。电池测试系统的功能是根据以前设置的流程对电池进行充电和放电循环测试，同时以一定的间隔记录单个电池的电流、电压、能量、容量和温度等。恒温器是将电池保持在一定温度状态，并将正在测试的单个电池放入恒温器中以设置所需温度的功能。估计电力电池SOH的电压曲线拟合方法，目前纯电动汽车的充电方法有三种：恒压充电、恒流充电和恒流充电，通常是第三方恒流财务电流。此周期测试包括恒流充电、恒压充电、200A电流，直到电池两端电压上

10、升到3.9V为止，再以3.9V电压对电池进行恒压充电，直到电池充电电流下降到20A为止，假设电池已满，可以根据恒压充电时间结束电池的恒压充电。电池温度设定为室温25。在这种情况下，单个电池已循环放电448次，每个循环电池的数据已详细记录，供以后使用。电压曲线拟合方法估计了电源电池的SOH、220Ah环油电池部分周期数据，电压曲线拟合方法估计了电源电池的SOH，充放电特性分析随着电池周期实验的进行，电池容量逐渐衰减。也就是说，电池的SOH逐渐减少，在此过程中，电池充电电压曲线和电池放电相应的变化。下图显示了各种SOH下电池的充电电压曲线。分别为周期55，105，206，305，405次充电电压曲

11、线，电压曲线拟合方法估计电源电池的SOH，图形的横坐标表示充电时间，纵坐标表示电池两端的电压。如图所示，电池容量减少时，电池充电电压曲线发生变化，但总体变化趋势保持不变。电池放电电压曲线也是如此，如图所示。每个周期55，105，206，305，405，次放电电压曲线，电压曲线拟合方法估计电源电池的SOH，可以使用电池的充电电压曲线和放电电压曲线估计电池的SOH，但考虑到电动车运行过程中更复杂，放电电流、温度等更复杂，电池充电时的操作条件更稳定，因此使用电池的充电电压曲线估计电池的SOH。循环特性分析在整个循环过程中要注意两个方面。第一点是电池循环充电放电次数与电池SOH的关系，如下图所示。电压

12、曲线拟合方法估计电源电池的SOH，估计电池SOH和周期数之间的关系，电压曲线拟合方法估计电源电池的SOH，如图所示，随着电池周期前持续时间的增加，电池的SOH慢慢下降，随着周期测试进入后半部分，电池的SOH显着降低。这里前面的波动很大，是由于新电池首次充电时性能不稳定造成的。之后，将根据此规则使用电池的SOH预测电池剩馀的周期数。第二点是电池充电期间，恒流充电后，一定压力下充电。实验结果表明，无论电池的SOH如何，在一定压力下充电的容量几乎没有变化，如图所示。恒压充电容量与循环数的关系，电压曲线拟合方法估计电源电池的SOH，曲线前端波动大也是由于新电池的不稳定性造成的，曲线稳定时恒流充电容量可

13、能在10-12Ah范围内波动，大致认为电池恒流充电产生的容量是不变的，不随SOH的变化而变化。因为在恒压充电时电池电压保持不变，所以用电压曲线拟合方法估计SOH时，将此类恒流充电段转换为交叉流充电，以后转换时会使用此现象。，估计电压曲线拟合方法SOH的算法首先标准化电池充电电压曲线，将其他SOH的规格化充电电压曲线放置在同一轴上，然后选择中心的曲线作为基准曲线，使用BP神经网络拟合该曲线，最后基于该基准曲线估计电池的SOH。电压曲线拟合方法估计了电源电池的SOH，电池充电电压曲线的规格化，通过实际观察电池充电时电压随时间变化的曲线，可以看出电池的充电电压曲线形状非常相似，因此，可以使用尺度转换

14、方法规格化电池的充电电压曲线，如右图所示。第105周期为规范化电池充电电压曲线，电压曲线拟合方法估计了电源电池的SOH，标准化过程记录电池开始充电的电压Ve的瞬间为Te其中VP与Vt相同。恒压充电是Ce，Ve是电压轴的起点，VP是电压轴的终点，VP-Ve规格化电压轴。如格式(3.2)所示，将恒定压力充电容量转换为恒流充电时间Tw后，使用TP 1 Te Tw规格化时间表，如格式(3.1)、(3.3)所示。电压曲线拟合方法估计电源电池的SOH，规格化充电电压曲线，充电时间和充电电压都从0开始，充电电压结束于1，充电时间因恒压段充电而不等于1。通过这种处理，电池充电过程的开始和结束都受到了约束。在不

15、同的情况下，电池的充电电压曲线在规格化后表现出更好的一致性，对环境温度、充电比例在较小范围内的变化不太敏感。因此，规格化电压曲线可以获得电池的实际充电电压曲线，从而更准确地估计电池的SOH。电压曲线拟合方法估计了电源电池的SOH，标准化后比较了曲线包围的区域，评估了不同周期数(不同SOH)下充电电压曲线归一化后的一致性程度。由于循环测试中收集的电池充电数据是分布式的，不连续的，因此在计算曲线包围的面积时，使用线性插值方法可以方便准确。因此，计算面积公式为：基准充电电压曲线可以在根据上述公式计算不同的SOH时，计算电池充电电压曲线规格化后包围的面积，然后选择区域中心的曲线作为基准曲线。也可以按领

16、域评价标准化曲线一致性的好坏。电压曲线拟合方法估计电力电池的SOH、BP(后规划)神经网络，其误差信号向反方向传播，工作信号向正方向传播，是具有多层神经元的正向神经网络。本文主要利用BP神经网络逼近任意非线性函数的特点，对电池充电电压曲线进行曲线回归。与数学方法的其他非线性回归方法相比，BP神经网络的优点是精度高、方法简单，但是在数学中使用其他非线性回归方法时，首先基于已知曲线构建非线性数学模型，然后受所构建模型的影响，线性化并解决非线性模型，而在数学模型中，根据电池充电特性使用分割函数使问题复杂化。本文研究的SOH估计方法应用于远程监控系统，用于远程监控系统的kingview可以与MATLA

17、B联合计算，因此本文采用BP神经网络拟合电池充电电压曲线。人工神经网络(ArtificialNeuralNetworks，ANNs)是通过模拟生物大脑突触连接的结构，进行信息处理的数学模型。完整的神经网络系统是多个输入、单个输出的基本单位，很多神经元(神经网络的组成单位)相互连接，如下图所示。，BP神经网络拟合基准曲线，电压曲线拟合方法为电源电池的SOH，人工神经元模型，图中的Xj(j=l，2，n)操作是神经元的输入信号，I是输出信号，si是外部输入信号，i是神经元的阈值，ui是神经元内部状态，wji估计神经元输入信号的加权值。根据神经网络的基本原理，上述模型可以使用：的向下表示、电压曲线拟合方法估计电源电池的SOH，如果在神经元内部没有设置状态，则可以生成yi=u