一种基于大数据的电池健康度算法

2021-01-21李广林谭倚靖温丽梅

科学技术创新 2021年2期

李广林张送张亮谭倚靖温丽梅

（上汽通用五菱汽车股份有限公司，广西柳州545007）

1 概述

传统的SoH 计算方法，主要包含两类：基于电池寿命试验的直接递推法和提取特征参数的间接测量法[1-2]。这些方法在很大程度上局限于BMS 的存储和计算能力，而提升BMS 硬件系统会造成车辆成本的显著增加[3]。

针对BMS 的局限性，肖伟[3]等基于电池历史数据，提出了一种基于多维度和长时间的综合评估方法，其当前容量计算和额定容量计算的本质是一样的，都是用充电量除以对应的SoC 区间,只是SoC 区间选择稍有不同。一个SoC 区间是40-60，而另一个是20-80。我们通过分析大量的新能源汽车实时上报的车辆动态数据发现，很少用户会在SoC 低于20 才去充电，所以满足20-80 SoC 区间的电池数据样本相对来说会少很多，而且该算法没有考虑充电效率因素，充电电流不可能100%被存储到电池中。

本文利用历史车辆的动态数据，依托spark 高性能的离线并行处理能力，提出了一种新的SoH 计算算法。

2 基于大数据的新的SoH 算法

2.1 前提条件

具备足够多的已经解析好的新能源动态车辆数据，历史数据的时间跨度要一年以上，并按天按车型存储在hdfs 分布式文件系统。不可缺少的数据字段包括：车架号（VIN 码）、采集时间、行驶里程、是否充电、电流值、SoC、电池型号。

采集频率不能过慢，一般一秒一传或两秒一传。采集频率过慢，对计算结果会有比较大的影响。

除此之外，数据质量不能太差。经常丢数据或者字段信息错误率过高，都会大大降低结果的准确性。

2.2 采样

从最近一个月的数据中，查找出行驶里程大于50000 公里的车辆作为样本。

2.3 数据清洗

将采集时间异常的数据过滤掉。

将电流值异常的数据过滤掉。

按照采集时间进行升序排序。

同一个行程相邻两条数据的时间间隔大于10S，则不进行统计。

2.4 SoH 算法

公式（1）中，Ccur 表示的是当前电池容量。其中I 表示的是电流值，△t 表示的是车辆数据采集频率的时间间隔。该公式的分子表示车辆电池SoC 由90 降到50 时，所释放的电池电量。90与50 之间的区间标记为SOCcur。在SoC 下降到50 的整个过程中，车辆不允许充电，如果中间充电了，则不统计此次的放电过程。