一种动力电池组特征单体的筛选方法

摘要

本发明提供了一种动力电池组特征单体的筛选方法，其基于数据流Misra‑Gries算法对一级筛选得到的特征单体编号进行频繁项挖掘实现二级筛选，利用二级筛选结果进行特征单体编号更新，有利于对特征单体和电池组状态的在线估计。本发明通过二级筛选，有效避免了电压波动和参数估计误差造成的特征单体编号频繁切换更新的问题，提升了电池组状态估计结果的稳定性和精确性。相较于设定固定观测窗口的方法，本发明能够有效减少算法对存储空间的需求，有利于在大规模电池组嵌入式管理系统中应用。

权利要求

1.一种动力电池组特征单体的筛选方法，其特征在于：具体包括以下步骤：步骤一、实时采集动力电池数据，包括电压、温度、电流数据，并对这些数据进行预处理，确定出特征单体的第一级筛选指标；

步骤二、基于所述第一级筛选指标对电池组中的电池单体进行筛选，对各单体确定并分配与某个k时刻对应的特征单体编号： 其中i＝1,2,3...,n，n为选择的特征单体总数；

步骤三、基于由各时刻特征单体编号构成的一级筛选数据流N1：利用Misra-Gries算法挖掘一级筛选数据流中的频繁项，以减少各时刻对应的特征单体编号的异常跳动，从而实现二级特征单体筛选。

2.如权利要求1所述的方法，其特征在于：所述步骤三中利用Misra-Gries算法进行二级特征单体筛选，具体包括以下步骤：S3.1、首先进行算法初始化，定义一个元素个数为p的整数数组P，p应大于等于选择的特征单体总数，即p≥n，并为每个元素单独定义一个计数器；p个元素的初值均设为0，计数器初值均设为0；

S3.2、实时接收一级筛选数据流N1并运行算法，对数据流中的项 依次进行如下处理：如果数组P中有元素与 相等，则将该元素对应的计数器加1；如果数组P中没有元素与相等且数组P中存在为0的元素，则将该元素赋值为 如果数组P中没有元素与 相等且数组P中不存在为0的元素，则将所有元素对应的计数器减1，此时若数组P中某元素对应的计数器为0，则将该元素重新赋值为0；

S3.3、输出数组P中计数值最大的前n个元素值，则k时刻经过二级筛选最终输出的特征单体编号为

3.如权利要求1所述的方法，其特征在于：所述第一级筛选指标可根据实际需求选择电压最高/最低、容量最大/最小、内阻最大/最小、电压变化率最大/最小作为筛选依据。

说明书

一种动力电池组特征单体的筛选方法

技术领域

[0001] 本发明涉及动力电池的管理技术，尤其涉及一种动力电池组特征单体的选取方法。

背景技术

[0002] 为满足功率和容量的需求，动力电池组通常由大量单体串并联组成。然而，受制于现有的生产制造水平和使用条件，不同电池单体间的初始性能差异以及外部使用条件的一
致性难以完全保证，导致了电池单体工作状态的差异，而工作状态的差异又进一步加剧了
电池组性能变化的差异。目前，即使通过严格筛选单体仍不能保证动力电池组长期一致性，
严重影响力了基于单体模型的动力电池管理算法的实际应用效果。另一方面，对所有单体
进行在线同步状态估计虽然理论上可以达到最高的精度，但对于大规模电池组而言无疑将
耗费巨大的计算成本，难以实际应用。

[0003] 基于各单体外表征参数，选取特征单体并对其进行实时状态估计，不仅可以得到电池组的准确状态，同时能够大幅降低计算成本，因此特征单体筛选技术可作为单体管理
算法和电池组管理算法的桥梁，是动力电池组精细化管理的基础。特征单体通常以单体的
容量、内阻、电压等作为筛选依据，其中电压作为可直接测量得到的电池外表征量应用最为
广泛。基于电压筛选可快速得到最高/低电压单体、电压变化最快/慢单体；基于容量、内阻
筛选则依赖于容量和内阻估计算法，特征单体更新频率相较于基于电压的筛选方法较低。
但是无论基于何种筛选依据，传统的特征单体筛选方法在电压波动剧烈或者参数估计存在
偏差的情况下均会出现特征单体编号反复跳动的现象，造成电池组状态估计结果产生较大
波动，影响系统的安全运行。这种现象在电池组初期单体一致性差异不大的情况下尤为明
显。为解决该问题，一种可行的方案是建立观测窗口，存储窗口范围内筛选得到的特征单体
编号，基于存储结果输出窗口范围内出现频率最高的编号。该方法可以一定程度上减少算
法的波动，但是窗口长度的选择对算法结果影响较大且该方案会占用大量的存储空间。因
此，如何提供一种既能发挥特征单体筛选的优势，同时克服其尚存的一些缺陷，以实现高效
低开销的筛选，是本领域中亟待解决的技术问题。

发明内容

[0004] 有鉴于此，本发明提供了一种动力电池组特征单体的筛选方法，具体包括以下步骤：

[0005] 步骤一、实时采集动力电池数据，包括电压、温度、电流等数据，并对这些数据进行预处理，确定出特征单体的第一级筛选指标；

[0006] 步骤二、基于所述第一级筛选指标对电池组中的电池单体进行筛选，对各单体确定并分配与某个k时刻对应的特征单体编号： 其中i＝1,2,3...,n，n为选择的特征单体
总数；

[0007] 步骤三、基于由各时刻特征单体编号构成的一级筛选数据流N1：利用Misra-Gries算法挖掘一级筛
选数据流中的频繁项，以减少各时刻对应的特征单体编号的异常跳动，从而实现二级特征
单体筛选。

[0008] 进一步地，所述步骤三中利用Misra-Gries算法进行二级特征单体筛选，具体包括以下步骤：

[0009] S3.1、首先进行算法初始化，定义一个元素个数为p的整数数组P，p应大于等于选择的特征单体总数，即p≥n，并为每个元素单独定义一个计数器；p个元素的初值均设为0，
计数器初值均设为0.

[0010] S3.2、实时接收一级筛选数据流N1并运行算法，对数据流中的项 依次进行如下处理：如果数组P中有元素与 相等，则将该元素对应的计数器加1；如果数组P中没有元素
与 相等且数组P中存在为0的元素，则将该元素赋值为 如果数组P中没有元素与
相等且数组P中不存在为0的元素，则将所有元素对应的计数器减1，此时若数组P中某元素
对应的计数器为0，则将该元素重新赋值为0；

[0011] S3.3、输出数组P中计数值最大的前n个元素值，则k时刻经过二级筛选最终输出的特征单体编号为

[0012] 进一步地，所述一级筛选指标可根据实际需求选择电压最高/最低、容量最大/最小、内阻最大/最小、电压变化率最大/最小等作为筛选依据。例如，一级筛选中选择内阻作
为筛选判据，则需要基于动力电池模型和参数辨识算法预处理得到每个单体的内阻值，并
根据内阻最大或最小来选择特征单体。

[0013] 上述本发明所提供的方法，基于数据流Misra-Gries算法对一级筛选得到的特征单体编号进行频繁项挖掘实现二级筛选，利用二级筛选结果进行特征单体编号更新，有利
于对特征单体和电池组状态的在线估计。相对于现有技术，至少具有以下有益效果：

[0014] 1、通过二级筛选，有效避免了电压波动和参数估计误差造成的特征单体编号频繁切换更新的问题，提升了电池组状态估计结果的稳定性和精确性。

[0015] 2、相较于设定固定观测窗口的方法，本发明能够有效减少算法对存储空间的需求，有利于在大规模电池组嵌入式管理系统中应用。

附图说明

[0016] 图1为本发明所提供方法的流程示意图；

[0017] 图2为实车工况充放电循环1号单体电压曲线；

[0018] 图3为各时刻最高电压单体编号；

[0019] 图4为各时刻最低电压单体编号；

[0020] 图5为基于Misra-Gries算法处理得到的各时刻特征单体1编号；

[0021] 图6为基于Misra-Gries算法处理得到的各时刻特征单体2编号。

具体实施方式

[0022] 下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术
人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0023] 本发明所提供的动力电池组特征单体的筛选方法，如图1所示，具体包括以下步骤：

[0024] 步骤一、实时采集动力电池数据，包括电压、温度、电流等数据，并对这些数据进行预处理，确定出特征单体的第一级筛选指标；所述一级筛选指标可根据实际需求选择电压
最高/最低、容量最大/最小、内阻最大/最小、电压变化率最大/最小等作为筛选依据。

[0025] 步骤二、基于所述第一级筛选指标对电池组中的电池单体进行筛选，对各单体确定并分配与某个k时刻对应的特征单体编号： 其中i＝1,2,3...,n，n为选择的特征单体
总数；

[0026] 步骤三、基于由各时刻特征单体编号构成的一级筛选数据流N1：利用Misra-Gries算法挖掘一级筛
选数据流中的频繁项，以减少各时刻对应的特征单体编号的异常跳动，从而实现二级特征
单体筛选。

[0027] 所述步骤三中利用Misra-Gries算法进行二级特征单体筛选，具体包括以下步骤：

[0028] S3.1、首先进行算法初始化，定义一个元素个数为p的整数数组P，p应大于等于选择的特征单体总数，即p≥n，并为每个元素单独定义一个计数器；p个元素的初值均设为0，
计数器初值均设为0.

[0029] S3.2、实时接收一级筛选数据流N1并运行算法，对数据流中的项 依次进行如下处理：如果数组P中有元素与 相等，则将该元素对应的计数器加1；如果数组P中没有元素
与 相等且数组P中存在为0的元素，则将该元素赋值为 如果数组P中没有元素与
相等且数组P中不存在为0的元素，则将所有元素对应的计数器减1，此时若数组P中某元素
对应的计数器为0，则将该元素重新赋值为0；

[0030] S3.3、输出数组P中计数值最大的前n个元素值，则k时刻经过二级筛选最终输出的特征单体编号为

[0031] 所述一级筛选指标可根据实际需求选择电压最高/最低、容量最大/最小、内阻最大/最小、电压变化率最大/最小等作为筛选依据。例如，一级筛选中选择内阻作为筛选判
据，则需要基于动力电池模型和参数辨识算法预处理得到每个单体的内阻值，并根据内阻
最大或最小来选择特征单体。

[0032] 在本发明的一个具体实例中，以电压作为筛选判据，选择k时刻电压最高和最低的两节单体作为电池组的特征单体，其对应的编号分别为 和 假设经过一级筛选得到
的数据流N1＝[1,2；1,2；1,3；5,2；1,2；...]。由数据流N1可知，前两秒和第五秒电池组中电
压最高和最低单体分别为1号单体和2号单体，但是第三和第四秒测得的电压最高和最低电
2
压单体编号分别发生了变化。经过二级筛选后，算法实际输出的特征单体编号为数据流N
＝[1,2；1,2；1,2；1,2；1,2；...]。对比N1和N2可以发现，处理后的特征单体编号构成的数据
流有效剔除了由于电压采样误差、电压异常跳动等原因造成的异常点，避免了特征单体编
号频繁切换更新的问题，提升了电池组状态估计结果的稳定性和精确性。

[0033] 在本发明的另一个具体实例中，以48串1并的磷酸铁锂电池组作为测试对象，在40℃条件下模拟实车运行工况进行一次充放电循环，1号单体测试过程中完整电压曲线如图2
所示。若以电压作为筛选判据，基于传统方法选择电压最高和最低的两节单体作为电池组
的特征单体，则各时刻的最高电压单体编号和最低电压单体编号分别如图3和图4所示。可
见，基于传统特征单体筛选方法进行电池组状态估计将导致特征单体频繁切换从而造成状
态估计结果波动较大。而基于Misra-Gries算法处理得到的各时刻特征单体(特征单体总数
n＝2)编号分别如图5和图6所示。基于Misra-Gries算法的特征单体筛选结果有效地去除了
充放电过程中特征单体编号跳动值，为提升电池组状态估计结果的稳定性和可靠性提供了
保证。

[0034] 应理解，本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限
定。

[0035] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换
和变型，本发明的范围由所附权利要求及其等同物限定。