使用增量容量分析来加速确定健康状态的方法和系统与流程

使用增量容量分析来加速确定健康状态的方法和系统
1.本技术要求于2020年4月3日提交的美国申请no.63/004,742的权益，其全部内容通过引用并入本文。
技术领域
2.本公开的某些实施方式涉及电池分析。更具体地，本公开的一些实施方式提供了用于使用增量容量分析来加速确定电池健康状态的系统和方法。


背景技术：

3.在各种使用情况下，诸如在移动储存(例如，电动汽车)应用、固定存储(例如，网格存储)应用和便携式存储(例如，个人电子设备)应用中，能量储存设备的健康状态(soh)是能量储存设备的健康状况的指示。对于许多电池管理系统(bms)，soh是关键信息。在一些情况下，soh对应于与新电池相比的总容量的降低和/或内阻的升高。例如，新电池(例如，从生产线下来的或现成的)通常具有100％或接近100％(例如，高于90％，95％或99％)的初始soh，而老化的电池(例如，已至少放电和充电一个周期)的老化soh小于初始soh。监测soh适用于各种能量储存设备，包括但不限于锂离子电池、钠离子电池、超级电容器、燃料电池、液流电池、金属空气电池、熔融盐电池、镍氢电池、钠硫电池和铅酸电池。在一些使用情况下，对于电池健康诊断和预测，非常需要调整用于快速、准确、鲁棒和/或实时地预测soh的系统和/或方法(例如，soh估计算法)。


技术实现要素：

4.本公开的某些实施方式涉及电池分析。更具体地，本公开的一些实施方式提供了用于使用增量容量分析(incremental capacity analysis)和支持向量回归(support vector regression)来确定电池健康状态的系统和方法。仅作为示例，本公开的一些实施方式已经被应用于诊断电池。但是将认识到，本公开具有广泛的适用范围，诸如用于其它类型的能量储存设备。
5.一种确定电池的健康状态的计算机实现方法，该方法包括：调节电池和确定该电池的健康状态，至少通过以下步骤来调节电池：确定电池的初始荷电状态；经由预定的多阶段充电序列将该电池从所述初始荷电状态充电到第一目标荷电状态；并且至少通过以下步骤来确定所述电池的健康状态：以ica充电率将该电池从所述第一目标荷电状态充电到第二目标荷电状态；在将所述电池从所述第一目标荷电状态充电到所述第二目标荷电状态期间获取所述电池的电压与容量(qv)数据；至少基于所获取的qv数据获得增量容量(ic)数据；对所述ic数据进行预处理；从所述ic数据提取ica峰；以及至少部分地基于所述ica峰来确定所述电池的健康状态。
6.一种用于确定电池的健康状态的系统，该系统包括：调节模块和健康状态确定模块，所述调节模块被配置成至少通过以下步骤来调节电池：确定电池的初始荷电状态；经由预定的多阶段充电序列将该电池从所述初始荷电状态充电到第一目标荷电状态；并且所述
健康状态确定模块被配置成至少通过以下步骤来确定所述电池的健康状态：以ica充电率将该电池从所述第一目标荷电状态充电到第二目标荷电状态；在将所述电池从所述第一目标荷电状态充电到所述第二目标荷电状态期间获取所述电池的电压与容量(qv)数据；至少基于所获取的qv数据获得增量容量(ic)数据；对所述ic数据进行预处理；从所述ic数据提取ica峰；以及至少部分地基于所述ica峰来确定所述电池的所述健康状态。
7.一种存储有指令的非暂时性计算机可读介质，该非暂时性计算机可读介质在由处理器执行时使所述处理器执行以下过程：调节电池和确定电池的健康状态，至少通过以下步骤来调节电池：确定该电池的初始荷电状态；经由预定的多阶段充电序列将该电池从所述初始荷电状态充电到第一目标荷电状态；并且至少通过以下步骤来确定所述电池的健康状态：以ica充电率将该电池从所述第一目标荷电状态充电到第二目标荷电状态；在将所述电池从所述第一目标荷电状态充电到所述第二目标荷电状态期间获取所述电池的电压与容量(qv)数据；至少基于所获取的qv数据获得增量容量(ic)数据；对所述ic数据进行预处理；从所述ic数据提取ica峰；以及至少部分地基于所述ica峰来确定所述电池的所述健康状态。
8.根据实施方式，可以实现一个或更多个益处。参照具体实施方式和附图，可以充分理解本公开的这些益处以及各种附加目的、特征和优点。
附图说明
9.图1是示出根据本公开的一些实施方式的预测电池的预测健康状态的方法的简化图。
10.图2是示出根据本公开的一些实施方式的用于建立经训练的健康状态(soh)估计模型的方法的简化图。
11.图3是示出在电池的充电周期期间获取的电压与容量(qv)数据的表示图。
12.图4是示出至少基于图3的qv数据获得的增量容量(ic)数据的表示图。
13.图5是示出至少基于对图4的ic数据进行平滑化而获得的经平滑的ic数据的表示图。
14.图6是示出nmc
‑
石墨锂离子电池的嵌入图的表示图。
15.图7是示出图5的经平滑的ic数据的ica面积和/或ica峰的表示图。
16.图8是示出至少基于在多个soh处获取的多个qv数据而获得的多个ic数据的表示图。
17.图9是示出根据本公开的一些实施方式的建立经训练的soh估计模型的方法的例示图。
18.图10是示出根据本公开的一些实施方式的用于预测电池的预测健康状态的系统的简化图。
19.图11是示出根据本公开的一些实施方式的用于建立经训练的健康状态(soh)估计模型的系统的简化图。
20.图12是示出根据一些实施方式的针对多个测试电池的在ica峰处的soh与ic数据之间的相关性的简化图。
21.图13a是示出以恒定充电率对测试电池进行充电的简化图。
22.图13b是示出在图13a所示的充电周期期间的测试电池的电压的简化图。
23.图13c是示出在图13a所示的充电周期期间的测试电池的荷电状态的简化图。
24.图13d是示出在图13a所示的充电周期期间的测试电池的ic数据的简化图。
25.图14是示出不期望的ica诊断充电周期的简化图。
26.图15是示出根据一些实施方式的多阶段充电周期的简化图。
27.图16a是示出根据一些实施方式的多阶段充电周期的多个充电率的简化图。
28.图16b是示出根据一些实施方式的在图16a所示的多阶段充电周期下充电的测试电池的电压的简化图。
29.图17a是示出根据一些实施方式的多阶段充电周期的多个充电率的简化图。
30.图17b是示出根据一些实施方式的在图17a所示的多阶段充电周期下充电的测试电池的电压的简化图。
31.图17c是示出根据一些实施方式的在图17a所示的多阶段充电周期下充电的测试电池的ic数据的简化图。
32.图17d是示出单阶段充电周期的单个充电率的简化图。
33.图17e是示出在图17d所示的单阶段充电周期下充电的测试电池的电压的简化图。
34.图17f是示出在图17d所示的单阶段充电周期下充电的测试电池的ic数据的简化图。
35.图18是示出根据一些实施方式的工作中的电池的操作的简化图。
36.图19是示出根据一些实施方式的用于确定电池的健康状态的方法的简化图。
37.图20是示出根据一些实施方式的用于确定电池的健康状态的系统的简化图。
具体实施方式
38.本公开的某些实施方式涉及电池分析。更具体地，本公开的一些实施方式提供了用于使用增量容量分析和支持向量回归来确定电池健康状态的系统和方法。仅作为示例，本公开的一些实施方式被应用于诊断电池(例如，可充电电池)。但是将认识到，本公开具有广泛的适用范围，诸如用于其它类型的能量储存设备。
39.在各种示例中，增量容量分析(ica)用于通过跟踪电池的一个或更多个电化学属性来研究电池状态(例如电池的soh)的变化。例如，所述一个或更多个电化学属性包括容量和/或内阻。在各种实施方式中，ica以可量化的方式提供关于电池退化的启示。在某些示例中，ica包括例如在充电周期期间获取(例如，测量)电池的电压与容量(qv)数据，然后计算在预定条件下(例如，电压范围)电池容量(q)相对于电池电压(v)的微分。在一些示例中，ica包括检查微分结果的演变(其可以被显示成ic曲线(例如，dq/dv与v曲线)、电池老化(例如，充电周期的增加))并监测电池的soh与ica面积(a)和/或ica峰(p)之间的相关性。在各种示例中，ica面积表示ic曲线下的面积值(例如，ic曲线的积分)，而ica峰表示ic曲线的峰(例如，最高峰)的容量值。
40.在一些示例中，在诸如预定电压范围的预定条件下从ic曲线确定(例如，提取)ica面积和/或ica峰。换句话说，根据各种实施方式，ica面积和/或ica峰可以从部分ica曲线确定并且不需要完整的ica曲线。在某些示例中，预定电压范围小于充电电压范围，例如，预定电压范围小于充电电压范围的90％、80％、70％、60％、50％、40％、30％、20％或10％。例如，
对于2v至4v的充电电压范围，预定电压范围可以是2.5v至3.5v。在一些实施方式中，针对部分(例如，未充电至100％的荷电状态)而不是全部(例如，充电至100％的荷电状态)的充电周期获得的ica曲线足以提取ica面积和/或ica峰，因此在无需对电池完全充电的情况下实现电池的soh的估计。
41.在各种示例中，支持向量回归(svr)用于建立经训练的soh估计模型。在某些示例中，svr用作机器学习方法，以分析用于ica特征(例如ica面积和/或ica峰)的线性和/或非线性回归分析的数据。在一些示例中，svr模型被开发以识别电池soh与ica特征之间的非线性相关性。在某些实施方式中，ica和svr的使用减小了soh估计误差，诸如由电池单元变化和测量噪声引起的误差，从而提高了用于预测电池的soh的系统和/或方法的鲁棒性。在一些实施方式中，ica和svr的使用例如通过消除实质上对电池进行充电或放电以获得用于电池soh估计的足够数据的需要来提高了电池soh估计的速度。
42.图1是示出根据本公开的一些实施方式的用于预测电池(例如，可充电电池)的预测健康状态的方法100的简化图。该图仅是示例，其不应不适当地限制权利要求的范围。本领域普通技术人员将认识到许多变化、另选方式和修改。在一些示例中，方法100包括建立经训练的健康状态(soh)估计模型的过程110、获取处于待确定健康状态(tbd
‑
soh)的电池的电压与容量(qv)数据的过程120、基于所获取的qv数据获得增量容量(ic)数据的过程130、对所获得的ic数据进行预处理的过程140、从所获得的ic数据提取ica面积和/或ica峰的过程150以及至少基于使用经训练的soh估计模型分析提取的ica面积和/或ica峰来预测与tbd
‑
soh对应的预测soh(p
‑
soh)的过程160。尽管已经使用用于该方法的选定的一组过程示出了以上内容，但是可以存在许多另选方式、修改和变化。例如，可以扩展和/或组合一个或更多个过程。可以将一个或更多个过程插入到上述过程中。可以删除一个或更多个过程。根据实施方式，过程的顺序可以与其它替换顺序互换。
43.在各种实施方式中，在图2中示出了建立经训练的soh估计模型的过程110。图2是示出根据本公开的一些实施方式的用于建立经训练的soh估计模型的方法200的示意图。该图仅是示例，其不应不适当地限制权利要求的范围。本领域普通技术人员将认识到许多变化、另选方式和修改。在一些示例中，方法200包括在充电周期期间在预定电压范围内获取训练电池在第一soh处的qv数据的过程210、至少基于所获取的qv数据获得ic数据的过程220、对ic数据进行预处理的过程230、从ic数据提取ica面积和/或ica峰的过程240、将所提取的ica面积和ica峰输入到ica数据库中的过程250、在训练电池上在一个或更多个附加soh处并可选地在一个或更多个附加训练电池上在多个soh处重复获取、获得、预处理、提取和输入过程的过程260以及通过使用支持向量回归至少基于ica数据库训练和测试基础soh估计模型来建立经训练的soh估计模型的过程270。尽管已经使用用于该方法的选定的一组过程示出了以上内容，但是可以存在许多另选方式、修改和变化。例如，可以扩展和/或组合一个或更多个过程。可以将一个或更多个过程插入到上述过程中。可以去除一个或更多个过程。根据实施方式，过程的顺序可以与其它替换顺序互换。在某些另选实施方式中，建立经训练的soh估计模型的过程110包括从模型源(例如，服务器、外部存储驱动器)接收经训练的soh估计模型。
44.在各种实施方式中，在充电周期期间在预定电压范围内获取训练电池在第一soh处的qv数据(例如，用于建立经训练的soh估计模型)的过程210包括测量qv数据，该qv数据
包括在充电周期期间在目标电压范围内的训练电池的电池电压数据和对应的电池容量数据。作为示例，图3示出了在大约2.9v至4.2v的充电电压范围内的电池的充电周期期间获取的qv数据的qv曲线(例如，在v与q图上绘制的v数据)。在某些示例中，充电周期是恒定电流充电周期。在某些另选实施方式中，过程210包括在放电周期(例如，恒定电流放电周期)期间获取训练电池的qv数据。在一些示例中，第一soh是已知soh或参考soh。
45.在各种实施方式中，至少基于所获取的qv数据获得ic数据的过程220包括相对于电池电压对所获取的电池容量进行微分，诸如取qv数据的qv曲线的一阶导数：
[0046][0047]
其中，k是从1至k的范围中选择的，其中，k是qv数据对的总数。作为示例，图4示出了至少基于图3的qv数据获取的ic数据的ic曲线(例如，在dq/dv与v图上绘制的iv数据)。
[0048]
在各种实施方式中，对ic数据进行预处理的过程230包括平滑ic数据。在一些示例中，使用高斯平滑算法来执行平滑ic数据。在某些示例中，平滑ic数据包括基于预处理模型(例如，人工智能模型)来减少噪声、去除异常值和/或改变曲线。作为示例，图5示出了图4的ic曲线的经预处理的ic曲线。
[0049]
在一些实施方式中，获得电池的ic曲线(例如，预处理的ic曲线)包括获得一个或更多个峰，每个峰对应于对应ic数据的一个或更多个峰值中的一个。ic数据的峰值可以被称为ica峰。作为示例，图5的经平滑的ic曲线示出了三个峰，各自对应于一电化学过程。图6是示出nmc
‑
石墨锂离子电池的插入图的表示图。nmc代表锂镍锰钴氧化物，它是此电化学对中的阴极材料。如图所示，对于nmc
‑
石墨锂离子电池，可以将三个电化学过程映射到nmc
‑
石墨锂离子电池的ic曲线上(例如，参见图5)。具体地，图5中的最高峰对应于图6中的2*2电化学过程，图5中的第二高峰对应于图6中的1*1电化学过程，并且图5中的第三高峰对应于图6中的2*5电化学过程。在某些实施方式中，随着电池老化，ic曲线的一个或更多个峰的幅度减小并且可能消失，表明其对应的电化学过程基本被抑制，从而导致可充电电池容量的损失。在一些示例中，监测电化学过程的损失或减少提供了关于电池退化的可量化启示。在某些示例中，电化学过程的损失或减少表示诸如在锂离子电池中的(例如，可在阴极与阳极之间移动的)锂离子存量的损失。
[0050]
在各种实施方式中，方法200包括监测一个或更多个峰，诸如它们沿着增量容量轴(例如，图5的y轴)的幅度的减小或沿着电压轴(例如，图5的x轴)的位置偏移。在某些实施方式中，沿着增量容量轴的幅度减小表示可充电电池容量的损失，这表示电池老化；而沿着电压轴的位置偏移(诸如，朝更高的电压偏移(例如，过电势增加))表示电池内阻增加，这也表示电池老化。
[0051]
在各种实施方式中，从ic数据提取ica面积和/或ica峰的过程240包括提取ic曲线(例如，经平滑的ic曲线)的峰值作为ica峰，并提取ic曲线的面积值作为ica面积。图7是示出图5的经平滑的ic数据的ica面积和/或ica峰的表示图。在一些示例中，ica峰对应于ic曲线的最高峰。在某些示例中，ica峰对应于预定电压范围内(诸如在第一电压值(v1)与第二电压值(v2)内)的ic曲线的峰。在某些示例中，ica面积是在预定电压范围内(诸如在v1与v2内)的ic曲线下方的面积。在各种示例中，从ica曲线提取多个ica峰和多个ica面积。
[0052]
在各种实施方式中，将提取的ica面积和/或ica峰输入到ica数据库中的过程250
包括相对于与获取qv数据时电池的电池健康相对应的soh值输入提取的ica面积和/或ica峰，ica面积和/或ica峰是从该qv数据提取的。在一些示例中，ica面积与ica峰成对，其中该对对应于电池的一个soh。
[0053]
在各种实施方式中，过程260包括重复在充电周期期间在预定电压范围内在训练电池的另一soh处获取另一qv数据的过程、至少基于另一qv数据获得另一ic数据的过程、对另一ic数据进行预处理的过程、从另一ic数据(例如，经平滑)提取另一ica面积和/或另一ica峰的过程以及将另一ica面积和/或另一ica峰输入到ica数据库中的过程。在一些实施方式中，对训练电池执行过程260包括在训练电池的多个soh处获取多个qv数据、获得多个对应的ic数据、提取多个对应的ica面积和/或ica峰以及将多个对应的ica面积和/或ica峰输入到数据库中。图8是示出至少基于在同一训练电池的多个soh处获取的多个qv数据而获得的多个ic数据的表示图。如图所示，随着电池老化，ica峰(例如，最高峰)的幅度减小，而超电势增加，如由沿着电压轴的峰位置向右偏移所表示的。显然，随着电池老化，第二高峰迅速消失，表示电化学过程中的损耗，这还表示电池退化。应理解，图3至图8仅是示例，其不应不适当地限制权利要求的范围。本领域普通技术人员将认识到在不背离所公开的公开内容的情况下的许多变化(例如，对于其它能量储存设备)。
[0054]
在一些实施方式中，过程260可选地包括重复在充电周期期间在预定电压范围内在一个或更多个附加训练电池的另一soh处获取另一qv数据的过程、至少基于另一qv数据获得另一ic数据的过程、对另一ic数据进行预处理的过程、从另一ic数据(例如，经平滑)提取另一ica面积和/或另一ica峰的过程以及将另一ica面积和/或另一ica峰输入到ica数据库中的过程。在一些实施方式中，对一个或更多个附加训练电池执行过程260包括在一个或更多个附加训练电池的多个soh处获取多个qv数据、获得多个对应的ic数据、提取多个对应的ica面积和/或ica峰以及将多个对应的ica面积和/或ica峰输入到数据库中。图9是示出根据本公开的一些实施方式的用于建立经训练的soh估计模型的方法的例示图。在一些示例中，获得一个或更多个附加训练电池的qv数据包括在多个测试条件下获得qv数据，其中，在不同的测试条件下对一个或更多个附加训练电池中的每个训练电池进行测试和/或在多于一个测试条件下对一个或更多个附加训练电池中的每个训练电池进行测试(例如，顺序地)。在某些示例中，多个测试条件包括多个测试温度(例如，电池和/或测试环境的温度)、多个输入电流、多个放电深度、测试环境的多个湿度水平。
[0055]
在某些实施方式中，训练电池以及可选地一个或更多个附加训练电池是第一电池类型(例如，可充电电池或二次电池)，并且经训练的soh估计模型被建立以预测(例如，仅预测)第一电池类型的电池的预测soh。这样的经训练的soh估计模型可以被称为类型特定模型。在各种示例中，第一电池类型是选自包括锂离子电池、钠离子电池、超级电容器、燃料电池、液流电池、金属空气电池、熔融盐电池、镍氢电池、钠硫磺电池和铅酸电池的组中的一者。
[0056]
如图9所示，从图示的左侧开始，检查多个训练电池(即电池1、电池2
…
电池n)，每个训练电池都被针对多个测试(即rpt 1、rpt 2
…
rpt m)进行检查。在一些示例中，在不同的soh处执行每个测试以获得ic数据，从该ic数据提取对应的ic面积和对应的ic峰。一旦针对多个测试和多个电池格提取了ic面积和ic峰，就将它们输入到ica数据库中。
[0057]
还参照图9，在某些实施方式中，通过使用支持向量回归至少基于ica数据库来训
练和测试基础soh估计模型来建立经训练的soh估计模型的过程270包括对ica数据库进行改组，形成训练组和测试组，使用训练组的数据来训练基础soh估计模型，并测试每个迭代模型(例如，从基础soh估计模型进行迭代)和修改一个或更多个svr参数直到建立满意的经训练的soh估计模型为止。在某些示例中，执行训练和测试(例如，另选地)直到迭代soh估计模型实现预定性能目标为止。在一些示例中，预定性能目标包括置信度水平、准确性水平和/或速度。在某些示例中，一旦迭代soh估计模型满足预定性能目标，就选择该迭代soh估计模型作为经训练的soh估计模型。
[0058]
返回图1，获取处于待确定健康状态(tbd
‑
soh)的电池的qv数据的过程120包括测量qv数据，该qv数据包括在充电周期期间在预定电压范围内的电池(例如，车载电池)的电池电压数据和对应的电池容量数据。例如，电池的qv数据的测量由bms执行。在某些示例中，充电周期是恒定电流充电周期。在某些另选实施方式中，过程210包括在放电周期(例如，恒定电流放电周期)期间获取训练电池的qv数据。
[0059]
在各种实施方式中，基于所获取的qv数据获得ic数据的过程130包括相对于电池电压对所获取的电池容量进行微分，诸如取qv数据的qv曲线的一阶导数：
[0060][0061]
其中，k是从1至k的范围中选择的，其中，k是qv数据对的总数。
[0062]
在各种实施方式中，对所获得的ic数据进行预处理的过程140包括平滑ic数据。在一些示例中，使用高斯平滑算法来执行平滑ic数据。在某些示例中，平滑ic数据包括基于预处理模型(例如，人工智能模型)来减少噪声、去除离群值和/或改变曲线。
[0063]
在各种实施方式中，从所获得的ic数据提取ica面积和/或ica峰的过程150包括提取ic曲线(例如，经平滑的ic曲线)的峰值作为ica峰，并提取ic曲线的面积值作为ica面积。在一些示例中，ica峰对应于ic曲线的最高峰。在某些示例中，ica峰对应于预定电压范围内(诸如在第一电压值(v1)与第二电压值(v2)内)的ic曲线的峰。在某些示例中，ica面积是在预定电压范围内(诸如在v1与v2内)的ic曲线下方的面积。在各种示例中，从ica曲线提取多个ica峰和多个ica面积。
[0064]
在各种实施方式中，至少基于使用经训练的soh估计模型分析所提取的ica面积和/或ica峰来预测与tbd
‑
soh相对应的p
‑
soh的过程160包括使用根据方法200建立的经训练的soh估计模型。在一些示例中，p
‑
soh是一值(例如，p
‑
soh＝80％)。在其它实例中，p
‑
soh是一范围(例如，小于或等于20％、10％、5％或1％的范围，例如，p
‑
soh＝80％～85％)。在某些示例中，预测p
‑
soh的过程160被自动地执行，诸如通过用于预测p
‑
soh的系统自动地执行。
[0065]
图10是示出根据本公开的一些实施方式的用于预测p
‑
soh的系统10的示意图。该图仅是示例，其不应不适当地限制权利要求的范围。本领域普通技术人员将认识到许多变化、另选方式和修改。在一些示例中，系统10包括模型建立模块11、qv数据获取模块12、预处理模块13、ic数据获得模块14、提取模块15和预测模块16。尽管已经使用用于该系统的选定的一组组件示出了以上内容，但是可以存在许多另选方式、修改和变化。例如，可以扩展和/或组合组件中的一些组件。可以将其它组件插入到上述组件中。根据实施方式，组件的布置可以与其它替换布置互换。
[0066]
在各种实施方式中，系统10被配置成执行方法100，模型建立模块11被配置成执行建立经训练的soh估计模型的过程110，qv数据获取模块12被配置成执行获取电池在tbd
‑
soh处的qv数据的过程120，预处理模块13被配置成执行基于所获取的qv数据获得ic数据的过程130，ic数据获得模块14被配置成执行对所获得的ic数据进行预处理的过程140，提取模块15被配置成执行从所获得的ic数据提取ica面积和/或ica峰的过程150，和/或预测模块16被配置成执行至少基于使用经训练的soh估计模型分析所提取的ica面积和/或ica峰来预测与tbd
‑
soh相对应的p
‑
soh的过程160。
[0067]
图11是示出根据本公开的一些实施方式的用于建立经训练的soh估计模型的系统20的示意图。该图仅是示例，其不应不适当地限制权利要求的范围。本领域普通技术人员将认识到许多变化、另选方式和修改。在一些示例中，系统20包括qv数据获取模块21、ic数据获得模块22、预处理模块23、提取模块24、输入模块25和建立模块26。尽管已经使用用于该系统的选定的一组组件示出了以上内容，但是可以存在许多另选方式、修改和变化。例如，可以扩展和/或组合组件中的一些组件。可以将其它组件插入到上述组件中。根据实施方式，组件的布置可以与其它替换布置互换。
[0068]
在各种实施方式中，系统20被配置成执行方法200，qv数据获取模块21被配置成执行在充电周期期间在预定电压范围内获取训练电池在第一soh处的qv数据的过程120，ic数据获得模块22被配置成执行至少基于所获取的qv数据获得ic数据的过程220，预处理模块23被配置成执行对ic数据进行预处理的过程230，提取模块24被配置成执行从ic数据提取ica面积和/或ica峰的过程240，输入模块25被配置成执行将所提取的ica面积和/或ica峰输入到ica数据库中的过程250，和/或建立模块26被配置成执行通过使用支持向量回归至少基于ica数据库训练和测试基本soh估计模型来建立经训练的soh估计模型的过程270。在一些示例中，系统20被配置成执行在训练电池上在一个或更多个附加soh处并可选地在一个或更多个附加训练电池上在多个soh处重复获取、获得、预处理、提取和输入过程的过程260，诸如通过使用qv数据获取模块21、ic数据获得模块22、预处理模块23、提取模块24和输入模块25。
[0069]
在一些示例中，获取电池的qv数据包括与诸如恒电位仪之类的电池测试设备连接和/或实现与诸如恒电位仪之类的电池测试设备的预先建立的连接。在各种示例中，获取电池的qv数据包括如果在充电周期期间则提供从初始工作电压到目标电压的电流，或者如果在放电周期期间则提取从初始工作电压到目标电压的电流。在各种实施方式中，确定电池(诸如用于建立soh估计模型的训练电池)的soh包括监测电池阻抗、电池电导、相对于预记录的初始状态的容量损失、充放电能量比、充电和放电电压曲线(诸如过电势或台阶电压)、自放电率和/或幅度和/或放气。在一些示例中，平滑的ic数据包括去除偏离落入预定可接受的降噪范围内的其余数据点的离群值。
[0070]
下面列出了本公开范围内的其它示例。
[0071]
示例1.一种建立经训练的健康状态(soh)估计模型的计算机实现方法，所述计算机实现方法包括：在充电周期期间在预定电压范围内获取训练电池在第一soh处的电压与容量(qv)数据；至少基于所获取的qv数据获得增量容量(ic)数据；从所述ic数据提取ica面积和/或ica峰；将所提取的ica面积和所述ica峰输入到ica数据库中；在所述训练电池上在一个或更多个附加soh处并可选地在一个或更多个附加训练电池上在多个soh处重复所述
获取、所述获得、所述提取和所述输入的过程；以及通过使用支持向量回归至少基于所述ica数据库训练和测试基础soh估计模型来建立所述经训练的soh估计模型。在一些示例中，该方法根据图2的方法200来实现。在某些示例中，该方法由图11的系统20来实现。
[0072]
示例2.所述计算机实现方法还包括在获得所述ic数据的过程之后并且在从所述ic数据提取所述ica面积和/或所述ica峰的过程之前，对所述ic数据进行预处理。
[0073]
示例3.根据示例2所述的计算机实现方法，其中，对所述ic数据进行预处理包括平滑所述ic数据。
[0074]
示例4.根据示例1至3中任一项所述的计算机实现方法，其中，至少基于所获取的qv数据获得所述ic数据包括相对于所获取的电压对所获取的容量进行微分。
[0075]
示例5.根据示例1至4中任一项所述的计算机实现方法，其中，从所述ic数据提取ica面积和/或ica峰包括：从所述ic数据提取多个ica次级面积和多个次级ica次级峰，其中，所述多个ica次级面积中的每个ica次级面积对应于所述多个次级ica次级峰中的一个次级ica次级峰。
[0076]
示例6.根据示例1至5中任一项所述的计算机实现方法，其中，所述训练电池以及可选地所述一个或更多个附加训练电池是第一电池类型。在一些示例中，建立训练的soh估计模型以预测第一电池类型的电池的预测soh。
[0077]
示例7.根据示例6所述的计算机实现方法，其中，所述第一电池类型是选自包括锂离子电池、钠离子电池、超级电容器、燃料电池、液流电池、金属空气电池、熔融盐电池、镍氢电池、钠硫磺电池和铅酸电池的组中的一者。
[0078]
示例8.一种用于建立经训练的soh估计模型的系统，所述系统包括：qv数据获取模块，所述qv数据获取模块被配置成在充电周期期间在预定电压范围内获取训练电池在第一soh处的qv数据；ic数据获得模块，所述ic数据获得模块被配置成至少基于所获取的qv数据获得ic数据；提取模块，所述提取模块被配置成从所述ic数据提取ica面积和/或ica峰；输入模块，所述输入模块被配置成将所提取的ica面积和/或所述ica峰输入到ica数据库中；以及建立模块，所述建立模块被配置成通过使用支持向量回归至少基于所述ica数据库训练和测试基本soh估计模型来建立所述经训练的soh估计模型。在一些示例中，该系统根据图11的系统20来实现。
[0079]
示例9.根据示例8所述的系统，其中，所述系统还包括预处理模块，所述预处理模块被配置成对所述ic数据进行预处理。
[0080]
示例10.根据示例9所述的系统，其中，所述预处理模块被配置成平滑所述ic数据。
[0081]
示例11.根据示例8至10中任一项所述的系统，其中，所述提取模块还被配置成从所述ic数据提取多个ica次级面积和多个次级ica次级峰，其中，所述多个ica次级面积中的每个ica次级面积对应于所述多个次级ica次级峰中的一个次级ica次级峰。
[0082]
示例12.根据示例8至11中任一项所述的系统，其中，所述训练电池以及可选地所述一个或更多个附加训练电池是第一电池类型，并且其中，所述建立模块被配置成建立所述经训练的soh估计模型以预测所述第一电池类型的电池的预测soh。
[0083]
示例13.根据示例12所述的系统，其中，所述第一电池类型是选自包括锂离子电池、钠离子电池、超级电容器、燃料电池、液流电池、金属空气电池、熔融盐电池、镍氢电池、钠硫磺电池和铅酸电池的组中的一者。
[0084]
示例14.一种存储有指令的非暂时性计算机可读介质，所述非暂时性计算机可读介质在由处理器执行时使所述处理器执行包括以下过程的过程：在充电周期期间在预定电压范围内获取训练电池在第一soh处的qv数据；至少基于所获取的qv数据获得ic数据；从所述ic数据提取ica面积和/或ica峰；将所提取的ica面积和/或所述ica峰输入到ica数据库中；在所述训练电池上在一个或更多个附加soh处并可选地在一个或更多个附加训练电池上在多个soh处重复所述获取、所述获得、所述提取和所述输入的过程；以及通过使用支持向量回归至少基于所述ica数据库训练和测试基础soh估计模型来建立所述经训练的soh估计模型。
[0085]
示例15.根据示例14所述的非暂时性计算机可读介质，所述非暂时性计算机可读介质在由所述处理器执行时还执行以下过程：在获得所述ic数据的过程之后并且在从所述ic数据提取所述ica面积和/或所述ica峰的过程之前，对所述ic数据进行预处理。
[0086]
示例16.根据示例15所述的非暂时性计算机可读介质，其中，对所述ic数据进行预处理包括平滑所述ic数据。
[0087]
示例17.根据示例14至16中任一项所述的非暂时性计算机可读介质，其中，至少基于所获取的qv数据获得所述增量容量(ic)数据包括相对于所获取的电压对所获取的容量进行微分。
[0088]
示例18.根据示例14至17中任一项所述的非暂时性计算机可读介质，所述非暂时性计算机可读介质在由所述处理器执行时还执行以下过程：从所述ic数据提取多个ica次级面积和多个次级ica次级峰。在一些示例中，所述多个ica次级面积中的每个ica次级面积对应于所述多个次级ica次级峰中的一个次级ica次级峰。
[0089]
示例19.根据示例14至18中任一项所述的非暂时性计算机可读介质，其中，所述训练电池以及可选地所述一个或更多个附加训练电池是第一电池类型，并且其中，所述非暂时性计算机可读介质在由所述处理器执行时，执行建立所述经训练的soh估计模型的过程，所述过程包括建立所述经训练的soh估计模型以预测所述第一电池类型的电池的预测soh。
[0090]
示例20.根据示例19所述的非暂时性计算机可读介质，其中，所述第一电池类型是选自包括锂离子电池、钠离子电池、超级电容器、燃料电池、液流电池、金属空气电池、熔融盐电池、镍氢电池、钠硫磺电池和铅酸电池的组中的一者。
[0091]
示例21.一种用于预测电池的预测健康状态(p
‑
soh)的计算机实现方法，所述计算机实现方法包括：建立经训练的健康状态(soh)估计模型；在充电周期期间在预定电压范围内获取处于待确定健康状态(tbd
‑
soh)的所述电池的电压与容量(qv)数据；至少基于所获取的qv数据获得增量容量(ic)数据；从所获得的ic数据提取ica面积和/或ica峰；以及至少基于使用所述经训练的soh估计模型分析提取的ica面积和/或ica峰来预测与所述tbd
‑
soh对应的预测soh(p
‑
soh)。
[0092]
示例22.根据示例21所述的计算机实现方法，所述计算机实现方法还包括在获得所述ic数据的过程之后并且在从所述ic数据提取所述ica面积和所述ica峰的过程之前，对所述ic数据进行预处理。
[0093]
示例22.根据示例22所述的计算机实现方法，其中，对所述ic数据进行预处理可以包括平滑所述ic数据。
[0094]
示例23.根据示例20至22中任一项所述的计算机实现方法，其中，对所述ic数据进
行预处理包括平滑所述ic数据。
[0095]
示例24.根据示例20至23中任一项所述的计算机实现方法，其中，至少基于所获取的qv数据获得所述ic数据包括相对于所获取的电压对所获取的容量进行微分。
[0096]
示例25.根据示例20至24中任一项所述的计算机实现方法，其中，从所述ic数据提取ica面积和ica峰包括：从所述ic数据提取多个ica次级面积和多个次级ica次级峰，其中，所述多个ica次级面积中的每个ica次级面积对应于所述多个次级ica次级峰中的一个次级ica次级峰。
[0097]
示例26.根据示例20至25中任一项所述的计算机实现方法，其中，所述电池是选自包括锂离子电池、钠离子电池、超级电容器、燃料电池、液流电池、金属空气电池、熔融盐电池、镍氢电池、钠硫磺电池和铅酸电池的组中的一者。
[0098]
示例27.一种用于预测电池的预测健康状态(p
‑
soh)的系统，所述系统包括：模型建立模块，所述模型建立模块被配置成建立经训练的健康状态(soh)估计模型；电压与容量(qv)数据获取模块，所述电压与容量(qv)数据获取模块被配置成在充电周期期间在预定电压范围内获取处于待确定健康状态(tbd
‑
soh)的所述电池的qv数据；增量容量(ic)数据获得模块，所述增量容量(ic)数据获得模块被配置成至少基于所获取的qv数据获得增量容量(ic)数据；提取模块，所述提取模块被配置成从所获得的ic数据提取ica面积和/或ica峰；以及预测模块，所述预测模块被配置成至少基于使用所述经训练的soh估计模型分析提取的ica面积和/或ica峰来预测与所述tbd
‑
soh对应的预测soh(p
‑
soh)。
[0099]
示例28.根据示例27所述的系统，所述系统还包括预处理模块，所述预处理模块被配置成对所述ic数据进行预处理。
[0100]
示例29.根据示例28所述的系统，其中，所述预处理模块被配置成平滑所述ic数据。
[0101]
示例30.根据示例27至29中任一项所述的系统，其中，所述提取模块还被配置成从所述ic数据提取多个ica次级面积和多个次级ica次级峰。在一些示例中，所述多个ica次级面积中的每个ica次级面积对应于所述多个次级ica次级峰中的一个次级ica次级峰。
[0102]
示例31.根据示例27至30中任一项所述的系统，其中，所述电池是选自包括锂离子电池、钠离子电池、超级电容器、燃料电池、液流电池、金属空气电池、熔融盐电池、镍氢电池、钠硫磺电池和铅酸电池的组中的一者。
[0103]
示例32.一种存储有指令的非暂时性计算机可读介质，所述非暂时性计算机可读介质在由处理器执行时使所述处理器执行包括以下过程的过程：建立经训练的健康状态(soh)估计模型；在充电周期期间在预定电压范围内获取处于待确定健康状态(tbd
‑
soh)的所述电池的电压与容量(qv)数据；至少基于所获取的qv数据获得ic数据；从所获得的ic数据提取ica面积和/或ica峰；以及至少基于使用所述经训练的soh估计模型分析提取的ica面积和/或ica峰来预测与所述tbd
‑
soh对应的预测soh(p
‑
soh)。
[0104]
示例33.根据示例32所述的非暂时性计算机可读介质，所述非暂时性计算机可读介质在由所述处理器执行时还执行以下过程：在获得所述ic数据的过程之后并且在从所述ic数据提取所述ica面积和所述ica峰的过程之前，对所述ic数据进行预处理。
[0105]
示例34.根据示例33所述的非暂时性计算机可读介质，其中，对所述ic数据进行预处理包括平滑所述ic数据。
[0106]
示例35.根据示例32至34中任一项所述的非暂时性计算机可读介质，其中，至少基于所获取的qv数据获得所述增量容量(ic)数据包括相对于所获取的电压对所获取的容量进行微分。
[0107]
示例36.根据示例32至35中任一项所述的非暂时性计算机可读介质，所述非暂时性计算机可读介质在由所述处理器执行时还执行以下过程：从所述ic数据提取多个ica次级面积和多个次级ica次级峰。在一些示例中，所述多个ica次级面积中的每个ica次级面积对应于所述多个次级ica次级峰中的一个次级ica次级峰。
[0108]
示例37.根据示例32至36中任一项所述的非暂时性计算机可读介质，所述电池是选自包括锂离子电池、钠离子电池、超级电容器、燃料电池、液流电池、金属空气电池、熔融盐电池、镍氢电池、钠硫磺电池和铅酸电池的组中的一者。
[0109]
在某些实施方式中，在充电周期期间执行ica分析，使得与动态锂化和去锂化相关的问题可以被最小化。此外，当在目标应用(例如，电动车辆、固定存储设备、便携式电子设备)中实现时，在ica分析期间使用的可以以充电率c
‑
rate(c
ica
)来度量的充电率i
ica
通常低于在常规占空比(duty cycle)期间电池正常充电的能以c
‑
rate(c
normal
)来度量的正常充电率i
normal
，以帮助使电池保持接近平衡，从而提高获得良好ica峰的准确性。为了进一步改进ica分析过程，可以定制充电周期以提高效率和/或速度，同时保持准确度。
[0110]
在一些示例中，ica分析在诸如混合动力车辆或电动车辆之类的电动车辆中实现。电动车辆包括用于为电动车辆供电的一个或更多个电池，并且可以联接至外部电源，诸如插入到电源插座中以连接至用于电气化过程的本地电力系统或电网系统。电气化过程可以包括发电、电力分配和/或功率管理，包括调节电池温度、充电和放电和/或改变一个或更多个电池操作极限。在一些示例中，ica分析可以由位于电动车辆上的车载功率估计器执行。例如，车载功率估计器可以是联接至车辆控制器的电池管理系统的一部分。在其它示例中，ica分析可以由外部功率估计器执行，该外部功率估计器可以在充电和/或放电期间联接到一个或更多个电池。
[0111]
在一些示例中，可以使用库仑计数技术来确定电池(例如，电动车辆)的soc。可以如下面的表达式(1)中所示定义示例性soc
ah
。
[0112][0113]
其中，i(t)是时间t期间的输入电流，soc0表示在的初始时间t0的初始soc，并且capacity表示电池生成的当前总容量。
[0114]
图12是示出根据一些实施方式的针对多个测试电池的在ica峰处的soh与ic数据之间的相关性的简化图。在一些示例中，健康状态(soh)估计模型被建立并被训练和/或配置成至少部分地基于电池的ica峰来预测电池的soh值和/或soh范围(例如，取决于置信区间)。在某些示例中，电池的soh可以对应于归一化的ica峰，使得100％的soh对应于统一的ica峰。在各种示例中，soh估计模型被存储在服务器(例如，在线服务器)处，并且被配置成由一个或更多个客户端经由有线连接或无线连接来访问。例如，客户端可以将与ica峰相对应的数据发送到托管soh估计模型的服务器，然后服务器基于ica峰输出估计的soh并将估计的soh发送到客户端。在各种实施方式中，经由在输入用于ica分析的关注的soc范围和/或电压范围之前对包括多个充电率的多阶段充电周期进行调整来实现这种改进。
[0115]
图13a是示出以恒定充电率对测试电池进行充电的简化图。如图所示，此示例中的恒定充电率约为这意味着将电池充满电大约需要3个小时。图13b是示出在图13a所示的充电周期期间的测试电池的电压的简化图。突出显示的电压范围对应于用于ica分析的关注的电压范围，具体地，从第一电压v1(可以被称为施加(infliction)电压)到第二电压v2。图13c是示出在图13a所示的充电周期期间的测试电池的荷电状态(soc)的简化图。突出显示的soc范围对应于用于ica分析的关注的soc范围，具体地，从第一荷电状态soc1到第二荷电状态soc2。在各种示例中，第一荷电状态soc1对应于第一电压v1，并且第二荷电状态soc2对应于第二电压v2。图13d是示出在图13a所示的充电周期期间的测试电池的ic数据的简化图。突出显示的ic数据对应于关注的ica峰，该ica峰对应于关注的电压范围和关注的soc范围。
[0116]
图14是示出不期望的ica诊断充电周期的简化图。作为示例，当电池进入关注的ica分析范围时，当充电率(例如，以c
‑
rate度量)太高时，工作电压v0可能偏离第一目标电压v1，如图14所示。这可能对应于当电池达到第一荷电状态soc1时尚未完全衰减的电压瞬变。这对于获得准确ica数据是不希望的，在各种示例中，准确ica数据对于获得电池的准确soh估计至关重要。为了减轻和/或避免动态电池系统的这种不期望的瞬变响应，需要仔细选择充电率，使得当电池进入soc1至soc2之间的范围时瞬变响应已经衰减，在某些示例中，电池在soc1至soc2之间具有ica充电率i
ica
。
[0117]
图15是示出根据一些实施方式的多阶段充电周期的简化图。可以按照多阶段充电周期中所示的多个充电率对电池进行充电，以减少或避免图14所示的电压瞬变问题。具体地，在切换到soc1处的充电率i
ica
之前，将充电率从正常或初始充电率c1(例如，对应于c
‑
rate c
normal
的i
normal
)(例如逐渐地)多次改变到一个或更多个较小的中间充电率(例如c2和c3)，则最终达到对应于c
‑
rate c
ica
的ica充电率i
ica
的最终充电率i
f
。在各种示例中，多阶段充电周期有助于稳定电池并达到其平衡状态，使得在soc1时，工作电压v0基本上接近第一目标电压v1。例如，多阶段充电周期有助于避免由浓度梯度、欧姆电阻、浓度极化和/或不良形成的固体电解质界面(sei)层引起的过电势。可以基于诸如电池状况之类的电池信息来调节中间充电率的量。
[0118]
图16a是示出根据一些实施方式的多阶段充电周期的多个充电率的简化图。如图所示，多阶段充电周期包括在c
normal
的第一初始充电率c1，在c
ica
的最终充电率c
f
以及五个中间的、逐渐减小的充电率c2、c3、c4、c5和c6。图16b是示出根据一些实施方式的在图16a所示的多阶段充电周期下充电的测试电池的电压的简化图。如图所示，当电池电压低时，诸如当电池的荷电状态低时，首先以正常充电率c
normal
对测试电池进行充电。c
normal
可能高于所有中间充电率和最终充电率，并且可能等于工作中的给定应用(例如在电动车辆中实现)在正常使用期间电池正常充电的充电率。在某些示例中，可以为多阶段充电周期的每个阶段设置电压极限(v
limit
)，以使得当电池的电压达到v
limit
时，充电率降低到按照设计的后续充电率(例如，从c1到c2)。在一些示例中，可以将电压极限设置成用于ica分析的关注的电压范围的第一目标电压v1。如图所示，在进入用于ica分析的关注的soc范围之前的最终充电率可以等于c
ica
处的ica充电率i
ica
，使得进入关注的soc范围的充电率保持相同。在各种示例中，最终充电率低于多阶段充电周期的所有中间充电率和初始充电率。在某些示例中，最终充电
率略高于ica充电率。
[0119]
图17a是示出根据一些实施方式的多阶段充电周期的多个充电率的简化图。如图所示，多阶段充电周期包括多个充电率，这些充电率从初始正常充电率逐渐的、逐步地降低到c
ica
处的ica充电率，然后在ica分析完成后返回到正常充电率。图17b是示出根据一些实施方式的在图17a所示的多阶段充电周期下充电的测试电池的电压的简化图。对应于图17a的充电率图，以多个逐渐、逐步降低的充电率对测试电池进行充电。在图17b的方形内的选定电压范围可以对应于图16b。接近选定电压范围末端的突出显示的电压范围对应于用于ica分析的关注的电压范围。如图所示，在关注的电压范围内，对应的充电率为c
ica
，是用于提高ica分析准确度的低充电电流。图17c是示出根据一些实施方式的在图17a所示的多阶段充电周期下充电的测试电池的ic数据的简化图。电压范围并且因此soc范围可以被选择成基本上较小以节省时间，同时保持准确度，诸如被选择成足以捕获图17c所示的一个目标ica峰即可。
[0120]
为了比较，图17d是示出单阶段充电周期的单个充电率的简化图。如图所示，充电电流从正常充电率直接降低到ica充电率c
ica
，该ica充电率c
ica
被保持直到进入测试约3000秒才改变回到正常充电率。这比多阶段充电周期晚得多，在多阶段充电周期中，充电率在大约2300秒从ica充电率变回到正常充电率。图17e是示出在图17d所示的单阶段充电周期下充电的测试电池的电压的简化图。类似地，在单阶段充电周期后用于ica分析的关注的电压范围在进入测试大约3000秒结束，这比在多阶段充电周期记录电池的情况(大约2300秒)要晚得多。图17f是示出在图17d所示的单阶段充电周期下充电的测试电池的ic数据的简化图。如图所示，ic数据(具体地，基于经由图17a和图17b所示的多阶段充电周期收集的qv数据获得的ica峰)与基于经由图17d和图17e所示单阶段充电周期收集的qv数据获得的ica峰基本相似。因此，当输入到soh估计模型中时，相似的ica峰将输出测试电池的相似的soh预测。然而，与在单阶段充电周期中充电的测试电池相比，在多阶段充电周期中充电的测试电池仅花费约三分之二的测试时间，但对于相似的soh预测却提供相似的ica峰。
[0121]
图18是示出根据一些实施方式的工作中的电池的操作的简化图。如图所示，可以使用ica分析来诊断安装在应用(例如，电动车辆、便携式电子设备、固定存储设备)中并在应用中实现的电池，以确定其健康状态。在各种实施方式中，在正常占空比运算(duty cycle operation)期间的电池以正常充电率和放电率正常地充电和放电。用于确定电池的soh的系统和/或方法可以设置一个或更多个诊断条件，包括在执行ica分析之前要满足的一个或更多个针对电池的条件阈值。在一些示例中，电池温度是诊断条件，并且仅当电池温度在较低温度阈值(例如20℃)与较高温度阈值(例如30℃)内时，ica分析才会开始。在一些示例中，自上次诊断以来的时间是诊断条件，并且仅当自上次ica分析以来的时间长于时间阈值(例如一周)时，ica分析才会开始。在一些示例中，电池松弛时间是诊断条件，并且仅当电池松弛(例如，既不充电也不放电)超过松弛时间阈值(例如，一小时)时，ica分析才会开始。在一些示例中，荷电状态是诊断条件，并且仅当电池的(例如，理论或测量的)荷电状态小于或等于soc阈值(例如35％)时，ica分析才会开始。
[0122]
在一些实施方式中，当不满足一个或更多个诊断条件时，电池将继续以正常占空比运行。当在各种实施方式中，在电池的充电周期期间，当满足设定的一个或更多个诊断条件时，电池可以自动进入诊断充电模式。在某些示例中，诊断充电模式可以诸如由用户手动
激活。例如，即使不满足一个或更多个诊断条件，也可以手动激活诊断充电模式。在一些示例中，当手动激活诊断充电模式时，用于确定电池的健康状态的系统和/或方法被配置成对电池进行调节，使得满足一个或更多个诊断条件。在各种示例中，用于确定电池的soh的系统和/或方法被配置成遵循诊断时间表(例如，一月一次、在每月的第一天)，使得当电池被安排进行ica分析时，用于确定电池的soh的系统和/或方法自动调节电池以满足一个或更多个诊断条件。
[0123]
在各种实施方式中，用于确定电池的soh的系统和/或方法被配置成诸如一旦满足一个或更多个诊断条件，就通过在诊断充电模式中对电池充电来确定、预测或估计电池的soh。在诊断充电模式下，用于确定soh的系统和/或方法读取或确定电池的初始soc(soc0)(诸如经由开路电压(ocv))，并选择或接收具有多个充电率的预先设计的多阶段充电周期，诸如基于soc0、来自上次诊断会话的电池soh、电池温度、电池寿命和其它电池条件中的一者或更多者。用于确定soh的系统和/或方法还可以基于预先设计的多阶段充电周期和/或电池的soc0确定初始充电率。多阶段充电周期可以被定制成诸如基于电池状况和/或电池电化学而针对每次充电具有不同的充电率、关注的电压范围和/或soc范围。用于确定soh的系统和/或方法还可以在预先设计的多阶段充电周期之后为电池充电，以降低的ica充电率获得预定电压范围内的qa数据和ic数据，执行ica分析(例如，使用ica峰数据)和soh估计，并在完成ica分析后恢复到正常充电率和正常占空比运算。
[0124]
图19是示出根据一些实施方式的用于确定电池的健康状态的方法的简化图。如图所示，方法300包括调节电池的过程302以及确定电池的健康状态的过程304。在一些示例中，调节电池包括确定电池的初始荷电状态的过程306以及经由预定的多阶段充电序列将电池从初始荷电状态充电到第一目标荷电状态的过程308。在一些示例中，确定电池的健康状态包括以ica充电率将电池从第一目标荷电状态充电到第二目标荷电状态的过程310，在将电池从第一目标荷电状态充电到第二目标荷电状态期间获取电池的电压与容量(qv)数据的过程312，至少部分地基于所获取的qv数据获得增量容量(ic)数据的过程314，对ic数据进行预处理的过程316，从ic数据提取ica峰的过程318和/或至少部分地基于ica峰来确定电池的健康状态的过程320。
[0125]
图20是示出根据一些实施方式的用于确定电池的健康状态的系统的简化图。系统30包括调节模块31和健康状态确定模块32。调节模块31被配置成至少通过以下步骤来调节电池：确定电池的初始荷电状态；以及经由预定的多阶段充电序列将电池从初始荷电状态充电到第一目标荷电状态。健康状态确定模块32被配置成至少通过以下步骤来确定电池的健康状态：以ica充电率将电池从第一目标荷电状态充电到第二目标荷电状态；在将电池从第一目标荷电状态充电到第二目标荷电状态期间获取电池的电压与容量(qv)数据；至少基于所获取的qv数据获得增量容量(ic)数据；对ic数据进行预处理；从ic数据提取ica峰；以及至少部分地基于ica峰来确定电池的健康状态。
[0126]
在某些实施方式中，本公开的方法的一个或更多个步骤可以由车辆外部的计算设备(诸如车辆的电池管理系统)执行。例如，可以由服务器执行从ic数据提取ica峰和/或确定电池的健康状态，该服务器诸如是无线地连接至一个或更多个车辆的服务器(例如，通过云)。在一些示例中，服务器可以连接到多个车辆(例如，车队)并且被配置成诸如同时执行本公开的方法的一个或更多个步骤。连接到车辆的电池管理系统的服务器可以被配置成：
收集电池数据并确定电池的初始荷电状态；指示电池管理系统经由预定的多阶段充电序列将电池从初始荷电状态充电到第一目标荷电状态；指示电池管理系统以增量容量分析(ica)充电率将电池从第一目标荷电状态充电到第二目标荷电状态；在将电池从第一目标荷电状态充电到第二目标荷电状态期间获取电池的电压与容量(qv)数据；至少基于所获取的qv数据经由服务器上的一个或更多个处理器获得增量容量(ic)数据；对ic数据进行预处理；从ic数据提取ica峰；和/或至少部分地基于ica峰来确定电池的健康状态。
[0127]
下面列出了本公开范围内的其它示例。
[0128]
示例38.一种确定电池的健康状态的计算机实现方法，所述计算机实现方法包括：调节所述电池和确定所述电池的健康状态，至少通过以下步骤来调节所述电池：确定所述电池的初始荷电状态；经由预定的多阶段充电序列将所述电池从所述初始荷电状态充电到第一目标荷电状态；并且至少通过以下步骤来确定所述电池的健康状态：以ica充电率将所述电池从所述第一目标荷电状态充电到第二目标荷电状态；在将所述电池从所述第一目标荷电状态充电到所述第二目标荷电状态期间获取所述电池的电压与容量(qv)数据；至少基于所获取的qv数据获得增量容量(ic)数据；对所述ic数据进行预处理；从所述ic数据提取ica峰；以及至少部分地基于所述ica峰来确定所述电池的所述健康状态。
[0129]
示例39.根据示例38所述的计算机实现方法，所述方法还包括确定所述多阶段充电序列以包括多个充电率，所述多个充电率包括第一充电率、小于所述第一充电率的第二充电率以及小于所述第二充电率的第三充电率。
[0130]
示例40.根据示例38至39中任一项所述的计算机实现方法，其中，经由预定的多阶段充电序列将所述电池从所述初始荷电状态充电到第一目标荷电状态包括：以所述第一充电率将所述电池从所述初始荷电状态充电到第一中间荷电状态；以所述第二充电率将所述电池从大于或等于所述第一中间荷电状态充电到第二中间荷电状态；并以所述第三充电率将电池从大于或等于所述第二中间荷电状态充电到所述第一目标荷电状态。
[0131]
示例41.根据示例38至40中任一项所述的计算机实现方法，其中，所述第一充电率基本等于正常充电率。
[0132]
示例42.根据示例38至41中任一项所述的计算机实现方法，其中，所述第三充电率基本等于ica充电率。
[0133]
示例43.根据示例38至42中任一所述的计算机实现方法，其中，确定所述多阶段充电序列包括确定多个充电率，以使得在达到所述第一目标荷电状态时所述电池的电压瞬变已经基本衰减。
[0134]
示例44.根据示例38至43中任一所述的计算机实现方法，其中，确定所述多个充电率包括至少部分地基于与所述电池相关联的电化学信息来确定所述多个充电率。
[0135]
示例45.根据示例38至44中任一所述的计算机实现方法，其中，确定所述多个充电率包括至少部分地基于所述电池的健康状态来确定所述多个充电率。
[0136]
示例46.根据示例38至45中任一项所述的计算机实现方法，其中，经由预定的多阶段充电序列将所述电池从所述初始荷电状态充电到第一目标荷电状态包括：以所述第一充电率将所述电池充电到第一电压极限；以所述第二充电率将所述电池充电到第一电压极限；以及以所述第三充电率将所述电池充电到第一电压极限。
[0137]
示例47.根据示例38至46中任一项所述的计算机实现方法，所述计算机实现方法
还包括在达到所述第二目标荷电状态时，以正常充电率对所述电池进行充电直到完成所述电池的充电为止。
[0138]
示例48.根据示例38至47中任一所述的计算机实现方法，所述计算机实现方法还包括至少部分地基于与所述电池相关联的电化学信息来确定第一目标荷电状态和第二目标荷电状态。
[0139]
示例49.根据示例38至48中任一所述的计算机实现方法，所述计算机实现方法还包括对所述电池进行预调节，其包括以下步骤中的一个：将所述电池的电池温度调整到诊断温度范围内；使所述电池松弛达到松弛时间阈值；以及调整所述电池的荷电状态，使得所述初始荷电状态低于诊断荷电状态阈值。
[0140]
示例50.根据示例38至49中任一所述的计算机实现方法，所述第一目标荷电状态和所述第二目标荷电状态之间的差异小于20％、10％、5％和1％中的一者。
[0141]
示例51.根据示例38至50中任一项所述的计算机实现方法，其中，至少基于所获取的qv数据获得所述增量容量(ic)数据包括：相对于所获取的电压对所获取的容量进行微分。
[0142]
示例52.根据示例38至51中任一项所述的计算机实现方法，其中，至少部分地基于所述ica峰来确定所述电池的所述健康状态包括：使用健康状况估计模型至少部分地基于所述ica峰来确定所述电池的所述健康状态。
[0143]
示例53.根据示例38至52中任一项所述的计算机实现方法，所述计算机实现方法还包括停止占空比运算以确定所述电池的健康状态。
[0144]
示例54.根据示例38至53中任一项所述的计算机实现方法，所述电池是在电动车辆中实现的。
[0145]
示例55.根据示例38至54中任一项所述的计算机实现方法，所述计算机实现方法还包括修改与所述电池相关联的电池充电计划，以限制过度充电、限制老化并改进周期寿命。
[0146]
示例56.一种用于确定电池的健康状态的系统，所述系统包括：调节模块和健康状态确定模块，所述调节模块被配置成至少通过以下步骤来调节所述电池：确定所述电池的初始荷电状态；经由预定的多阶段充电序列将所述电池从所述初始荷电状态充电到第一目标荷电状态；并且所述健康状态确定模块被配置成至少通过以下步骤来确定所述电池的健康状态：以ica充电率将所述电池从所述第一目标荷电状态充电到第二目标荷电状态；在将所述电池从所述第一目标荷电状态充电到所述第二目标荷电状态期间获取所述电池的电压与容量(qv)数据；至少基于所获取的qv数据获得增量容量(ic)数据；对所述ic数据进行预处理；从所述ic数据提取ica峰；以及至少部分地基于所述ica峰来确定所述电池的所述健康状态。
[0147]
示例57.根据示例56所述的系统，其中，所述调节模块还被配置成确定所述多阶段充电序列以包括多个充电率，所述多个充电率包括第一充电率、小于所述第一充电率的第二充电率以及小于所述第二充电率的第三充电率。
[0148]
示例58.根据示例56至57中任一项所述的系统，所述系统还被配置成在达到所述第二目标荷电状态时，以正常充电率对所述电池进行充电直到完成所述电池的充电为止。
[0149]
示例59.根据示例56至58中任一所述的系统，其中，所述调节模块还被配置成至少
部分地基于与所述电池相关联的电化学信息来确定第一目标荷电状态和第二目标荷电状态。
[0150]
示例60.根据示例56至59中任一所述的系统，其中，所述调节模块还被配置成对所述电池进行预调节，包括以下步骤中的一个：将所述电池的电池温度调整到诊断温度范围内；使所述电池松弛达到松弛时间阈值；以及调整所述电池的荷电状态，使得所述初始荷电状态低于诊断荷电状态阈值。
[0151]
示例61.根据示例56至60中任一所述的系统，所述系统还包括用于建立电池的健康状态的健康状态估计模型。
[0152]
示例62.根据示例56至61中任一项所述的系统，其中，所述调节模块还被配置成停止占空比运算以确定所述电池的健康状态。
[0153]
示例63.一种存储有指令的非暂时性计算机可读介质，所述非暂时性计算机可读介质在由处理器执行时使所述处理器执行包括以下过程的过程：调节所述电池和确定所述电池的健康状态，至少通过以下步骤来调节所述电池：确定所述电池的初始荷电状态；经由预定的多阶段充电序列将所述电池从所述初始荷电状态充电到第一目标荷电状态；并且至少通过以下步骤来确定所述电池的健康状态：以ica充电率将所述电池从所述第一目标荷电状态充电到第二目标荷电状态；在将所述电池从所述第一目标荷电状态充电到所述第二目标荷电状态期间获取所述电池的电压与容量(qv)数据；至少基于所获取的qv数据获得增量容量(ic)数据；对所述ic数据进行预处理；从所述ic数据提取ica峰；以及至少部分地基于所述ica峰来确定所述电池的所述健康状态。
[0154]
应当理解，本公开的各种实施方式的一些或所有组件使用一个或更多个软件组件、一个或多个硬件组件和/或一个或更多个软件和硬件组件的组合来单独地和/或与至少另一组件组合地实现。在另一示例中，本公开的各种实施方式的一些或所有组件独立地和/或与至少另一组件组合地在一个或更多个电路(诸如一个或更多个模拟电路和/或一个或多个数字电路)中实现。在又一示例中，尽管上述实施方式涉及特定特征，但是本公开的范围还包括具有特征的不同组合的实施方式以及不包括所有描述的特征的实施方式。在又一示例中，可以组合本公开的各种实施方式和/或示例。
[0155]
另外，本文描述的方法和系统可以通过包含可以由设备处理子系统执行的程序指令的程序代码在许多不同类型的处理设备上实现。软件程序指令可以包括源代码、目标代码、机器代码或可操作以使处理系统执行本文所述的方法和操作的任何其它存储的数据。然而，也可以使用其它实现方式，诸如固件或甚至被适当设计的硬件，其被配置成执行本文所述的方法和系统。
[0156]
可以将系统和方法的数据(例如，关联、映射、数据输入、数据输出、中间数据结果、最终数据结果等)存储并实现在一个或更多个不同类型的计算机实现的数据存储部中，诸如不同类型的存储设备和编程结构(例如，ram、rom、eeprom、闪存、平面文件、数据库、编程数据结构、编程变量、if
‑
then(或类似类型)语句结构、应用编程接口等)。注意，数据结构描述了用于在数据库、程序、存储器或其它计算机可读介质中组织和存储数据以供计算机程序使用的格式。
[0157]
可以在许多不同类型的计算机可读介质上提供系统和方法，所述计算机可读介质包括包含指令(例如，软件)以供处理器执行以执行方法的操作并实现本文所述的系统的计
算机存储机制(例如，cd
‑
rom、软盘、ram、闪存、计算机的硬盘驱动器、dvd等)。本文所述的计算机组件、软件模块、功能、数据存储部和数据结构可以直接或间接彼此连接，以便允许其操作所需的数据流。还应注意，模块或处理器包括执行软件操作的代码单元，并且可以例如被实现成子例程代码单元、或被实现成软件功能代码单元、或被实现成对象(如在面向对象的范例中)、或被实现成小程序、或被实现成计算机脚本语言或其它类型的计算机代码。根据当前情况，软件组件和/或功能可以位于单个计算机上，或根据当前情况分布在多个计算机上。
[0158]
该计算系统可以包括客户端设备和服务器。客户端设备和服务器通常彼此远离，并且通常通过通信网络进行交互。客户端设备和服务器之间的关系是借助在相应计算机上运行并且彼此之间具有客户端设备
‑
服务器关系的计算机程序产生的。
[0159]
本说明书包含针对特定实施方式的许多细节。在单独的实施方式的上下文中在本说明书中描述的某些特征也可以在单个实施方式中组合地实现。相反，在单个实施方式的上下文中描述的各种特征也可以分别在多个实施方式中或以任何合适的子组合来实现。此外，尽管以上可以将特征描述为以某些组合形式起作用，但是在一些情况下可以从组合中去除组合中的一个或更多个特征，并且例如可以将组合指向子组合或子组合的变型。
[0160]
类似地，虽然在附图中以特定顺序示出了操作，但是这不应被理解为要求以所示的特定顺序或以连续的顺序执行这样的操作，或者执行所有示出的操作以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施方式中的各种系统组件的分离不应理解为在所有实施方式中都需要这种分离，并且应当理解，所描述的程序组件和系统通常可以被一起集成在单个软件产品中或被打包到多个软件产品种。
[0161]
尽管已经描述了本公开的特定实施方式，但是本领域技术人员将理解，存在等同于所描述的实施方式的其它实施方式。因此，应理解的是，本公开内容不受限于所示的具体实施方式。