本发明涉及电池管理，具体涉及一种电池组剩余寿命在线预测方法。
背景技术：
1、锂电池剩余寿命(rul，remaining useful life)的实时预测对于锂电池系统的安全运行和降低运维成本具有重要意义。目前，诸如粒子滤波、机器学习、融合预测方法等在线预测锂离子电池组rul的方法都在实验室中开展了研究。但锂离子电池组rul预测的难点在于：
2、1、实验室测试条件与实际工况有很大差距，例如，实验室通常为单一条件下的恒应力测试，而实际环境通常为复杂动态运行条件下的复合应力作用。因此，利用实验室数据建立的单体电池rul预测模型在电池组实际工作环境中的rul预测准确性缺乏精度保证。
3、2、锂离子电池rul不仅取决于单体电池寿命最低值，还受各单体rul一致性的影响，导致在线预测锂离子电池组rul的难度进一步增大。
技术实现思路
1、本发明以提高对锂离子电池组的rul的在线预测精度为目的，提供了一种电池组剩余寿命在线预测方法。
2、为达此目的，本发明采用以下技术方案：
3、提供一种电池组剩余寿命在线预测方法，包括步骤：
4、s1，利用电池组循环寿命离线测试数据构建并优化充电量计算模型；
5、s2，利用所述充电量计算模型，并采用实际工况下的电池组运行数据在线预测所述电池组的剩余寿命。
6、作为优选，步骤s1中，构建并优化所述充电量计算模型的方法包括步骤：
7、s11，对电池组样本进行恒流或恒功率充放电循环测试，获取离线测试数据，包括所述电池组样本历经每个恒流或恒功率充放电循环后采集的电池组单次充电时长t、充电电流、充电功率、剩余电量增量dsoc、开始充电时的第一剩余电量、结束充电时的第二剩余电量、充电量、累计充电量tc、电池组电压、循环测试次数；
8、s12，构建如下公式(1)表达的所述充电量计算模型：
9、
10、公式(1)中，cn表示电池组当前次充电量，cn-1表示电池组上一次充电量；
11、w1、w2、w3为权重，且w1+w2+w3＝1；
12、k1表示电池组充电过程中的等效充电电流或充电功率；
13、k2表示电池组首次最大可充电量，当无法得到该值时，取电池组额定充电量qr；
14、k3表示电池组单次充电量衰减率；
15、f1(n)表示步骤s11中电池组前n次循环的单次充电量衰减率连乘积，由公式(2)得到：
16、
17、其中，qi和qi-1分别表示第i次循环的充电量和第i-1次循环的充电量；
18、s13，对公式(1)中的k1、k2、k3进行优化后代入公式(1)得到如下公式(3)表达的经优化后的所述充电量计算模型：
19、
20、k1m、k2m、k3m为k1、k2、k3分别对应的最优解。
21、作为优选，优化公式(1)中的k1、k2、k3的方法包括步骤：
22、s121，取对所述电池组样本所采集的若干个连续充放电数据片段，并根据每个所述充放电数据片段中携带的cn、t、dsoc、tc数据，获得若干个关于k1、k2、k3的求解方程；
23、s122，判断所述求解方程的数量是否等于“4”，
24、若是，则采用lu分解法获得k1、k2、k3分别对应的最优解k1m、k2m、k3m；
25、若否，则转入步骤s123；
26、s123，判断所述求解方程的数量是否大于“4”，
27、若是，则应用最小二乘法获得k1、k2、k3分别对应的最优解k1m、k2m、k3m；
28、若否，则通过衰减特性分析法求解k1、k2、k3中的至少一个对应的最优解。
29、作为优选，步骤s122的“若否”判定条件下，令k1的最优解k1m为步骤s121提取的各所述充放电数据片段的充电电流的电流平均值；令k2的最优解k2m为所述电池组样本的额定充电量qr；k3的最优解k3m按照下式(4)计算：
30、
31、作为优选，权重w1、w2、w3的赋予方法包括步骤：
32、a1，任取一组循环测试中所采集的电池组充放电数据，然后计算所述充放电数据中的k1×t与cn真实值的第一差值绝对值、与cn真实值的第二差值绝对值、k3×cn-1与cn真实值的第三差值绝对值；
33、a2，计算所述第一差值绝对值、所述第二差值绝对值、所述第三差值绝对值的和值；
34、a3，计算所述第一差值绝对值与所述和值的第一比值作为w1的权重值；计算所述第二差值绝对值与所述和值的第二比值作为w2的权重值；计算所述第三差值绝对值与所述和值的第三比值作为w3的权重值。
35、作为优选，步骤s2中，对所述电池组在线进行电池剩余寿命预测的方法包括步骤：
36、s21，将所述电池组的剩余充电次数l赋初始值为“0”；
37、s22，对所述电池组，通过公式(3)计算与当前次充电的充电量c1，计算c1的模型自变量为t＝t1，dsoc＝dsoc1，tc＝tc1，其中，tc1表示当前对所述电池组的累计充电量；dsoc1表示在当前次对所述电池组进行充电过程中，所述电池组从起始充电到结束充电的剩余电量增量值；t1表示在当前次对所述电池组的充电时长；
38、s23，计算所述电池组在当前的实际最大可充电量值
39、s24，判断所述实际最大可充电量值是否小于等于所述电池组的最小设计电量，
40、若是，则输出对所述电池组的剩余充电次数l的累计结果，作为对所述电池组的剩余寿命的预测结果；
41、若否，则对所述剩余充电次数l累加“1”，并令tc1＝c1+tc1后，返回步骤s22。
42、作为优选，dsoc1≥0.8。
43、作为优选，t1通过如下公式(5)求解而得：
44、
45、公式(5)中，t0表示所述电池组在线测试的历史数据中，与dsoc1的值最接近的dsoc0所归属的电池组单次充电时长；
46、dsoc0表示所述历史数据中，所述电池组样本的单次充电过程中的剩余电量增量。
47、作为优选，所述电池组的所述最小设计电量为所述电池组中的每个单体电池的单体额定电压、单体初始电量、单体电池总数、常数p的乘积。
48、本发明通过将实验室研究结果与电池实际运行数据相结合，根据电池历史数据在线建模和修正模型参数，并通过循环计算方法预测电池组rul，实现了对电池组rul在线预测效果的持续改进，从而实现在现有商业化应用的电池管理技术基础上，计算力一般的机器，也能准确、快速在线预测电池组的剩余寿命。
1.一种电池组剩余寿命在线预测方法，其特征在于，包括步骤：
2.根据权利要求1所述的电池组剩余寿命在线预测方法，其特征在于，步骤s1中，构建并优化所述充电量计算模型的方法包括步骤：
3.根据权利要求2所述的电池组剩余寿命在线预测方法，其特征在于，优化公式(1)中的k1、k2、k3的方法包括步骤：
4.根据权利要求3所述的电池组剩余寿命在线预测方法，其特征在于，步骤s122的“若否”判定条件下，令k1的最优解k1m为步骤s121提取的各所述充放电数据片段的充电电流的电流平均值；令k2的最优解k2m为所述电池组样本的额定充电量qr；k3的最优解k3m按照下式(4)计算：
5.根据权利要求2所述的电池组剩余寿命在线预测方法，其特征在于，权重w1、w2、w3的赋予方法包括步骤：
6.根据权利要求2-5任意一项所述的电池组剩余寿命在线预测方法，其特征在于，步骤s2中，对所述电池组在线进行电池剩余寿命预测的方法包括步骤：
7.根据权利要求6所述的电池组剩余寿命在线预测方法，其特征在于，dsoc1≥0.8。
8.根据权利要求6所述的电池组剩余寿命在线预测方法，其特征在于，t1通过如下公式(5)求解而得：
9.根据权利要求6所述的电池组剩余寿命在线预测方法，其特征在于，所述电池组的所述最小设计电量为所述电池组中的每个单体电池的单体额定电压、单体初始电量、单体电池总数、常数p的乘积。
