CN103760494B - 电池容量在线估计方法及*** - Google Patents

电池容量在线估计方法及*** Download PDF

Info

Publication number
CN103760494B
CN103760494B CN201410028099.6A CN201410028099A CN103760494B CN 103760494 B CN103760494 B CN 103760494B CN 201410028099 A CN201410028099 A CN 201410028099A CN 103760494 B CN103760494 B CN 103760494B
Authority
CN
China
Prior art keywords
capacity attenuation
capacity
parameter
attenuation model
mesuring battary
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410028099.6A
Other languages
English (en)
Other versions
CN103760494A (zh
Inventor
韩雪冰
***
卢兰光
李建秋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Key Power Technology Co ltd
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201410028099.6A priority Critical patent/CN103760494B/zh
Publication of CN103760494A publication Critical patent/CN103760494A/zh
Application granted granted Critical
Publication of CN103760494B publication Critical patent/CN103760494B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Secondary Cells (AREA)

Abstract

本发明属于锂电池技术领域,公开了一种电池容量在线估计方法,包括:S1.提供容量衰减模型并初始化容量衰减模型参数;S2.将待测电池充放电循环Δn次;S3.计算得到当前待测电池的估计相对容量衰减量;S4.测试得到待测电池的真实相对容量衰减量;S5.计算估计误差;S6.若估计误差大于预设允许误差,则利用估计误差对容量衰减模型参数进行修正更新,然后跳至步骤S2;S7.若估计误差小于等于预设允许误差,则确定最后一次修正后的容量衰减模型参数作为最终容量衰减模型参数,得到待测电池对应的准确容量衰减模型,进而在未来对待测电池的相对容量衰减量和电池容量进行估计。本发明还公开了一种电池容量在线估计***。本发明的方法和***操作简便,准确度高。

Description

电池容量在线估计方法及***
技术领域
本发明涉及锂电池技术领域,具体涉及一种电池容量在线估计方法及***。
背景技术
在环境污染、能源危机、温室效应等问题日益严重的大背景下,开发新型能源技术成为重中之重,其中,电池技术作为新型能源技术之一,愈来愈受到大家的普遍关注。尤其是锂离子动力电池,现在发展非常迅猛,在电动车、储能站等领域均得到了非常广泛的应用。然而,随着电池的循环充放电,电池会逐渐老化,其性能会逐渐衰减,尤其是其容量会逐渐减少。
在实际情况中,电池容量减少,会影响电池内部存储的能量的多少,如在电动车上,会直接影响电动车的续驶里程。如果没有对电池容量衰减的一个准确估计,就有可能会由于对续驶里程的错误估计,而导致在野外抛锚等事故的发生。而且如果对容量衰减没有一个合理的认知,有可能导致对电池的过度使用,进而导致电池的寿命急剧衰减。因此,在实际电池使用过程中,相应的电池管理***应该对电池容量有合理的估计算法。
对电池容量最准确的估计方法就是在实验室中,通过电池容量试验精确的测定电池的容量,一般来讲即为小倍率恒流充放电试验。不过对于实车上的电池来讲,其充电有可能是在充电桩上进行,因此其充电工况可能是标准的恒流充电或者恒流恒压充电,但是其放电通常是由实际路况和驾驶员习惯等决定的,肯定不可能是标准的恒流放电工况,而且电池也不一定每次都能够放电放到空,因此实际每次电池放出的电量往往不等于其容量,而对于动态情况下的电池的容量估计,非常困难。如果通过定期的校正,可以得到精确值,不过如果校正太频繁,则用户体验较差,而校正频率太低,除了刚校正过后的一段时间之外,其他时间内效果较差。
本发明的目的在于提出一种基于模型的容量开环估计加定期标定校正的电池容量估计方法,以能够在实际的电池管理***中,合理的估计电池容量。
发明内容
本发明旨在至少解决现有技术中存在的操作复杂、准确度低的问题。
为此,本发明的一个目的在于提出一种操作简便、准确度高的电池容量在线估计方法。
本发明的另一目的在于提出一种操作简便、准确度高的电池容量在线估计***。
为了实现上述目的,根据本发明一个方面的实施例的电池容量在线估计方法,包括:S1.提供容量衰减模型并初始化容量衰减模型参数;S2.将待测电池充放电循环Δn次,其中Δn为预设的正整数;S3.根据所述容量衰减模型和容量衰减模型参数,得到当前所述待测电池的估计相对容量衰减量;S4.测试当前所述待测电池的真实容量,得到所述待测电池的真实相对容量衰减量;S5.将所述真实相对容量衰减量与所述估计相对容量衰减量相减,得到估计误差;S6.若所述估计误差大于预设允许误差,则利用所述估计误差对所述容量衰减模型参数进行修正更新,然后跳至步骤S2;S7.若所述估计误差小于等于所述预设允许误差,则确定最后一次修正后的容量衰减模型参数作为最终容量衰减模型参数,得到所述待测电池对应的准确容量衰减模型,其中所述准确容量衰减模型用于未来对所述待测电池的相对容量衰减量和电池容量进行估计。
根据本发明实施例的电池容量在线估计方法,具有操作简便、准确度高的优点。
另外,根据本发明实施例的电池容量在线估计方法还具有如下附加技术特征:
在本发明的一个示例中,所述待测电池的容量衰减模型为:其中,为所述待测电池在第n次充放电循环后的估计相对容量衰减量,为所述待测电池在第n-1次充放电循环后的估计相对容量衰减量,T为所述待测电池进行第n次充放电循环时的环境温度,A表示的第一参数,表示第二参数,z表示第三参数。
在本发明的一个示例中,所述初始化容量衰减模型参数包括:选取与所述待测电池同类型的、已知最终容量衰减模型参数的所述参考电池,初始化所述A为所述参考电池对应的容量衰减模型中的第一参数,初始化所述为所述参考电池对应的容量衰减模型中的第二参数,初始化所述z为所述参考电池对应的容量衰减模型中的第三参数。
在本发明的一个示例中,所述待测电池的真实相对容量衰减量的计算公式为其中,C为检测到的当前所述待测电池的真实容量,C0为所述待测电池的初始容量。
在本发明的一个示例中,所述利用所述估计误差对所述容量衰减模型参数进行修正更新具体包括:对所述第一参数进行更新,第一参数修正公式为:Ak=Ak-1+k1×Δξ;对所述第二参数进行更新,第二参数修正公式为:对所述第三参数进行更新,第三参数修正公式为:zk=zk-1+k3×Δξ,其中,下标中的k表示修正后的参数,下标中的k-1表示修正前的参数,k1表示预设的第一修正系数,k2表示预设的第二修正系数,k3表示预设的第三修正系数,Δξ表示所述估计误差。
根据本发明另一方面的实施例的电池容量在线估计***,包括:充放电循环计数模块,用于记录待测电池的充放电循环次数,每当充放电循环次数到达Δn次后又重新从零开始计数;容量衰减模型参数存储单元,用于存储容量衰减模型参数;估计相对容量衰减量计算模块,所述估计相对容量衰减量计算模块分别与所述充放电循环计数模块和所述容量衰减模型参数存储单元相连,用于每完成1次充放电循环就将所述容量衰减模型参数带入容量衰减模型得到所述待测电池的估计相对容量衰减量;真实相对容量衰减量测试模块,所述真实相对容量衰减量计算模块与所述充放电循环计数模块相连,用于每当所述充放电循环次数为Δn次时,测试所述待测电池的真实容量,并计算所述待测电池的真实相对容量衰减量;比较判断模块,所述比较判断模块分别与所述估计相对容量衰减量计算模块和所述真实相对容量衰减量测试模块相连,所述比较判断模块用于将所述真实相对容量衰减量与所述估计相对容量衰减量进行比较,得到估计误差,并判断所述估计误差与预设允许误差的大小关系;容量衰减模型参数修正模块,所述容量衰减模型参数修正模块分别与所述比较判断模块和所述容量衰减模型参数存储单元相连,当所述比较判断模块的判断结果为所述估计误差大于预设允许误差时,所述容量衰减模型参数修正模块利用所述估计误差对所述容量衰减模型参数进行修正更新,并将更新后的容量衰减模型参数存入所述容量衰减模型参数存储单元;最终容量衰减模型输出模块,所述最终容量衰减模型输出模块分别与所述比较判断模块和所述容量衰减模型参数存储单元相连,当所述比较判断模块的判断结果为所述估计误差小于等于预设允许误差时,所述最终容量衰减模型输出模块将所述容量衰减模型参数存储单元中存储的容量衰减模型参数作为最终容量衰减模型参数,得到最终容量衰减模型并输出,其中所述最终容量衰减模型用于未来对所述待测电池的相对容量衰减量和电池容量进行估计。
根据本发明实施例的电池容量在线估计***,具有操作简便、准确度高的优点。
另外,根据本发明实施例的电池容量在线估计***还具有如下附加技术特征:
在本发明的一个示例中,所述待测电池的容量衰减模型为:其中,为所述待测电池在第n次充放电循环后的估计相对容量衰减量,为所述待测电池在第n-1次充放电循环后的估计相对容量衰减量,T为所述待测电池进行第n次充放电循环时的环境温度,A表示的第一参数,表示第二参数,z表示第三参数。
在本发明的一个示例中,容量衰减模型参数存储单元中,初始化的所述容量衰减模型参数包括:选取与所述待测电池同类型的、已知最终容量衰减模型参数的所述参考电池,初始化所述A为所述参考电池对应的容量衰减模型中的第一参数,初始化所述为所述参考电池对应的容量衰减模型中的第二参数,初始化所述z为所述参考电池对应的容量衰减模型中的第三参数。
在本发明的一个示例中,所述真实相对容量衰减量测试模块中,所述待测电池的真实相对容量衰减量的计算公式为其中,C为检测到的当前所述待测电池的真实容量,C0为所述待测电池的初始容量。
在本发明的一个示例中,所述容量衰减模型参数修正模块具体包括:第一参数修正模块,用于对所述第一参数进行更新,第一参数修正公式为:Ak=Ak-1+k1×Δξ;第二参数修正模块,用于对所述第二参数进行更新,第二参数修正公式为:第三参数修正模块,用于对所述第三参数进行更新,第三参数修正公式为:zk=zk-1+k3×Δξ,其中,下标中的k表示修正后的参数,下标中的k-1表示修正前的参数,k1表示预设的第一修正系数,k2表示预设的第二修正系数,k3表示预设的第三修正系数,Δξ表示所述估计误差。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一个实施例的电池容量在线估计方法的流程图。
图2是本发明一个实施例的电池容量在线估计***的结构框图。
图3是本发明一个实施例的电池容量在线估计***中的容量衰减模型参数修正模块的内部结构框图。
图4是本发明一个实施例的容量衰减模型参数变化情况和估计误差变化情况的示意图。
图5是本发明一个实施例的在线估计曲线和实验测试曲线的对比图。
图6是本发明的电池容量在线估计的原理图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。上述提到的存储介质可以是只读存储器,磁盘或光盘等。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
如图1所示,根据本发明一个实施例的电池容量在线估计方法可以包括如下步骤:
S1.提供容量衰减模型并初始化容量衰减模型参数。
在本发明的一个示例中,待测电池的容量衰减模型为:其中,为待测电池在第n次充放电循环后的估计相对容量衰减量,为待测电池在第n-1次充放电循环后的估计相对容量衰减量,T为待测电池进行第n次充放电循环时的环境温度,A表示的第一参数,表示第二参数,z表示第三参数。
在本发明的一个示例中,初始化容量衰减模型参数的过程具体包括:选取与待测电池同类型的、已知最终容量衰减模型参数的参考电池,初始化A为参考电池对应的容量衰减模型中的第一参数,初始化为参考电池对应的容量衰减模型中的第二参数,初始化z为参考电池对应的容量衰减模型中的第三参数。
S2.将待测电池充放电循环Δn次,其中Δn为预设的正整数。
例如,Δn可以取值为90次,也可以为其他任意次数。
S3.根据容量衰减模型和容量衰减模型参数,得到当前待测电池的估计相对容量衰减量。
具体地,每充放电循环一次,就利用容量衰减模型和容量衰减模型参数计算一次待测电池的估计相对容量衰减量。如果前面累计充放电循环了k*Δn次,则也通过k*Δn次计算得到待测电池当前的估计相对容量衰减量。
S4.测试当前待测电池的真实容量,得到待测电池的真实相对容量衰减量。
在本发明的一个示例中,待测电池的真实相对容量衰减量的计算公式为其中,C为检测到的当前待测电池的真实容量,C0为待测电池的初始容量。需要说明的是,测试当前待测电池的真实容量通常需要在实验室内进行,操作麻烦。因此优选并不是每次充放电循环后都测试待测电池的真实容量,而是每充放电循环Δn次后才测试1次当前待测电池的真实容量。
S5.将真实相对容量衰减量与估计相对容量衰减量相减,得到估计误差。
即估计误差其中,ξ为检测得到的待测电池的真实相对容量衰减量,为计算得到的待测电池的估计相对容量衰减量。
S6.若估计误差大于预设允许误差,则利用估计误差对容量衰减模型参数进行修正更新,然后跳至步骤S2。
在本发明的一个示例中,具体地,对第一参数进行更新,第一参数修正公式为:Ak=Ak-1+k1×Δξ;对第二参数进行更新,第二参数修正公式为:对第三参数进行更新,第三参数修正公式为:zk=zk-1+k3×Δξ。其中,下标中的k表示修正后的参数,下标中的k-1表示修正前的参数,k1表示预设的第一修正系数,k2表示预设的第二修正系数,k3表示预设的第三修正系数,Δξ表示估计误差。修正好后,跳至步骤S2,开始新一轮迭代修正。
S7.若估计误差小于等于预设允许误差,则确定最后一次修正后的容量衰减模型参数作为最终容量衰减模型参数,得到待测电池对应的准确容量衰减模型,其中准确容量衰减模型用于未来对待测电池的相对容量衰减量和电池容量进行估计。
具体地,最终确定好第一参数、第二参数和第三参数后,可以得到准确容量衰减模型。根据该准确容量衰减模型,可以求出每次充放电循环后的相对容量衰减量,然后根据公式C=(1-ξ)C0,可以在线估计电池容量。
根据本发明上述实施例的电池容量在线估计方法,具有操作简单,准确度高的优点。
如图2所示,根据本发明一个实施例的电池容量在线估计***可以包括如下部分:充放电循环计数模块10、容量衰减模型参数存储单元20、估计相对容量衰减量计算模块30、真实相对容量衰减量测试模块40、比较判断模块50、容量衰减模型参数修正模块60以及最终容量衰减模型输出模块70。
充放电循环计数模块10用于记录待测电池的充放电循环次数,每当充放电循环次数到达Δn次后又重新从零开始计数。
容量衰减模型参数存储单元20用于存储容量衰减模型参数。
在本发明的一个示例中,容量衰减模型参数存储单元20中,最初存储的(即初始化的)容量衰减模型参数包括:选取与待测电池同类型的、已知最终容量衰减模型参数的参考电池,初始化A为参考电池对应的容量衰减模型中的第一参数,初始化为参考电池对应的容量衰减模型中的第二参数,初始化z为参考电池对应的容量衰减模型中的第三参数。
估计相对容量衰减量计算模块30分别与充放电循环计数模块10和容量衰减模型参数存储单元20相连。估计相对容量衰减量计算模块30用于每完成1次充放电循环就将容量衰减模型参数带入容量衰减模型得到待测电池的估计相对容量衰减量。
在本发明的一个示例中,待测电池的容量衰减模型为:其中,为待测电池在第n次充放电循环后的估计相对容量衰减量,为待测电池在第n-1次充放电循环后的估计相对容量衰减量,T为待测电池进行第n次充放电循环时的环境温度,A表示的第一参数,表示第二参数,z表示第三参数。
需要说明的是,待测电池每充放电循环一次,估计相对容量衰减量计算模块30就利用容量衰减模型和容量衰减模型参数计算一次待测电池的估计相对容量衰减量。如果前面累计充放电循环了k*Δn次,则也通过k*Δn次计算得到待测电池当前的估计相对容量衰减量。
真实相对容量衰减量计算模块40与充放电循环计数模块10相连。真实相对容量衰减量测试模块40用于每当充放电循环次数为Δn次时,测试待测电池的真实容量,并计算待测电池的真实相对容量衰减量。
在本发明的一个示例中,真实相对容量衰减量测试模块40中,待测电池的真实相对容量衰减量的计算公式为其中,C为检测到的当前待测电池的真实容量,C0为待测电池的初始容量。
比较判断模块50分别与估计相对容量衰减量计算模块30和真实相对容量衰减量测试模块40相连。比较判断模块50用于将真实相对容量衰减量与估计相对容量衰减量进行比较,得到估计误差,并判断估计误差与预设允许误差的大小关系。
具体地,计算估计误差其中,ξ为检测得到的待测电池的真实相对容量衰减量,为计算得到的待测电池的估计相对容量衰减量。然后判断估计误差与预设允许误差比较大小。
容量衰减模型参数修正模块60分别与比较判断模块50和容量衰减模型参数存储单元20相连。当比较判断模块50的判断结果为估计误差大于预设允许误差时,容量衰减模型参数修正模块60利用估计误差对容量衰减模型参数进行修正更新,并将更新后的容量衰减模型参数存入容量衰减模型参数存储单元20。
在本发明的一个示例中,如图3所示,容量衰减模型参数修正模块60具体包括:第一参数修正模块610、第二参数修正模块620和第三参数修正模块630。其中第一参数修正模块610用于对第一参数进行更新,第一参数修正公式为:Ak=Ak-1+k1×Δξ。第二参数修正模块620用于对第二参数进行更新,第二参数修正公式为:第三参数修正模块630用于对第三参数进行更新,第三参数修正公式为:zk=zk-1+k3×Δξ。上述公式中,下标中的k表示修正后的参数,下标中的k-1表示修正前的参数,k1表示预设的第一修正系数,k2表示预设的第二修正系数,k3表示预设的第三修正系数,Δξ表示估计误差。
最终容量衰减模型输出模块70分别与比较判断模块50和容量衰减模型参数存储单元20相连。当比较判断模块50的判断结果为估计误差小于等于预设允许误差时,最终容量衰减模型输出模块70将容量衰减模型参数存储单元20中存储的容量衰减模型参数作为最终容量衰减模型参数,得到最终容量衰减模型并输出。其中最终容量衰减模型用于未来对待测电池的相对容量衰减量和电池容量进行估计。
具体地,最终确定好第一参数、第二参数和第三参数后,可以得到准确容量衰减模型。根据该准确容量衰减模型,可以求出每次充放电循环后的相对容量衰减量,然后根据公式C=(1-ξ)C0,可以在线估计电池容量。
根据本发明实施例的电池容量在线估计***,具有操作简便、准确度高的优点。
为使本领域技术人员更好地理解本发明的效果,申请人举一个具体实施例如下。
在一个正极为磷酸铁锂、负极为石墨的锂离子电池中,先利用同型号的已知确定参数的参考电池确定初始电池容量衰减模型参数为:A=0.15,Ea/R=1400,z=0.5。这个容量衰减模型参数和电池的实际模型参数略有差别。通过本发明上述的估计方法和***,步步迭代修正,经过一段时间后的修正,电池容量衰减模型参数逐步修正,在开环估计的时候对容量的估计误差基本小于1%,模型参数也逐步收敛到固定值,参考图4。确定最终的容量衰减模型参数之后,对电池进行在线估计。从图5可以看出,利用本发明的方法和***得到的锂电池相对容量在线估计曲线与实验测试曲线重合度很高,说明在线估计的结果准确度高。
总而言之,本发明的电池容量在线估计的思路即为在电池成组与管理***阶段,为了降低成本,电池容量衰减模型参数不具体进行测试,而采用同类型的电池容量衰减标准参数;在运行的时候,利用容量衰减模型,根据电池的充放电电流、环境温度、充放电深度等关键参数,开环的估计电池的容量,对于容量估计的结果可以用于电池管理***的管理算法,以至于整车的能量管理算法等;每隔一段时间,对电池进行标定,测量其真实容量,测量结果与模型估计结果进行对比,利用模型估计误差反馈修正模型参数,同时将用实测的容量数据更新电池管理***的电池容量值。整个容量在线估计的逻辑框图如图6所示。这样的估计算法,估计精度高,***成本低,而且可以自适应不同厂家不同批次的电池。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种电池容量在线估计方法,其特征在于,包括以下步骤:
S1.提供一种容量衰减模型并初始化容量衰减模型参数,其中,待测电池的容量衰减模型为:其中,为所述待测电池在第n次充放电循环后的估计相对容量衰减量,为所述待测电池在第n-1次充放电循环后的估计相对容量衰减量,T为所述待测电池进行第n次充放电循环时的环境温度,A表示的第一参数,表示第二参数,z表示第三参数;
S2.将待测电池充放电循环Δn次,其中Δn为预设的正整数;
S3.根据所述容量衰减模型和容量衰减模型参数,得到当前所述待测电池的估计相对容量衰减量;
S4.测试当前所述待测电池的真实容量,得到所述待测电池的真实相对容量衰减量,其中,所述待测电池的真实相对容量衰减量的计算公式为其中,C为检测到的当前所述待测电池的真实容量,C0为所述待测电池的初始容量;
S5.将所述真实相对容量衰减量与所述估计相对容量衰减量相减,得到估计误差;
S6.若所述估计误差大于预设允许误差,则利用所述估计误差对所述容量衰减模型参数进行修正更新,然后跳至步骤S2;
S7.若所述估计误差小于等于所述预设允许误差,则确定最后一次修正后的容量衰减模型参数作为最终容量衰减模型参数,得到所述待测电池对应的准确容量衰减模型,其中所述准确容量衰减模型用于未来对所述待测电池的相对容量衰减量和电池容量进行估计。
2.根据权利要求1所述的电池容量在线估计方法,其特征在于,所述初始化容量衰减模型参数包括:选取与所述待测电池同类型的、已知最终容量衰减模型参数的参考电池,初始化所述A为所述参考电池对应的容量衰减模型中的第一参数,初始化所述为所述参考电池对应的容量衰减模型中的第二参数,初始化所述z为所述参考电池对应的容量衰减模型中的第三参数。
3.根据权利要求1所述的电池容量在线估计方法,其特征在于,所述利用所述估计误差对所述容量衰减模型参数进行修正更新具体包括:
对所述第一参数进行更新,第一参数修正公式为:Ak=Ak-1+k1×Δξ;
对所述第二参数进行更新,第二参数修正公式为:
对所述第三参数进行更新,第三参数修正公式为:zk=zk-1+k3×Δξ,
其中,下标中的k表示修正后的参数,下标中的k-1表示修正前的参数,k1表示预设的第一修正系数,k2表示预设的第二修正系数,k3表示预设的第三修正系数,Δξ表示所述估计误差。
4.一种电池容量在线估计***,其特征在于,包括以下步骤:
充放电循环计数模块,用于记录待测电池的充放电循环次数,每当充放电循环次数到达Δn次后又重新从零开始计数;
一种容量衰减模型参数存储单元,用于存储容量衰减模型参数,其中,待测电池的容量衰减模型为:其中,为所述待测电池在第n次充放电循环后的估计相对容量衰减量,为所述待测电池在第n-1次充放电循环后的估计相对容量衰减量,T为所述待测电池进行第n次充放电循环时的环境温度,A表示的第一参数,表示第二参数,z表示第三参数;
估计相对容量衰减量计算模块,所述估计相对容量衰减量计算模块分别与所述充放电循环计数模块和所述容量衰减模型参数存储单元相连,用于每完成1次充放电循环就将所述容量衰减模型参数带入容量衰减模型得到所述待测电池的估计相对容量衰减量;
真实相对容量衰减量测试模块,所述真实相对容量衰减量测试模块与所述充放电循环计数模块相连,用于每当所述充放电循环次数为Δn次时,测试所述待测电池的真实容量,并计算所述待测电池的真实相对容量衰减量,其中,所述真实相对容量衰减量测试模块中,所述待测电池的真实相对容量衰减量的计算公式为其中,C为检测到的当前所述待测电池的真实容量,C0为所述待测电池的初始容量;
比较判断模块,所述比较判断模块分别与所述估计相对容量衰减量计算模块和所述真实相对容量衰减量测试模块相连,所述比较判断模块用于将所述真实相对容量衰减量与所述估计相对容量衰减量进行比较,得到估计误差,并判断所述估计误差与预设允许误差的大小关系;
容量衰减模型参数修正模块,所述容量衰减模型参数修正模块分别与所述比较判断模块和所述容量衰减模型参数存储单元相连,当所述比较判断模块的判断结果为所述估计误差大于预设允许误差时,所述容量衰减模型参数修正模块利用所述估计误差对所述容量衰减模型参数进行修正更新,并将更新后的容量衰减模型参数存入所述容量衰减模型参数存储单元;
最终容量衰减模型输出模块,所述最终容量衰减模型输出模块分别与所述比较判断模块和所述容量衰减模型参数存储单元相连,当所述比较判断模块的判断结果为所述估计误差小于等于预设允许误差时,所述最终容量衰减模型输出模块将所述容量衰减模型参数存储单元中存储的容量衰减模型参数作为最终容量衰减模型参数,得到最终容量衰减模型并输出,其中所述最终容量衰减模型用于未来对所述待测电池的相对容量衰减量和电池容量进行估计。
5.根据权利要求4所述的电池容量在线估计***,其特征在于,容量衰减模型参数存储单元中,初始化的所述容量衰减模型参数包括:选取与所述待测电池同类型的、已知最终容量衰减模型参数的参考电池,初始化所述A为所述参考电池对应的容量衰减模型中的第一参数,初始化所述为所述参考电池对应的容量衰减模型中的第二参数,初始化所述z为所述参考电池对应的容量衰减模型中的第三参数。
6.根据权利要求4所述的电池容量在线估计***,其特征在于,所述容量衰减模型参数修正模块具体包括:
第一参数修正模块,用于对所述第一参数进行更新,第一参数修正公式为:Ak=Ak-1+k1×Δξ;
第二参数修正模块,用于对所述第二参数进行更新,第二参数修正公式为:
第三参数修正模块,用于对所述第三参数进行更新,第三参数修正公式为:zk=zk-1+k3×Δξ,
其中,下标中的k表示修正后的参数,下标中的k-1表示修正前的参数,k1表示预设的第一修正系数,k2表示预设的第二修正系数,k3表示预设的第三修正系数,Δξ表示所述估计误差。
CN201410028099.6A 2014-01-21 2014-01-21 电池容量在线估计方法及*** Active CN103760494B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410028099.6A CN103760494B (zh) 2014-01-21 2014-01-21 电池容量在线估计方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410028099.6A CN103760494B (zh) 2014-01-21 2014-01-21 电池容量在线估计方法及***

Publications (2)

Publication Number Publication Date
CN103760494A CN103760494A (zh) 2014-04-30
CN103760494B true CN103760494B (zh) 2017-02-01

Family

ID=50527763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410028099.6A Active CN103760494B (zh) 2014-01-21 2014-01-21 电池容量在线估计方法及***

Country Status (1)

Country Link
CN (1) CN103760494B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020420A (zh) * 2014-05-14 2014-09-03 可牛网络技术(北京)有限公司 电池剩余电量的确定方法、装置和移动终端
CN105116337B (zh) * 2015-06-30 2017-10-27 中国人民解放军国防科学技术大学 一种锂离子电池满电荷存储寿命评价方法
CN106291386B (zh) * 2016-09-20 2019-06-11 深圳市鑫彩翼科技有限公司 一种快速检测可充电电池容量的方法
EP3591800B1 (en) 2018-07-03 2023-11-15 Schneider Electric IT Corporation Uninterruptible power suppy and non-transitory computer-readable medium
CN110764009B (zh) * 2019-10-31 2021-09-28 重庆长安新能源汽车科技有限公司 一种电动汽车的电池组循环容量及健康状态的估算方法
CN112345954B (zh) * 2020-10-21 2024-04-09 一汽解放汽车有限公司 电池寿命预测方法、装置、电子设备及介质
CN113702854B (zh) * 2021-08-23 2024-01-02 欣旺达电子股份有限公司 容量老化计算方法、***、电池储能设备及存储介质
CN115267546A (zh) * 2022-06-24 2022-11-01 重庆长安汽车股份有限公司 一种电池寿命模型参数拟合方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900793A (zh) * 2010-07-30 2010-12-01 盈正豫顺电子股份有限公司 电池放电残余时间估测方法
CN103257323A (zh) * 2013-06-03 2013-08-21 清华大学 一种锂离子电池剩余可用能量的估计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11346444A (ja) * 1998-06-02 1999-12-14 Toyota Motor Corp 電池充電状態の推定方法
US8154252B2 (en) * 2008-03-31 2012-04-10 Vanner, Inc. System and method for monitoring the state of charge of a battery

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101900793A (zh) * 2010-07-30 2010-12-01 盈正豫顺电子股份有限公司 电池放电残余时间估测方法
CN103257323A (zh) * 2013-06-03 2013-08-21 清华大学 一种锂离子电池剩余可用能量的估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Integrated System Identification and State-of-Charge Estimation of Battery Systems;Lezhang Liu et al.;《IEEE TRANSACTIONS ON ENERGY CONVERSION》;20130331;第28卷(第1期);全文 *
插电式串联混合动力汽车的***匹配与仿真;吴晓刚等;《汽车工程》;20130731;第35卷(第7期);全文 *

Also Published As

Publication number Publication date
CN103760494A (zh) 2014-04-30

Similar Documents

Publication Publication Date Title
CN103760494B (zh) 电池容量在线估计方法及***
Xu et al. State of charge estimation for lithium-ion batteries based on adaptive dual Kalman filter
Zheng et al. A novel capacity estimation method for lithium-ion batteries using fusion estimation of charging curve sections and discrete Arrhenius aging model
CN109946623B (zh) 一种锂电池的soc在线估测方法
Ling et al. State-of-charge and state-of-health estimation for lithium-ion batteries based on dual fractional-order extended Kalman filter and online parameter identification
CN108196200B (zh) 一种锂电池健康和荷电状态的联合模拟评估方法
CN105301509B (zh) 锂离子电池荷电状态、健康状态与功率状态的联合估计方法
CN104535932B (zh) 一种锂离子电池荷电状态估计方法
US8046181B2 (en) Apparatus and method for estimating state of health of battery based on battery voltage variation pattern
CN103797375B (zh) 确定电池荷电状态的***和方法
Zheng et al. A novel capacity estimation method based on charging curve sections for lithium-ion batteries in electric vehicles
Chen et al. Battery state of charge estimation based on a combined model of Extended Kalman Filter and neural networks
CN105334462B (zh) 电池容量损失在线估算方法
Yang et al. Battery states online estimation based on exponential decay particle swarm optimization and proportional-integral observer with a hybrid battery model
CN113466723A (zh) 确定电池荷电状态的方法及装置,电池管理***
CN108732503A (zh) 一种电池健康状态与电池容量检测方法及装置
CN105353313A (zh) 电池荷电状态的估算方法和装置
CN103744026A (zh) 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法
CN105093127A (zh) 一种基于充电方式的锂电池荷电状态的校准与估计方法
CN110824363B (zh) 一种基于改进ckf的锂电池soc和soe联合估算方法
CN103454590B (zh) 评估蓄电池充电状态的方法、充电状态评估装置、电池组
CN104977545A (zh) 一种动力电池的荷电状态估计方法及***
CN105223487B (zh) 一种锂离子电池的多状态解耦估计方法
CN106585422A (zh) 一种动力电池soh估算方法
KR100901252B1 (ko) 슬라이딩 모드 관측기를 이용한 2차 전지 soc 예측방법 및 장치

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210121

Address after: 833400 room 402, 4th floor, enterprise service center, management committee of Comprehensive Bonded Zone, Alashankou City, Bortala Mongolian Autonomous Prefecture, Xinjiang Uygur Autonomous Region

Patentee after: Alashankou Keyi innovation Equity Investment Co.,Ltd.

Address before: 100084-82 box 100084, Beijing, Haidian District

Patentee before: TSINGHUA University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220909

Address after: Department of Automotive Engineering, No. 1 Tsinghua Park, Haidian District, Beijing 100084

Patentee after: Hua Jianfeng

Patentee after: Tian Shuo

Address before: 833400 room 402, 4th floor, enterprise service center, management committee of Comprehensive Bonded Zone, Alashankou City, Bortala Mongolian Autonomous Prefecture, Xinjiang Uygur Autonomous Region

Patentee before: Alashankou Keyi innovation Equity Investment Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221012

Address after: 011, 1f, building 91, No. 7, Jiuxianqiao North Road, Chaoyang District, Beijing 100015

Patentee after: BEIJING KEY POWER TECHNOLOGY Co.,Ltd.

Address before: Department of Automotive Engineering, No. 1 Tsinghua Park, Haidian District, Beijing 100084

Patentee before: Hua Jianfeng

Patentee before: Tian Shuo