CN104793145A - 一种电池可用容量快速检测方法 - Google Patents
一种电池可用容量快速检测方法 Download PDFInfo
- Publication number
- CN104793145A CN104793145A CN201510148035.4A CN201510148035A CN104793145A CN 104793145 A CN104793145 A CN 104793145A CN 201510148035 A CN201510148035 A CN 201510148035A CN 104793145 A CN104793145 A CN 104793145A
- Authority
- CN
- China
- Prior art keywords
- discharge
- battery
- parameter
- electric discharge
- voltage
- 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.)
- Granted
Links
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明公开了一种电池最大可用容量快速检测方法,首先,在实验室开展全充全放循环寿命研究,对100%放电深度放电电压曲线进行建模分析,找到表征放电电压曲线变化规律的放电轨道参数K;然后,选取放电初期一小段规律变化段的电压数据,通过数据拟合获得曲线模型参数A,继而建立放电轨道参数K与曲线模型参数A的转换关系;最后,对任意未知状态的电池,即可通过放电初期规律变化段的电压数据拟合得到曲线模型参数,基于所述转换关系转换为放电轨道参数,进而估计出电池当前最大可用容量。该方法避免了对放电全程数据进行拟合带来的数据量较大的问题,同时避免了因盲目随机数据拟合带来的不精确的问题。
Description
技术领域
本发明涉及电池寿命检测技术领域,尤其涉及一种电池可用容量快速检测方法。
背景技术
随着电气化装置的广泛应用,电在生产生活以及国防领域广泛使用,电池作为电能的储存装置,存储能力的多少是反映电池好坏的重要依据,也是表征其能够满足使用的关键特性。
电池具有性能退化的特性,在使用或存储一段时间后,其最大存储能力即最大可用容量会下降,直至报废。电池的最大可用容量对于电池使用来说至关重要,电池“一充就满、一放就没”等现象时有发生,在部分军事、能源、交通等应用场合,定期检测最大可用容量是电池维护保养的主要工作之一,因此电池容量的快速检测技术具有良好的应用前景和工程适用性。目前的评测手段主要有以下两种:
方式一:用万用表测试电池电压,如果电压正常,则认为电池可以正常工作。但事实并非如此,电压仅仅是反应了电池的荷电状态,并不能判定它能否放出多少电,有时候所测试到的电压只是一个虚电压。因此这种评测方式不能真实、精确表达实际情况。
方式二:用电池容量测试仪进行电池的全程放电检测,可以测试出电池的容量,但每次测试所花费时间相当长,超过10小时,且专用测试仪器价格昂贵,工程适用性受到极大限制。
发明内容
有鉴于此,本发明提供了一种电池最大可用容量的快速检测方法,能够缩短检测时间。
为了解决上述技术问题,本发明是这样实现的:
一种电池最大可用容量快速检测方法,包括如下步骤:
步骤一、利用与被测电池相同型号的m块电池循环进行全充全放试验,获得不同循环次数的全放电电压曲线;
步骤二、对各次循环的全放电电压曲线进行建模分析,获得每次全放电电压曲线的放电轨道参数K;
步骤三、针对放电电压曲线选取放电初期一段按已知规律变化的电压数据,通过数据拟合估计出每次全放电电压曲线中规律变化段的曲线模型参数A;
步骤四、建立放电电压曲线的放电轨道参数K和曲线模型参数A之间的转换关系;
步骤五、对被测电池,在完全充满电后进行一次放电试验,通过规律变化段电压数据的数据拟合得到线性曲线模型参数An,并利用步骤四建立的转换关系确定被测电池的放电轨道参数Kn;
步骤六、利用被测电池的放电轨道参数Kn估计出被测电池当前最大可用容量Cn。
优选地,所述规律变化段选取放电初期的一段线性变化段;则计算曲线模型参数时采用的数据拟合方式为线性拟合。
优选地,步骤二获取放电轨道参数K时采用式(1)表示的模型:
其中,U为电池端电压,I为放电电流,k0、k1、k2、k3组成了放电轨道参数K,t为放电时间。
优选地,所述规律变化段选取放电初期线性变化段;则步骤三和步骤五获取曲线模型参数时所采用的模型为式(2):
U(t)=a-b·I·t (2)
其中,a和b组成了曲线模型参数。
优选地,步骤四建立的放电轨道参数K和曲线模型参数A之间的转换关系为:
k0=a
k1=c·b+d
k2=f1(k1)
k3=f2(k1)
其中,f1(·)为参数k2与k1的函数关系,f2(·)为参数k3与k1的函数关系,f1(·)和
f2(·)采用步骤一获得的全放电电压曲线通过拟合得到;c和d为预先确定的k2与b所呈线性关系中的系数,利用步骤二和三获得的参数K和A拟合得到。
优选地,f1(·)和f2(·)采用的拟合模型为:幂律模型y=pxq。
优选地,步骤六估计被测电池当前最大可用容量Cn的方式为:将步骤五获得的放电轨道参数Kn代入全放电电压曲线模型公式,得到被测电池当前实际模型,利用当前实际模型求得电压降到放电截止电压U1对应的放电时间t1,该放电时间t1乘以放电电流即为被测电池的最大可用容量Cn。
优选地,步骤六在利用放电时间t1计算最大可用容量Cn时,进一步加入温度影响系数KT,则最大可用容量Cn的计算公式为:
Cn=I×t1×KT
其中,I为放电电流,KT为查表确定的当前温度对应的温度影响系数。
优选地,预先对同类电池进行全充全放试验,利用获得的全放电电压曲线获得规律变化段的截取开始时间和截取长度与检测精度的对应关系;则实际检测时,根据所需精度确定规律变化段的截取开始时间和截取长度。
有益效果:
(1)本发明提供了一种基于部分放电法的容量快速测量方法,不需要全程放电,只需要选取一小段放电时间,因此,测试时间大大缩短,在军事、能源、交通等领域具有广泛的应用价值。
(2)本发明建立了放电轨道参数K与曲线模型参数A的转换关系,在检测时,只对放电初期一段过滤变化电压数据进行拟合,获得曲线模型参数A后再转化为放电轨道参数K,进而基于放电轨道参数K进行最大可用容量Cn的估算。这样做,首先避免了对放电全程数据进行拟合带来的数据量较大的问题,同时避免了因盲目随机数据拟合带来的不精确的问题。
(3)本发明较佳实施例中,选取放电初期一段线性变化的电压数据进行线性拟合获得曲线模型参数A,只对线性变化电压数据进行线性拟合可以缩减计算量。
附图说明
图1为本发明电池最大可用容量快速检测方法的流程图。
图2为放电电压曲线的示意图。
图3为对某一电池进行100%DOD充放电试验的放电电压曲线。
图4为截取放电初期5min数据时拟合出的k2与k1的关系图。
图5为截取放电初期5min数据时拟合出的k3与k1的关系图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
为了快速准确的获得电池容量信息,常用的完全充放电的方法由于时间、设备要求等因素显然不能满足舰艇船舶的使用要求,经过大量试验,本发明提出一种基于部分放电法的容量快速测量方法,思路如下:
首先,在实验室开展全充全放循环寿命研究,对100%放电深度(DOD)放电电压曲线进行建模分析,找到表征放电电压曲线变化规律的放电轨道参数K;然后,选取放电初期一段按已知规律变化的电压数据,通过数据拟合获得曲线模型参数A,继而建立放电轨道参数K与曲线模型参数A的关系;最后,对任意未知状态的电池,即可通过放电初期一段规律变化段的电压数据的数据拟合得到曲线模型参数,利用上述关系进而获得放电轨道参数,然后就可以估计出电池当前最大可用容量。
上述规律变化段不一定是从放电起始位置开始。本发明实施例通过试验数据分析,确定出放电初期有一段线性变化段,通过对该线性变化段进行线性拟合,集合获得线性曲线模型参数。线性数据的拟合能够减少计算量。而且通过大量试验数据表明,在这种情况下仅需对满充状态的船用UPS单体电池进行1小时放电即可较准确的估算出其最大可用容量。
图1为本发明优选实施例最大可用容量快速检测方法的流程图。如图1所示,该方法包括如下步骤:
步骤一、利用与被测电池相同型号的电池循环进行全充全放试验,获得不同循环次数的全放电电压曲线。
本实施例中,选取m个铅酸蓄电池,m依据电池的放电规律而定,一般来说m≥4,本例中选取4个铅酸蓄电池,在室温25±3℃、湿度<90%的环境下,用0.1C电流对铅酸蓄电池充满电至2.2V,然后采用0.1C恒定电流放电至放电截止电压1.8V,记录放电的电压U—时间t曲线。经过多次对铅酸蓄电池进行全过程放电测试,记录放电曲线如图2所示。试验表明,随着充放电循环次数的增加,铅酸蓄电池放电时间逐渐减小,可用容量逐渐衰减,放电电压曲线形状基本保持不变。
步骤二、根据各次循环的全放电电压曲线进行建模分析,获得全放电电压曲线的放电轨道参数K。
在铅酸蓄电池放电过程中,其放电电压曲线反应了电池初始电压、电池内阻、电解液(H2SO4)浓度及活性物质总量等的变化情况。研究发现,铅酸蓄电池放电电压曲线可用以下经验模型进行描述:
其中,U为电池端电压,I为放电电流(20A,标准0.1C放电),k0、k1、k2、k3组成了全放电电压曲线的放电轨道参数K,t为放电时间。
各模型参数的物理意义如表1所示:
参数 | 物理意义 |
k0 | 电池放电初始电压 |
k1 | 电池内阻大小 |
k2 | 反应电解液H2SO4的浓度变化的物理量 |
k3 | 理想情况下电池最大可用容量 |
表1
针对每一条全放电电压曲线,通过采用模型(1)进行数据拟合都可以获得一组全放电电压的放电轨道参数K,从而获得了放电轨道参数K随循环次数的变化规律。
优选地,在实际中,不是每一组采集的全放电电压曲线均适用,需要剔除非正常突变的全放电电压曲线,针对留下的每一条全放电电压曲线获取其放电轨道参数K。例如图3所示的情况,图3是对某一电池进行100%DOD(放电深度)充放电试验,总的循环次数为103次;其中,第1次循环试验,放电电压出现了明显的陡降复升过程,而在以后的试验中该现象并不明显;第10-16次循环试验,在电池充满电后进行了内阻的测试,导致在用电池测试仪进行测试时电压已较大幅度的下降;由于人为操作不当,在第17次循环试验时,夹在电池正负极上的信号线脱落,出现放电电压非正常突降,进而影响第18次循环试验。因此,在建立放电电压模型时,去除了第1和10-18次循环数据,利用余下的93次循环的放电电压估计放电轨道参数。
步骤三、针对放电电压曲线选取放电初期一段线性变化电压数据,通过线性拟合估计出每一全放电电压曲线放电初期线性变化段的线性曲线模型参数A。
由图2、图3可以看出,电池放电大致可分为三个阶段,一是在放电初期,电池电压陡降,二是在放电中期,电池电压平稳下降(近似线性),三是在放电末期,电池电压快速下降。显然,在电池放电初期,其放电电压不够稳定,波动较大,因此本发明在建立放电电压模型时,忽略放电的第一阶段,即需去除放电电压陡降的过程(大于5min),而只利用而后一段时间(从放电开始加上这段时间可为1小时)的放电电压数据对后续过程的放电电压曲线进行预测。利用的放电电压数据越多,预测越准确,但是时间太长,将导致在实际工程中无法使用。因此本发明仅利用放电中期、电池电压平稳下降(近似线性)的一段,不同循环次数,线性段的平台高度是不同的,因此,通过线性段仍可以识别出处于哪条放电曲线上。而且这种方式可以大大减小对被测电池的数据采集时间。
具体来说,本步骤三获取线性曲线模型参数A时采用式(2)的模型:
U(t)=a-b·I·t (2)
其中,a、b组成了线性曲线模型参数A,I为放电电流,t为放电时间。对于第n次循环的放电电压曲线,可以通过拟合得到参数(an bn)。
步骤四、建立放电电压曲线的放电轨道参数K和线性曲线模型参数A之间的关系。
最简单的关系建立方式是将同一全放电电压曲线的放电轨道参数K和线性曲线模型参数A对应保存。在使用时通过插值计算获得。但是这样做需要更多的存储空间,同时精度也得不到保证。为了避免这一问题,本发明采用建模的方式寻找K与A的关系表达式。具体来说,
首先,通过统计发现a与k0近似相等,同时k1与b呈明显线性关系,因此建立他们的关系为:k0=a;k1=c·b+d,其中,c和d为k2与b所呈线性关系中的系数,可通过拟合步骤二和三获得的参数K和A得到。为了提高线性关系的拟合精度,在实际操作过程中可以分情况处理,即分区不同的电压数据的截取开始时间和截取长度,在每一种组合下进行数据采集,那么一组电压截取开始时间和截取长度对应一组c和d,在实际中根据实际的电压截取开始时间和截取长度选取相应c和d使用。
其次,对于k2与k3,通过分析可知,随循环次数增加,k0与k1逐渐增大,k2与k3逐渐减小,这与电池的实际变化情况相一致,即随着充放电次数增加,电池内阻增加(k1),可用容量下降(k3)。进一步,可分别建立模型参数k2、k3与k1的关系模型,其中,图4、图5分别给出了一组采用实际数据拟合出的k2与k1、k3与k1的关系图。根据图示可知,可以利用幂律模型y=pxq分别对k2与k1、k3与k1的关系进行建模。
为了提高精度,并且为了分析不同放电时间对预测精度的影响,本发明截取放电初期不同时间的数据进行模型参数估算后再对比分析研究。分析结果如下,其中表2示出了数据段的截取开始时间,以及截取持续时间内的采集时间点的选取,本例中由于采集总时间为1小时,因此不同截取开始时间对应的采集时长不同。
表2
不同截取时间的数据经拟合后获得的参数关系如下:
截取放电初期5min数据时的放电电压模型中,
截取放电初期10min数据时的放电电压模型中,
截取放电初期15min数据时的放电电压模型中,
截取放电初期20min数据时的放电电压模型中,
截取放电初期25min数据时的放电电压模型中,
截取放电初期30min数据时的放电电压模型中,
通过对比拟合曲线与实际数据可以看出,不同时间的数据对应的拟合精度是不同的,因此可以根据所需精度选取最终使用哪个关系模型。
将最终选定的k2与k1的函数关系记为f1(·),k3与k1的函数关系记为f2(·),则本步骤建立的全放电电压曲线的放电轨道参数K和线性曲线模型参数A之间的关系为:
k0=a (3)
k1=c·b+d (4)
k2=f1(k1) (5)
k3=f2(k1) (6)
在实际使用上式时,参数a和b均采用对被测电池进行实际采集并拟合获得的实际拟合参数,c和d采用上文所述预先确定的值。
在实际中,也可以采用其他模型代替式(1),但需要通过数据拟合重新确定K与A的关系,但方法都是类似的。
步骤五、对被测电池,进行一次放电试验,通过放电初期一段电压变化电压数据的线性拟合得到线性曲线模型参数An,并利用步骤四建立的所述关系确定被测电池的全放电电压曲线的放电轨道参数Kn。
本步骤包括如下子步骤:
S501:给定任意未知状态下的铅酸蓄电池,对其进行标准充电,充满电后进行标准的0.1C放电。截取放电X分钟(5min)后Y分钟(55min)的电压数据,将采集的电压数据代入下式(7)进行线性拟合,获得线性曲线模型参数An中的a和b的估计值,记为
S502:将估计值代入步骤四建立的关系(3)和(4),得到放电轨道参数K中的k0、k1。
S503:再将S502获得的k1代入与k2、以及k1与k3的关系,计算放电轨道参数K中的k2、k3。
步骤六、利用步骤五获得的被测电池的放电轨道参数Kn估计出被测电池当前最大可用容量Cn。
本步骤中,将步骤五计算得到的放电轨道参数k0、k1、k2、k3代入公式(1)求得电压U降到放电截止电压U1(本例U1=1.8V)对应的放电时间t1;该放电时间t1乘以放电电流I即可求出当前电池最大可用容量(25℃室温)。
优选地,考虑到电池的运行环境温度对电池的容量影响较大,在不同的温度范围内,温度对容量的影响系数不一样,在低温时电池的容量随温度的升高而提高较快,随着温度的升高,电池容量随温度变化率逐渐变慢。表3中提供了试验铅酸蓄电池不同温度下电池实际容量与额定容量的比率KT(额定容量是指:温度25℃,电池放电截止电压1.8V的条件下电池的10小时放电容量)。
电池温度T(℃) | -40 | -30 | -20 | -10 | 0 | 10 | 15 | 20 | 25 | 30 | 35 | 40 | 50 |
容量比率KT(%) | 15 | 30 | 45 | 60 | 80 | 87 | 93 | 97 | 100 | 104 | 106 | 107 | 107 |
表3
那么,在计算最大可用容量Cn时,需要进一步加入温度影响系数KT,以提高计算精度,则最大可用容量Cn的计算公式修正为:
Cn=I×t1×KT (8)
至此,本流程结束。
本发明进一步研究了线性放电段的截取时间以及截取长度对参数估计精度的影响。
按照前面介绍的最大可用容量预测步骤,分析截取前5min、10min、15min、20min、25min、30min放电电压时,某型铅酸蓄电池的最大可用容量预测结果。
表4为截取5min后,最大可用容量预测精度分析:
表4
表5为截取10min后,最大可用容量预测精度分析:
表5
表6截取15min后,最大可用容量预测精度分析:
表6
表7截取20min后,最大可用容量预测精度分析:
表7
表8截取25min后,最大可用容量预测精度分析:
表8
表9截取30min后,最大可用容量预测精度分析:
采集时间(min) | 5 | 10 | 15 | 20 | 25 | 30 |
平均相对误差 | 26.6% | 15.6% | 11.4% | 10.2% | 9.4% | 8.8% |
表9
根据不同截取时间下,电池最大可用容量的预测结果,进一步对分析结果进行比较。表10将前面的预测误差进行了汇总。
表10
从表10可以看出,当从5min之后开始截取,截取55min的数据,预测精度可以达到14.0%;而从20min之后开始截取,截取40min的数据,预测精度可以达到9.7%。
以上所述,使用者可以预先对同类电池进行全充全放试验,利用获得的全放电电压曲线获得规律变化段的截取开始时间和截取长度与检测精度的对应关系,可以采用表格形式进行记录,例如表10。在实际检测时,使用者可以根据自身所需的精度,查表选取规律变化段截取开始时间和截取长度。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种电池最大可用容量快速检测方法,其特征在于,包括如下步骤:
步骤一、利用与被测电池相同型号的m块电池循环进行全充全放试验,获得不同循环次数的全放电电压曲线;
步骤二、对各次循环的全放电电压曲线进行建模分析,获得每次全放电电压曲线的放电轨道参数K;
步骤三、针对放电电压曲线选取放电初期一段按已知规律变化的电压数据,通过数据拟合估计出每次全放电电压曲线中规律变化段的曲线模型参数A;
步骤四、建立放电电压曲线的放电轨道参数K和曲线模型参数A之间的转换关系;
步骤五、对被测电池,在完全充满电后进行一次放电试验,通过规律变化段电压数据的数据拟合得到线性曲线模型参数An,并利用步骤四建立的转换关系确定被测电池的放电轨道参数Kn;
步骤六、利用被测电池的放电轨道参数Kn估计出被测电池当前最大可用容量Cn。
2.如权利要求1所述的方法,其特征在于,所述规律变化段选取放电初期的一段线性变化段;则计算曲线模型参数时采用的数据拟合方式为线性拟合。
3.如权利要求1所述的方法,其特征在于,步骤二获取放电轨道参数K时采用式(1)表示的模型:
其中,U为电池端电压,I为放电电流,k0、k1、k2、k3组成了放电轨道参数K,t为放电时间。
4.如权利要求3所述的方法,其特征在于,所述规律变化段选取放电初期线性变化段;则步骤三和步骤五获取曲线模型参数时所采用的模型为式(2):
U(t)=a-b·I·t (2)
其中,a和b组成了曲线模型参数。
5.如权利要求4所述的方法,其特征在于,步骤四建立的放电轨道参数K和曲线模型参数A之间的转换关系为:
k0=a
k1=c·b+d
k2=f1(k1)
k3=f2(k1)
其中,f1(·)为参数k2与k1的函数关系,f2(·)为参数k3与k1的函数关系,f1(·)和f2(·)采用步骤一获得的全放电电压曲线通过拟合得到;c和d为预先确定的k2与b所呈线性关系中的系数,利用步骤二和三获得的参数K和A拟合得到。
6.如权利要求5所述的方法,其特征在于,f1(·)和f2(·)采用的拟合模型为:幂律模型y=pxq。
7.如权利要求1所述的方法,其特征在于,步骤六估计被测电池当前最大可用容量Cn的方式为:将步骤五获得的放电轨道参数Kn代入全放电电压曲线模型公式,得到被测电池当前实际模型,利用当前实际模型求得电压降到放电截止电压U1对应的放电时间t1,该放电时间t1乘以放电电流即为被测电池的最大可用容量Cn。
8.如权利要求5所述的方法,其特征在于,步骤六在利用放电时间t1计算最大可用容量Cn时,进一步加入温度影响系数KT,则最大可用容量Cn的计算公式为:
Cn=I×t1×KT
其中,I为放电电流,KT为查表确定的当前温度对应的温度影响系数。
9.如权利要求1所述的方法,其特征在于,预先对同类电池进行全充全放试验,利用获得的全放电电压曲线获得规律变化段的截取开始时间和截取长度与检测精度的对应关系;则实际检测时,根据所需精度确定规律变化段的截取开始时间和截取长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510148035.4A CN104793145B (zh) | 2015-03-31 | 2015-03-31 | 一种电池可用容量快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510148035.4A CN104793145B (zh) | 2015-03-31 | 2015-03-31 | 一种电池可用容量快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104793145A true CN104793145A (zh) | 2015-07-22 |
CN104793145B CN104793145B (zh) | 2017-06-16 |
Family
ID=53558113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510148035.4A Active CN104793145B (zh) | 2015-03-31 | 2015-03-31 | 一种电池可用容量快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104793145B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271912A (zh) * | 2017-06-27 | 2017-10-20 | 荆门市格林美新材料有限公司 | 一种蓄电池梯级利用评估方法 |
CN109596983A (zh) * | 2018-11-19 | 2019-04-09 | 清华大学 | 一种电池老化过程中容量跳水的预测方法 |
CN110794314A (zh) * | 2019-11-14 | 2020-02-14 | 东莞市振华新能源科技有限公司 | 提高锂离子电池容量测试准确性的方法 |
CN111289898A (zh) * | 2018-12-06 | 2020-06-16 | 中国科学院大连化学物理研究所 | 一种金属/空气电池剩余电量估算方法 |
CN112285583A (zh) * | 2020-09-30 | 2021-01-29 | 蜂巢能源科技有限公司 | 电芯最大容量的测试方法、测试装置和测试*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1541337A (zh) * | 2002-05-14 | 2004-10-27 | ������������ʽ���� | 电池容量计算方法 |
US20080007221A1 (en) * | 2006-06-28 | 2008-01-10 | Lg Electronics Inc. | Enhanced-accuracy battery capacity prediction |
CN101430366A (zh) * | 2008-12-12 | 2009-05-13 | 苏州金百合电子科技有限公司 | 电池荷电状态检测方法 |
CN102830361A (zh) * | 2012-08-24 | 2012-12-19 | 海能达通信股份有限公司 | 一种电池容量快速检测方法和*** |
US20130043876A1 (en) * | 2010-12-24 | 2013-02-21 | Huizhou Epower Electronics Co., Ltd. | Method for estimating state-of-charge of lithium ion battery |
-
2015
- 2015-03-31 CN CN201510148035.4A patent/CN104793145B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1541337A (zh) * | 2002-05-14 | 2004-10-27 | ������������ʽ���� | 电池容量计算方法 |
US20080007221A1 (en) * | 2006-06-28 | 2008-01-10 | Lg Electronics Inc. | Enhanced-accuracy battery capacity prediction |
CN101430366A (zh) * | 2008-12-12 | 2009-05-13 | 苏州金百合电子科技有限公司 | 电池荷电状态检测方法 |
US20130043876A1 (en) * | 2010-12-24 | 2013-02-21 | Huizhou Epower Electronics Co., Ltd. | Method for estimating state-of-charge of lithium ion battery |
CN102830361A (zh) * | 2012-08-24 | 2012-12-19 | 海能达通信股份有限公司 | 一种电池容量快速检测方法和*** |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271912A (zh) * | 2017-06-27 | 2017-10-20 | 荆门市格林美新材料有限公司 | 一种蓄电池梯级利用评估方法 |
CN107271912B (zh) * | 2017-06-27 | 2019-10-25 | 荆门市格林美新材料有限公司 | 一种蓄电池梯级利用评估方法 |
CN109596983A (zh) * | 2018-11-19 | 2019-04-09 | 清华大学 | 一种电池老化过程中容量跳水的预测方法 |
CN109596983B (zh) * | 2018-11-19 | 2020-07-14 | 清华大学 | 一种电池老化过程中容量跳水的预测方法 |
CN111289898A (zh) * | 2018-12-06 | 2020-06-16 | 中国科学院大连化学物理研究所 | 一种金属/空气电池剩余电量估算方法 |
CN111289898B (zh) * | 2018-12-06 | 2022-02-11 | 中国科学院大连化学物理研究所 | 一种金属/空气电池剩余电量估算方法 |
CN110794314A (zh) * | 2019-11-14 | 2020-02-14 | 东莞市振华新能源科技有限公司 | 提高锂离子电池容量测试准确性的方法 |
CN110794314B (zh) * | 2019-11-14 | 2022-03-08 | 东莞市振华新能源科技有限公司 | 提高锂离子电池容量测试准确性的方法 |
CN112285583A (zh) * | 2020-09-30 | 2021-01-29 | 蜂巢能源科技有限公司 | 电芯最大容量的测试方法、测试装置和测试*** |
CN112285583B (zh) * | 2020-09-30 | 2022-10-04 | 蜂巢能源科技有限公司 | 电芯最大容量的测试方法、测试装置和测试*** |
Also Published As
Publication number | Publication date |
---|---|
CN104793145B (zh) | 2017-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104793144B (zh) | 一种电池寿命快速检测方法 | |
Ding et al. | An improved Thevenin model of lithium-ion battery with high accuracy for electric vehicles | |
Ahmed et al. | Model-based parameter identification of healthy and aged li-ion batteries for electric vehicle applications | |
CN105158699B (zh) | 电池健康状态的检测方法和装置 | |
JP5683175B2 (ja) | 電気化学システムの計測不能な特性を推定する改良された方法 | |
CN106291372A (zh) | 一种新的锂离子动力电池剩余寿命预测方法 | |
CN109725266A (zh) | 一种电池健康状态soh的计算方法及装置 | |
CN108919129A (zh) | 一种时变工况下动力电池的寿命预测方法 | |
CN105021996A (zh) | 储能电站bms的电池soh估算方法 | |
CN104793145A (zh) | 一种电池可用容量快速检测方法 | |
CN105445671A (zh) | 一种基于无迹粒子滤波的锂离子电池寿命预测方法 | |
CN102590751A (zh) | 动力电池包一致性评估方法和装置 | |
CN105334462A (zh) | 电池容量损失在线估算方法 | |
CN107015157A (zh) | 基于恒流等压升片段的锂电池剩余循环寿命在线快速测试法 | |
CN108680869A (zh) | 一种动力电池健康状态的评估方法和装置 | |
CN110045288A (zh) | 一种基于支持向量回归的锂离子电池容量在线估计方法 | |
CN107064806A (zh) | 一种锂电池容量衰减率计算方法 | |
CN103698716A (zh) | 一种基于衰减系数的串联电池组可放出电量衰减评价方法 | |
CN104237802A (zh) | 一种锂离子电池低温性能一致性的检测方法 | |
CN108636834A (zh) | 一种对可梯次利用的退役动力电池的分选方法及*** | |
CN115980592A (zh) | 考虑电池热故障的电池储能***可靠性评估方法及*** | |
CN104833917A (zh) | 用于锂蓄电池中荷电状态实时估算的标称电池电阻的确定 | |
CN110398693A (zh) | 一种退役磷酸铁锂单体电池状态快速评价方法 | |
CN111257770B (zh) | 一种电池包功率估算方法 | |
Li et al. | A high-fidelity hybrid lithium-ion battery model for SOE and runtime prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |