CN106959420B - 一种动力电池组soc和soh的自适应估计方法 - Google Patents

一种动力电池组soc和soh的自适应估计方法 Download PDF

Info

Publication number
CN106959420B
CN106959420B CN201710141906.9A CN201710141906A CN106959420B CN 106959420 B CN106959420 B CN 106959420B CN 201710141906 A CN201710141906 A CN 201710141906A CN 106959420 B CN106959420 B CN 106959420B
Authority
CN
China
Prior art keywords
discharge
battery
time
soc
matrix
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
CN201710141906.9A
Other languages
English (en)
Other versions
CN106959420A (zh
Inventor
李玉芳
郭阳东
张文浩
赵万忠
邵东骁
陈明诺
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201710141906.9A priority Critical patent/CN106959420B/zh
Publication of CN106959420A publication Critical patent/CN106959420A/zh
Application granted granted Critical
Publication of CN106959420B publication Critical patent/CN106959420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

本发明公开了一种动力电池组SOC和SOH的自适应估计方法，本发明的自适应估计***主要包括电池ID特性数据输入模块、电池状态信息采集模块、汽车行驶工况信息识别模块、电池自适应估计模块，本发明的方法提出容量矩阵的概念，运用该矩阵能够更准确地记录和评价动力电池的实际放电容量，更真实的体现一个充放电周期内动力电池以不同放电率工作的累积时间和分布特性，本发明提出容量矩阵的概念，适用于所有型号的电池、各种类型的汽车和几乎所有的工况，增强了SOC和SOH估计***的移植性和通用性；同时，能够较好地解决由于外部环境变化、行驶工况变化、电池老化等问题造成的SOC估计失效问题。

Description

一种动力电池组SOC和SOH的自适应估计方法
技术领域
本发明属于动力电池管理领域，具体是指一种动力电池组SOC和SOH的自适应估计方法。
背景技术
动力电池组SOC(State of Charge，电池荷电状态)指的是当前剩余有效电量百分比，是后续可行驶里程估计及能量管理与控制的重要参数。不能直接测量得到，只能进行估计计算。但其值受电池类型、连接方式、SOH(State of Health，电池的健康状态)、工作温度和充放电率等多因素影响，所以，根据定义的传统计算方法准确性不高，且具有移植性和通用性差的特点。
目前，公知的动力电池SOC估计有很多种算法，但通常需要根据具体的电池类型与模组配置及工况特性或工作环境等进行单独设计。由于涉及的动力电池数量庞大、结构复杂，单独设计SOC估计***的工作量大，而且一旦更换电池，原有的SOC估计算法往往无法再使用，需要重新针对新电池设计SOC估计算法。如何解决SOC估计失准和移植性、通用性差等难题，是当前电池管理***亟需克服的一大挑战。
发明内容
本发明针对现有技术中存在的问题，公开了一种动力电池组SOC和SOH的自适应估计方法，该方法提出容量矩阵的概念，运用该矩阵能够更准确地记录和评价动力电池的实际放电容量，更真实的体现一个充放电周期内动力电池以不同放电率工作的累积时间和分布特性，该矩阵数据也用于SOH的修正计算，用以增加电池SOC估计的准确性。
本发明是这样实现的，一种动力电池组SOC和SOH的自适应估计方法，具体步骤如下：
步骤一，电池管理***BMS启动；
BMS启动，并进行自我检测，如果不正常，则进入BMS自检***，如果正常，则进一步确定电池组与汽车是否为首次连接；
若电池组与汽车首次连接，电池ID特性数据输入模块启动，读取电池组内部参数信息，确定电池组的额定容量Ce，同时电池自适应估计模块启动，对SOC和SOH进行初步估计；
若电池组与汽车不是首次连接，电池状态信息采集模块启动，读取电池组上次充放电容量矩阵的存储数据，对SOC进行初步估计；
步骤二，判断电池组是否需要充电；
是，则提示充电，再进一步确认是否充电，如果进行充电，则电池状态信息采集模块和电池自适应估计模块启动，开始充电量的计算，并实时更新充电容量矩阵，进行电池的SOC/SOH估计计算，充电结束后储存容量矩阵数据和SOC/SOH数据，等待下一次使用；
否，则等待电池放电，一旦电池进入放电状态，电池状态信息采集模块、汽车行驶工况信息识别模块和电池自适应估计模块启动，开始放电量的计算，并实时更新放电容量矩阵，进行电池的SOC/SOH估计计算，放电结束后储存容量矩阵数据和SOC/SOH数据，等待下一次使用。
进一步，所述的步骤一中的容量矩阵对一个完整的充放电周期内的充放电状态进行记录和标识，分为充电容量矩阵和放电容量矩阵；
充电容量矩阵又分为一个充电周期内的实时充电容量矩阵Ccc和该充电周期结束时的充电容量矩阵Cce，二者的矩阵表达式相同，Ccc的表达式如下：
式中：ic1、ic2…icn等为充电倍率，tc1、tc2…tcn为该充电倍率下的累积充电时间，记录的一个完整充电周期的充电情况，单位为秒s；
放电容量矩阵又分为一个放电周期内的实时放电容量矩阵Cdc和该放电周期结束时的放电容量矩阵Cde，二者的矩阵表达式相同，Cdc的表达式如下：
式中：id1、id2…idn等为放电倍率，tdc1、tdc2…tdcn为该放电率下的累积放电时间，记录的一个完整充放电周期的放电情况，单位为秒s。
进一步，所述的步骤二具体如下：
2.1，通过汽车行驶工况信息识别模块确定当前行驶工况，对放电容量矩阵Cdc和Cde的放电率区间进行离散值的优化调整；
2.2，通过电池状态信息采集模块中的温度传感器实时采集电池温度，确定不同放电倍率区间容量的温度修正系数Td1、Td2、Tdi，进行放电时间的累积修正计算。
进一步，所述的步骤二中，汽车行驶工况信息识别模块在放电时启动，实时识别汽车的行驶工况；电池状态信息采集模块在充放时启动，实时采集动力电池的充放电倍率、温度、电压、放电时间数据。
进一步，所述的放电容量矩阵中根据工况信息优化调整放电率离散点的确定方法采用有边界的类集聚法，具体公式为：
式中：it为汽车工况下所对应的一般工况倍率，idi为电池状态信息采集模块实时采集的放电倍率，n为汽车行驶过程中所识别的工况倍率数，Δr为工况倍率和放电倍率差值的绝对值。
进一步，所述的步骤二中容量矩阵更新的时间累积公式如下：
式中：tc1、tc2…tcn为该充电倍率下的累积充电时间，记录的一个完整充电周期的充电情况，单位为秒s；td1、td2…tdn为该充电倍率下的累积放电时间，记录的一个完整放电周期的放电情况，单位为秒s；Td1、Td2…Tdi为不同放电倍率区间容量的温度修正系数，Δtj为电池在不同温度下的充放电时间。
进一步，所述的SOC和SOH计算时，放电时，以当前实时放电容量矩阵Cdc和上一个完整放电周期结束时的容量矩阵Cec为参考计算数据，具体方法如下：
其中，ΔCdc为实时放电容量矩阵Cdc与上一个完整放电周期结束时的容量矩阵Cec的修正容量矩阵；id1、id2…idn为放电倍率；tde1、tde2…tden为上个放电周期中某倍率下的放电时间；tdc1、tdc2…tdcn为当前放电模式某倍率下的放电时间；Δtdc1、Δtdc2…Δtdcn为前后两次同倍率放电时间差值；k1、k2…kn，l1、l2…ln为基于放电率的容量修正系数；SOC0为电动汽车开始运行时的动力电池的初始SOC值；为电动汽车新电池初始运行存储的放电容量矩阵数据。
本发明相对于现有技术的有益效果在于：
本发明通过电池ID特性数据输入模块读取动力电池的电芯材料及出厂特性测试数据，完成动力电池SOC和SOH的初始化计算，并在首个充放电周期内进行容量的测试和验证；其后的SOC和SOH计算主要是根据电动汽车动力电池的实测实时数据和存储的历史数据进行自适应计算。由于电动汽车动力电池***本身受具体的工况和电池的实际状态影响，一直采用出厂时的数据进行计算并不合理，会造成SOC和SOH的计算值误差较大，不能很好的表征动力电池的状态。通过自适应SOC和SOH估计***，用近期的动力电池历史数据进行计算，同时，容量矩阵还考虑了温度、放电率和再生制动及行车充电等对剩余容量的影响，再者，容量矩阵本身根据电动汽车日常行驶工况的自适应调整，对于剩余容量的准确估计和标识更为合理。
本发明提出容量矩阵的概念，适用于所有型号的电池、各种类型的汽车和几乎所有的工况，增强了SOC和SOH估计***的移植性和通用性，能够避免动力电池模组与SOC估计捆绑的麻烦，缩减电动汽车BMS的开发周期；同时，能够较好地解决由于外部环境变化、行驶工况变化、电池老化等问题造成的SOC估计失效问题。
附图说明
图1是本发明一种动力电池组SOC和SOH的自适应估计***的组成构架图；
图2是本发明一种动力电池组SOC和SOH的自适应估计方法的方法流程图；
图3是本发明中汽车工况倍率点与电池实际放电倍率点的离散优化示意图；
其中，1-电池ID特性数据输入模块，2-电池状态信息采集模块，3-汽车行驶工况信息识别模块，4-电池自适应估计模块。
具体实施方式
本发明提供一种动力电池组SOC和SOH的自适应估计方法，为使本发明的目的、技术方案及效果更加清楚，明确，以及参照附图并举实例对本发明进一步详细说明。应当指出此处所描述的具体实施仅用以解释本发明，并不用于限定本发明。
如图1所示，为一种动力电池组SOC和SOH的自适应估计***的组成构架图，本发明的自适应估计***主要包括电池ID特性数据输入模块(1)、电池状态信息采集模块(2)、汽车行驶工况信息识别模块(3)、电池自适应估计模块(4)。
电池ID是动力电池的出厂身份及数据信息，里面包括各种特性测试数据、额定参量和电芯材料数据，通过电池ID特性数据输入模块(1)为新电池提供初始的容量值和设定其他控制参数的参考依据。
电池状态信息采集模块(2)实时采集动力电池单体和模组的电压、电流和温度等信息，电池的充放电实时容量矩阵数据更新提供支持。
汽车行驶工况信息识别模块(3)主要是通过监测电动汽车行驶状态信息，计算动力电池的输出电流和功率，并预测动力电池放电容量矩阵的分布特性。
电池自适应估计模块(4)包括容量矩阵计算、更新修正以及SOC/SOH估计子模块，通过其放电容量矩阵更新模块用于更准确地记录和评价动力电池的实际放电容量，它能更真实的体现一个充放电周期内动力电池以不同放电率工作的累积时间和分布特性，该矩阵数据也用于SOH的修正计算，用以增加电池SOC估计的准确性；鉴于电动汽车的日常行驶工况、动力性和续驶里程要求，通常其动力电池的配置，在绝大多数行驶工况下的放电率相对比较低，也比较集中，一般不会超过0.8C，超过1C的放电率通常出现在急加速或爬坡等大功率需求情况，这种大放电率出现的概率比较低且持续时间比较短，因此，容量矩阵会根据充放电率出现概率确定其离散取值的疏密，容量矩阵对一个完整的充放电周期内的充放电状态进行记录和标识，分为充电容量矩阵和放电容量矩阵。
充电容量矩阵又分为一个充电周期内的实时充电容量矩阵Ccc和该充电周期结束时的充电容量矩阵Cce。前者体现的是实时充电累积状态，后者标识的是一个完整的充电周期(满放到满充)内的充电累积状态。二者的矩阵表达式相同，如下：
式中：ic1、ic2…icn等为充电倍率，tc1、tc2…tcn为该充电倍率下的累积充电时间，记录的一个完整充电周期的充电情况，单位为秒s。
放电容量矩阵又分为一个放电周期内的实时放电容量矩阵Cdc和该放电周期结束时的放电容量矩阵Cde，前者体现的是实时放电累积状态，后者标识的是一个完整的放电周期(满充到满放)内的放电累积状态。二者的矩阵表达式相同，如下：
式中：id1、id2…idn等为放电倍率，tdc1、tdc2…tdcn为该放电率下的累积放电时间，主要记录的一个完整充放电周期的放电情况，单位为秒s。
电池自适应估计模块(4)基于以上数据对动力电池SOC和SOH的自适应修正估计计算。
如图2所示，为本发明一种动力电池组SOC和SOH的自适应估计方法的方法流程图，具体如下：
步骤一，电池管理***BMS启动；
BMS启动，并进行自我检测，如果不正常，则进入BMS自检***，如果正常，则进一步确定电池组与汽车是否为首次连接；
若电池组与汽车首次连接，电池ID特性数据输入模块(1)启动，读取电池组内部参数信息，确定电池组的额定容量Ce，同时电池自适应估计模块(4)启动，对SOC和SOH进行初步估计；
若电池组与汽车不是首次连接，电池状态信息采集模块(2)启动，读取电池组上次充放电容量矩阵的存储数据，对SOC进行初步估计；
步骤二，判断电池组是否需要充电；
是，则提示充电，再进一步确认是否充电，如果进行充电，则电池状态信息采集模块(2)和电池自适应估计模块(4)启动，开始充电量的计算，并实时更新充电容量矩阵，其中充电容量矩阵又分为一个充电周期内的实时充电容量矩阵Ccc和该充电周期结束时的充电容量矩阵Cce，更新后进行电池的SOC/SOH估计计算，充电结束后储存容量矩阵数据和SOC/SOH数据，等待下一次使用；
否，则等待电池放电，一旦电池进入放电状态，电池状态信息采集模块(2)、汽车行驶工况信息识别模块(3)和电池自适应估计模块(4)启动，开始放电量的计算，并实时更新放电容量矩阵，放电容量矩阵又分为一个放电周期内的实时放电容量矩阵Cdc和该放电周期结束时的放电容量矩阵Cde，更新后进行电池的SOC/SOH估计计算，放电结束后储存容量矩阵数据和SOC/SOH数据，等待下一次使用。
当汽车开始运行，若为全新的一个充放电周期，充电周期开始就启动充电容量矩阵的计算和存储。电动汽车开始启动时，则开始动力电池组放电容量修正和累积计算，并通过汽车行驶工况信息识别模块(3)确定当前行驶工况，对放电容量矩阵Cdc和Cde的放电率区间进行离散值的优化调整；放电时间的修正计算考虑了温度对容量的影响并进行了一定的修正，考虑到电池工作温度对可放电容量的影响，这里的充放电时间累积值都是经过了温度对容量的修正计算，具体方法是根据温度对容量的影响程度，将工作温度区间进行分段处理，并设定其容量的温度修正系数Tc1、Tc2、Tci、Td1、Td2、Tdi等。自适应SOC和SOH估计***根据四个容量矩阵的近期存储数据进行计算。
通过汽车行驶工况信息识别模块(3)确定当前行驶工况，对放电容量矩阵Cdc和Cde的放电率区间进行离散值的优化调整；
容量矩阵中充放电率离散点的确定方法采用有边界的类集聚法，具体公式为：
式中：it为汽车某工况下所对应的一般工况倍率，加速工况为2C，爬坡工况为2.5C，匀速工况为0.8C，怠速工况为0.3C，n为汽车行驶过程中所识别的工况倍率数，idi为电池状态信息采集模块实时采集的放电倍率，Δr为工况倍率和放电倍率差值的绝对值。
如图3所示，星形点表示汽车的工况倍率点，黑点表示电池的实时放电倍率点，其中需要说明的是离散取值间隔可根据实际行驶工况中，各工况点出现的频率进行调整。理论上是频率越大数据点越密集，但是考虑到数据的存储量和便于容量折算，离散点也不能太密集。原则上是尽量体现行驶工况成分和特征即可，通常情况下，个人驾驶习惯和日常行驶工况会使其绝大多数情况下变动不大。
通过温度传感器实时采集电池温度，确定不同放电倍率区间容量的温度修正系数Td1、Td2、Tdi，进行放电时间的累积修正计算；
容量矩阵中累积时间的公式如下：
式中tc1、tc2…tcn为该充电倍率下的累积充电时间，记录的一个完整充电周期的充电情况，单位为秒s；td1、td2…tdn为该充电倍率下的累积放电时间，记录的一个完整放电周期的放电情况，单位为秒s；Td1、Td2…Tdi为不同放电倍率区间容量的温度修正系数，Δtj为电池在不同温度下的充放电时间。
自适应SOC和SOH估计***根据四个容量矩阵的近期存储数据进行计算。SOC和SOH计算时，放电时，以当前实时放电容量矩阵Cdc和上一个完整放电周期结束时的容量矩阵Cec为参考计算数据，具体方法如下：
其中，ΔCdc为实时放电容量矩阵Cdc与上一个完整放电周期结束时的容量矩阵Cec的修正容量矩阵；id1、id2…idn为放电倍率；tde1、tde2…tden为上个放电周期中某倍率下的放电时间；tdc1、tdc2…tdcn为当前放电模式某倍率下的放电时间；Δtdc1、Δtdc2…Δtdcn为前后两次同倍率放电时间差值；k1、k2…kn，l1、l2…ln为基于放电率的容量修正系数。SOC0为电动汽车开始运行时的动力电池的初始SOC值。为电动汽车新电池初始运行存储的放电容量矩阵数据。
除了动力电池的首个充放电周期测试，其SOC的估算采用电池ID中存储的额定容量作为初始值外，在随后使用过程中，自适应SOC估计***根据容量矩阵中存储的数据对动力电池SOC和SOH进行自适应计算。
动力电池的SOC值是在其工作期间实时监测计算，同时考虑到放电容量为电流对时间的累积计算，因此SOC值计算数据更新周期可根据电动汽车行驶工况或者动力电池的放电倍率进行调整；而SOH在无电池故障的情况下，短时间内其值不会有太大的变化。
需要说明的是，日常行驶过程中，很多时候电池尚有电量就已经停车，可能充电也可能不充电而下一次继续行驶，此时的状况是：实时放电容量矩阵存储数据不能代表电池工况容量，无法直接参与下一次启动SOC和SOH的计算，若停车后充满电，可以根据充电容量矩阵进行折算来完善本放电周期的放电容量矩阵Cde；若停车后部分充电，则根据停车充电前计算得到的SOC值和充电量计算充电结束时的SOC值，等待下一次启动运行，重新启动放电容量矩阵存储与更新，周次循环。

Claims (6)

1.一种动力电池组SOC和SOH的自适应估计方法，其特征在于，具体步骤如下：
步骤一，电池管理***BMS启动；
BMS启动，并进行自我检测，如果不正常，则进入BMS自检***，如果正常，则进一步确定电池组与汽车是否为首次连接；
若电池组与汽车首次连接，电池ID特性数据输入模块启动，读取电池组内部参数信息，确定电池组的额定容量Ce，同时电池自适应估计模块启动，对SOC和SOH进行初步估计；
若电池组与汽车不是首次连接，电池状态信息采集模块启动，读取电池组上次充放电容量矩阵的存储数据，对SOC进行初步估计；
步骤二，判断电池组是否需要充电；
是，则提示充电，再进一步确认是否充电，如果进行充电，则电池状态信息采集模块和电池自适应估计模块启动，开始充电量的计算，并实时更新充电容量矩阵，进行电池的SOC和SOH估计计算，充电结束后储存容量矩阵数据和SOC和SOH数据，等待下一次使用；
否，则等待电池放电，一旦电池进入放电状态，电池状态信息采集模块、汽车行驶工况信息识别模块和电池自适应估计模块启动，开始放电量的计算，并实时更新放电容量矩阵，进行电池的SOC和SOH估计计算，放电结束后储存容量矩阵数据和SOC和SOH数据，等待下一次使用；
所述的SOC和SOH计算时，放电时，以当前实时放电容量矩阵Cdc和上一个完整放电周期结束时的容量矩阵Cec为参考计算数据，具体方法如下：
其中，ΔCdc为实时放电容量矩阵Cdc与上一个完整放电周期结束时的容量矩阵Cec的修正容量矩阵；id1、id2…idn为放电倍率；tde1、tde2…tden为上个放电周期中对应放电倍率下的累积放电时间；tdc1、tdc2…tdcn为当前放电周期对应放电倍率下的累积放电时间；Δtdc1、Δtdc2…Δtdcn为前后两次同放电倍率下放电时间差值；k1、k2…kn，l1、l2…ln为基于放电倍率的容量修正系数；SOC0为电动汽车开始运行时的动力电池的初始SOC值；为电动汽车新电池初始运行存储的放电容量矩阵数据。
2.根据权利要求1所述的一种动力电池组SOC和SOH的自适应估计方法，其特征在于，所述的步骤一中的容量矩阵对一个完整的充放电周期内的充放电状态进行记录和标识，分为充电容量矩阵和放电容量矩阵；
充电容量矩阵又分为一个充电周期内的实时充电容量矩阵Ccc和该充电周期结束时的充电容量矩阵Cce，二者的矩阵表达式相同，Ccc的表达式如下：
式中：ic1、ic2…icn等为充电倍率，tcc1、tcc2…tccn为对应充电倍率下的累积充电时间，记录的一个完整充电周期的充电情况，单位为秒s；
放电容量矩阵又分为一个放电周期内的实时放电容量矩阵Cdc和该放电周期结束时的放电容量矩阵Cde，二者的矩阵表达式相同，Cdc的表达式如下：
式中：id1、id2…idn为放电倍率，tdc1、tdc2…tdcn为对应放电倍率下的累积放电时间，记录的一个完整放电周期的放电情况，单位为秒s。
3.根据权利要求2所述的一种动力电池组SOC和SOH的自适应估计方法，其特征在于，所述的步骤二具体如下：
2.1，通过汽车行驶工况信息识别模块确定当前行驶工况，对放电容量矩阵Cdc和Cde的放电倍率区间进行离散值的优化调整；
2.2，通过电池状态信息采集模块中的温度传感器实时采集电池温度，确定不同放电倍率区间容量的温度修正系数Tdc1、Tdc2…Tdci，进行放电容量矩阵的累积修正计算。
4.根据权利要求3所述的一种动力电池组SOC和SOH的自适应估计方法，其特征在于，所述的步骤二中，电池状态信息采集模块在充放电时启动，实时采集动力电池的充放电倍率、温度、电压、放电时间数据；汽车行驶工况信息识别模块在放电时启动，实时识别汽车的行驶工况。
5.根据权利要求3所述的一种动力电池组SOC和SOH的自适应估计方法，其特征在于，所述的放电容量矩阵中根据工况信息优化调整放电倍率离散值采用有边界的类集聚法，具体公式为：
式中：it为汽车工况下所对应的一般工况倍率，idi为电池状态信息采集模块实时采集的放电倍率，n为汽车行驶过程中所识别的工况倍率数，Δr为工况倍率和放电倍率差值的绝对值。
6.根据权利要求2所述的一种动力电池组SOC和SOH的自适应估计方法，其特征在于，所述的步骤二中容量矩阵更新的时间累积公式如下：
式中：tcci为对应充电倍率下的累积充电时间；tdci为对应放电倍率下的累积放电时间；Tcci为不同充电倍率区间容量的温度修正系数，Tdci为不同放电倍率区间容量的温度修正系数，Δtj为电池在不同温度下的充放电时间。
CN201710141906.9A 2017-03-10 2017-03-10 一种动力电池组soc和soh的自适应估计方法 Active CN106959420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710141906.9A CN106959420B (zh) 2017-03-10 2017-03-10 一种动力电池组soc和soh的自适应估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710141906.9A CN106959420B (zh) 2017-03-10 2017-03-10 一种动力电池组soc和soh的自适应估计方法

Publications (2)

Publication Number Publication Date
CN106959420A CN106959420A (zh) 2017-07-18
CN106959420B true CN106959420B (zh) 2019-04-09

Family

ID=59470728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710141906.9A Active CN106959420B (zh) 2017-03-10 2017-03-10 一种动力电池组soc和soh的自适应估计方法

Country Status (1)

Country Link
CN (1) CN106959420B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107658517B (zh) * 2017-08-16 2019-07-16 昆明理工大学 一种可直观锂离子蓄电池充电周期的显示计装置
CN108062086B (zh) * 2017-12-08 2019-06-04 中航锂电技术研究院有限公司 基于Simscape电池组模型验证电池充放电控制策略的方法
CN110161423A (zh) * 2019-06-26 2019-08-23 重庆大学 一种基于多维度耦合模型的动力锂电池状态联合估计方法
CN112259813B (zh) * 2020-01-20 2022-03-29 蜂巢能源科技有限公司 电池充放电功率确定方法、***及设备
CN113829958B (zh) * 2020-06-23 2023-11-21 北京新能源汽车股份有限公司 一种车辆电池包温度的控制方法、装置、控制设备及汽车
CN111856308B (zh) * 2020-07-13 2023-04-28 深圳蓝信电气有限公司 一种电源设备蓄电池定期在线活化核容方法
CN111707947B (zh) * 2020-07-28 2022-07-29 深圳市福光动力通信设备有限公司 在线识别电池容量并迭代校准的方法与装置
CN112765794A (zh) * 2021-01-05 2021-05-07 国网辽宁省电力有限公司经济技术研究院 基于加速寿命试验的磷酸铁锂电池的可靠性分析方法
CN113109729B (zh) * 2021-04-19 2022-02-22 北京理工大学 基于加速老化试验与实车工况的车用动力电池soh评估方法
CN113954682A (zh) * 2021-11-25 2022-01-21 中国汽车工程研究院股份有限公司 一种电动汽车充电检测***及方法
CN115425701A (zh) * 2022-08-04 2022-12-02 深圳朗特智能控制股份有限公司 一种电量使用情况提示方法、***及便携式个人护理设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011209160A (ja) * 2010-03-30 2011-10-20 Panasonic Corp 電池状態検知装置
CN102749588A (zh) * 2012-06-20 2012-10-24 南京航空航天大学 基于蓄电池soc和soh的故障诊断方法
CN103328997A (zh) * 2011-01-18 2013-09-25 康奈可关精株式会社 电池的充电率估计装置
CN103513188A (zh) * 2013-10-15 2014-01-15 清华大学 一种电力***储能站中电池单体的电量计算方法
CN104122504A (zh) * 2014-08-11 2014-10-29 电子科技大学 一种电池的soc估算方法
CN104882931A (zh) * 2015-05-27 2015-09-02 沈阳航空航天大学 航空电源电池管理***及其方法
CN105319515A (zh) * 2015-11-18 2016-02-10 吉林大学 锂离子电池荷电状态和健康状态联合估算方法
CN105974329A (zh) * 2016-07-22 2016-09-28 深圳市沃特玛电池有限公司 一种估算电池组soh的方法
CN106026260A (zh) * 2016-06-24 2016-10-12 南京航空航天大学 一种带有均衡电路的串连电池组soc估算方法
CN106054080A (zh) * 2016-06-06 2016-10-26 电子科技大学 一种动力电池荷电状态与健康状态的联合估计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7324902B2 (en) * 2003-02-18 2008-01-29 General Motors Corporation Method and apparatus for generalized recursive least-squares process for battery state of charge and state of health

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011209160A (ja) * 2010-03-30 2011-10-20 Panasonic Corp 電池状態検知装置
CN103328997A (zh) * 2011-01-18 2013-09-25 康奈可关精株式会社 电池的充电率估计装置
CN102749588A (zh) * 2012-06-20 2012-10-24 南京航空航天大学 基于蓄电池soc和soh的故障诊断方法
CN103513188A (zh) * 2013-10-15 2014-01-15 清华大学 一种电力***储能站中电池单体的电量计算方法
CN104122504A (zh) * 2014-08-11 2014-10-29 电子科技大学 一种电池的soc估算方法
CN104882931A (zh) * 2015-05-27 2015-09-02 沈阳航空航天大学 航空电源电池管理***及其方法
CN105319515A (zh) * 2015-11-18 2016-02-10 吉林大学 锂离子电池荷电状态和健康状态联合估算方法
CN106054080A (zh) * 2016-06-06 2016-10-26 电子科技大学 一种动力电池荷电状态与健康状态的联合估计方法
CN106026260A (zh) * 2016-06-24 2016-10-12 南京航空航天大学 一种带有均衡电路的串连电池组soc估算方法
CN105974329A (zh) * 2016-07-22 2016-09-28 深圳市沃特玛电池有限公司 一种估算电池组soh的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
纯电动汽车锂电池剩余电量估计研究;周晓凤;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20150115(第1期);第C042-1458页

Also Published As

Publication number Publication date
CN106959420A (zh) 2017-07-18

Similar Documents

Publication Publication Date Title
CN106959420B (zh) 一种动力电池组soc和soh的自适应估计方法
CN107368619B (zh) 一种扩展卡尔曼滤波soc估算方法
CN107271905B (zh) 一种用于纯电动汽车的电池容量主动估计方法
US9718455B2 (en) Active battery parameter identification using conditional extended kalman filter
CN109507611B (zh) 一种电动汽车的soh修正方法及***
US9539912B2 (en) Battery capacity estimation using state of charge initialization-on-the-fly concept
US9272634B2 (en) Active battery system estimation request generation
CN109143099B (zh) 一种预估电池***健康状况的方法及装置
CN107696896A (zh) 电动汽车续驶里程估算方法
CN106814329A (zh) 一种基于双卡尔曼滤波算法的电池soc在线估计方法
CN109031133B (zh) 一种动力电池的soc修正方法
KR20090077656A (ko) 배터리 관리 시스템에서 배터리의 ｓｏｃ 측정 방법 및 장치
CN103424710A (zh) 用于监测电池组中的老化单体的性能变化的方法和***
CN111398828B (zh) 电动汽车剩余电量和剩余行驶里程估计方法
CN104101838A (zh) 动力电池***及其荷电状态、最大充放电功率估算方法
CN102331314A (zh) 通过简单的外部测量对单格电池核心温度的动态估算
CN115184830B (zh) 电池衰减估算方法
CN106249158B (zh) 磷酸铁锂电池实际可用容量检测方法、***及电动汽车
CN112757964A (zh) 混合动力车辆参数配置方法及计算机可读介质
CN115117974A (zh) 一种电池组的均衡控制方法、装置、电池***和存储介质
CN114624600A (zh) 一种动力电池电芯容量差计算方法和计算机可读存储介质
CN117087495A (zh) 一种基于电池老化水平的电动汽车的续驶里程估计方法
CN116859278A (zh) 动力电池的soh修正方法、装置、车辆及存储介质
CN110470993A (zh) 一种启停电池soc算法
CN108879867A (zh) 用于调节电池组的充电功率的***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant