CN106991737A - 电池管理***数据的缩量存储和重构方法 - Google Patents
电池管理***数据的缩量存储和重构方法 Download PDFInfo
- Publication number
- CN106991737A CN106991737A CN201710202988.3A CN201710202988A CN106991737A CN 106991737 A CN106991737 A CN 106991737A CN 201710202988 A CN201710202988 A CN 201710202988A CN 106991737 A CN106991737 A CN 106991737A
- Authority
- CN
- China
- Prior art keywords
- battery
- data
- voltage
- monomer
- frequency
- 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
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明涉及一种电池管理***数据的缩量存储和重构方法,首先保留原有的总电压U t 和总电流I的记录频率不变,记录仪对总电压和总电流仍然按照原频率记录;然后通过降低数据记录仪数据记录的频率,即低频率下采集单体电池电压。使得电池管理***在有限的存储空间下能够记录更长时间的电池数据;最后再通过分频模型(M+D模型)将低频电池信号重构成高频记录下的信号。且电池信号不失真,通过这种重构记录并存储数据的方法,可以有效的增加电池管理***记录仪存储电池数据的时间。可以在不增加存储空间的情况下实现电池数据存储时间周期,且保证电池数据的准确性。
Description
技术领域
本发明涉及一种电动汽车电池管理技术,特别涉及一种电池管理***数据的缩量存储和重构方法。
背景技术
能源的短缺和环境污染是当前全球性的两大危机,人们对清洁能源的需求持续增长,伴随新能源产业的发展,储能技术日渐成为世界各国能源、电力、交通部门的关注的焦点和热点。锂离子电池具有能量密度高、无污染、寿命长、性能稳定等优点在储能领域得到了广泛的应用,对于一些需求能量较小的应用领域,锂离子单体电池已满足了生活中的一部分需求,比如便捷式电子产品、移动手机等,然而在很多应用领域需要使用大量的能量,例如锂电池电网储能***,电动汽车,船用储能等领域,单体电池所能提供的能量微乎其微,这就需要将大量的单体电池串并连成大型电池组,来满足大能量存储的应用需求。大型锂离子电池组由于其容量大,串并联的节数多,存在安全性、耐久性、一致性、等一系列关键问题,因此需要电池管理***(battery management system,BMS)对电池进行有效的控制和管理。
优良的电池管理***应具有以下几个功能:电池参数检测、电池状态估计、电池均衡、电池故障诊断以及电池组数据存储。对于一个由成千上万个串联单体组成的电池组,除了总电压总电流外,每节单体的电压和温度都需要分别测量和存储,甚至一些控制状态信号也需要存储。如图1所示的BMS主要包括一个主控制器、四个子控制器、一个电表和一个数据记录仪。其中电表主要用于测量电池组的总电压和总电流,并向总线发出总电流和总电压状态信号。四个子控制器将单体的电压信号和温度信号简单处理后发送到CAN总线上;主控制器接收CAN总线上所有状态信号并发出控制信号,对整个***进行管理。而数据记录仪则需要记录并存储CAN总线上所有的信号。电池组数据的存储对电动汽车或其他大型的储能设备具有重要意义。电池的存储数据可以帮助我们了解电池组历史运行情况,指导产品的开发和改进。同时对存储数据进行分析可以为各储能***的故障诊断和处理提供数据支持。目前的电池管理***需要记录并存储大量的实时数据,但BMS的存储空间有限,因此有效地增加数据存储的时间对电池管理***至关重要。
发明内容
本发明是针对电池管理***存储空间有限的问题,提出了一种电池管理***数据的缩量存储和重构方法,能够有效提高电动汽车BMS的数据存储时间。即在BMS有限的存储空间内,保证数据准确性的前提下,采用数据压缩和重构的方法达到提高数据存储时间的目的。
本发明的技术方案为:一种电池管理***数据的缩量存储和重构方法,具体包括如下步骤:
1)设置采集频率,用设置的频率采集记录电池组总电压Ut和总电流I数据;
2)降低步骤1)设置的采集频率,用低频率采集记录单体电压Uk数据;
3)对步骤2)低采集频率的单体电压数据利用分频模型进行数据重构,重构成步骤1)采集频率记录下的数据,所述分频模型为M+D模型,即平均电池模型+电池组中各单体之间的差异模型。
所述步骤3)的分频模型的状态方程为:
ΔUi(t)=ΔEi(t)-I(t)ΔRi (1)
ΔUi(t)=Ui(t)-Um(t) (2)
其中t为采样时间,ΔEi为电池i的开路电压OCV与平均电池的开路电压OCV差异,ΔRi为电池i与平均电池的内阻差异,I为总电流,ΔUi为电池i的单体电压与平均电池的电压差异,用步骤2)低采集频率的单体电压Uk和平均电压Um(t)数据进行总体最小二乘法估计求解ΔEi,ΔRi,然后用步骤1)采集的总电流I(t)数据插值得到电池i的单体电压与平均电池的电压差异ΔUi,根据公式(2)和平均电压Um(t)得到每个单体在步骤1)采集频率时的单体电压Ui。
本发明的有益效果在于:本发明电池管理***数据的缩量存储和重构方法,可以在不增加存储空间的情况下,提高数据存储时间,且保证电池数据的准确性。
附图说明
图1为电池管理***结构示意图;
图2为本发明实施例记录仪的缩量存储和重构方法的流程图;
图3为电池管理***各信号数据记录示意图;
图4为本发明实施例考虑SOC和内阻的电池差异模型图;
图5为本发明实施例的八个单体电压重构数据与实际数据对比图。
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。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。
如图2所示实施例记录仪的缩量存储和重构方法的流程图,
S1、保留原有的总电压Ut和总电流I的记录频率不变,如2Hz的记录频率。
在本发明实施例中,BMS记录仪对总电压和总电流仍然按照2Hz的频率记录,如图3所示电池管理***各信号数据记录示意图,图3中给出了2Hz频率记录高频信号一段范围的变化。Ut表示2Hz频率记录的总电压;I表示2Hz频率记录的总电流;Ui表示2Hz频率记录的单体电压。
S2、改变单体电压数据的记录频率,将单体电压Ui的记录频率降低(压缩数据)。
在本发明实施例中,BMS记录仪对单体电压Ui采用0.4Hz频率。如图2所示,Uk表示0.4Hz频率记录下的单体电压曲线,因此BMS记录仪能够在不提高存储容量的前提下存储更长时间的电池组数据。
S3、以较低频率记录的单体电压数据重构成较高频记录下的的数据,这里需要用到分频模型(M+D模型)进行单体电压数据的重构。
在本发明实施例中,较低频率为0.4Hz,较高频率记录的频率为2Hz。分频模型(M+D模型)。分频模型的主要特点是将电池组建模成两部分,一部分研究高频的电池组平均模型,而另一部分是研究电池组中各单体之间的差异模型。平均模型就是将电池组当成一个整体,即一个平均“单体”,因而可以采用现行比较精确的单体模型进行研究,其计算量仅为单体模型的计算量。
而电池组差异模型则研究单体电池与平均单体的差异,由于各单体电压变化较慢,因此可以认为2.5s(0.4Hz)甚至更长的时间内的电池差异不会有太大改变。利用这一基本原理,我们可以进行单体电压由0.4Hz甚至更低的记录频率的数据到2Hz记录频率的数据还原。考虑SOC和内阻的电池差异模型,其模型结构如图4所示。其中t为采样时间,ΔEi为电池i的开路电压OCV与平均电池的开路电压OCV差异,ΔRi为电池i与平均电池的内阻差异,I为总电流,ΔUi为电池i的单体电压与平均电池的电压差异。该模型的状态方程为:
ΔUi(t)=ΔEi(t)-I(t)ΔRi (1)
ΔUi(t)=Ui(t)-Um(t) (2)
式中ΔEi,ΔRi变化很小,基本可以认为不变,所以可用0.4Hz(低频)记录的单体电压Uk和平均电压数据进行总体最小二乘法估计求解ΔEi,ΔRi,然后用2Hz(高频)的总电流I(t)数据插值得到电池i的单体电压与平均电池的电压差异ΔUi,从而根据公式(2)和平均电压Um(t)得到每个单体在2Hz频率时的单体电压Ui。
分频模型的高频部分即平均电池模型对应总电压和总电流的记录。而对于低频部分即电池差异模型对应的各单体电压差异,由于其变化为低频,因此,采用低频率记录并不会有太大影响,可以认为2.5s甚至更长的时间内的电池差异部分不会有太大改变。利用这一基本原理,我们可以进行单体电压由0.4Hz甚至更低的记录频率的数据到2Hz记录频率的数据还原。
也就是说,这个问题解决的是已知平均电压Um(t)和总电流I(t)(高频2Hz以上采样),已知每一单体以0.4Hz(2.5秒记录一次)或更低记录频率电压Ui(t)与平均电压Um(t)的差异,然后恢复每一个单体在高频记录下(2Hz)的电压数据。
可以认为较短时间内,ΔEi,ΔRi变化很小,基本可以认为不变,所以可用0.4Hz记录的单体电压和平均电压数据进行总体最小二乘法估计求解,然后用2Hz的总电流数据插值得到电池i的单体电压与平均电池的电压差异,从而根据模型的状态方程和平均电压得到每个单体在2Hz频率时的电压。
为了验证分频模型方法还原得到的单体电压的精度问题,我们设计了实验研究八个串联电池不同的SOC成组后的单体电压实际精度和重构后的精度进行比较。采用新欧洲工况(NEDC)下的电动汽车的电机功率做相应修正得到对应电池组的动态电流进行实验。利用本发明的分频率模型重构方法将0.4Hz的数据恢复到2Hz记录频率下的数据。图5为8个不同单体电压实际值和重构后的估计值均方根误差,横坐标为电池序号,纵坐标为均方根误差值(RMSE),其8个单体的平均均方根误差0.01mv左右,这样的误差工程上是允许的,满足电池存储数据的后续研究分析。
Claims (2)
1.一种电池管理***数据的缩量存储和重构方法,其特征在于,具体包括如下步骤:
1)设置采集频率,用设置的频率采集记录电池组总电压Ut和总电流I数据;2)降低步骤1)设置的采集频率,用低频率采集记录单体电压Uk数据;
3)对步骤2)低采集频率的单体电压数据利用分频模型进行数据重构,重构成步骤1)采集频率记录下的数据,所述分频模型为M+D模型,即平均电池模型+电池组中各单体之间的差异模型。
2.根据权利要求1所述电池管理***数据的缩量存储和重构方法,其特征在于,所述步骤3)的分频模型的状态方程为:
ΔUi(t)=ΔEi(t)-I(t)ΔRi (1)
ΔUi(t)=Ui(t)-Um(t) (2)
其中t为采样时间,ΔEi为电池i的开路电压OCV与平均电池的开路电压OCV差异,ΔRi为电池i与平均电池的内阻差异,I为总电流,ΔUi为电池i的单体电压与平均电池的电压差异,用步骤2)低采集频率的单体电压Uk和平均电压Um(t)数据进行总体最小二乘法估计求解ΔEi,ΔRi,然后用步骤1)采集的总电流I(t)数据插值得到电池i的单体电压与平均电池的电压差异ΔUi,根据公式(2)和平均电压Um(t)得到每个单体在步骤1)采集频率时的单体电压Ui。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710202988.3A CN106991737B (zh) | 2017-03-30 | 2017-03-30 | 电池管理***数据的缩量存储和重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710202988.3A CN106991737B (zh) | 2017-03-30 | 2017-03-30 | 电池管理***数据的缩量存储和重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106991737A true CN106991737A (zh) | 2017-07-28 |
CN106991737B CN106991737B (zh) | 2021-01-15 |
Family
ID=59411914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710202988.3A Active CN106991737B (zh) | 2017-03-30 | 2017-03-30 | 电池管理***数据的缩量存储和重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106991737B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100495060C (zh) * | 1998-06-16 | 2009-06-03 | 锦湖石油化学株式会社 | 用于测量电池容量的方法 |
CN104836248A (zh) * | 2015-05-20 | 2015-08-12 | 沈阳工业大学 | 适用于风电机组的混合储能***及控制方法 |
-
2017
- 2017-03-30 CN CN201710202988.3A patent/CN106991737B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100495060C (zh) * | 1998-06-16 | 2009-06-03 | 锦湖石油化学株式会社 | 用于测量电池容量的方法 |
CN104836248A (zh) * | 2015-05-20 | 2015-08-12 | 沈阳工业大学 | 适用于风电机组的混合储能***及控制方法 |
Non-Patent Citations (1)
Title |
---|
郑岳久: "车用锂离子动力电池组的一致性研究", 《中国博士学位论文全文数据库 工程科技II辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN106991737B (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Massive battery pack data compression and reconstruction using a frequency division model in battery management systems | |
Zhang et al. | Real-time diagnosis of micro-short circuit for Li-ion batteries utilizing low-pass filters | |
CN107957562B (zh) | 一种锂离子电池剩余寿命在线预测方法 | |
CN109731808B (zh) | 一种对锂电池梯次利用的检测分选方法 | |
CN103197251B (zh) | 一种动力锂电池二阶rc等效模型的辨识方法 | |
CN110007236A (zh) | 一种铝空气电池等效电路模型的参数辨识方法 | |
CN111948546A (zh) | 一种锂电池健康度评估方法及*** | |
CN110045292A (zh) | 基于大数据和bp神经网络的锂离子电池SOC预测方法 | |
CN104485474A (zh) | 一种基于一致性指标的纯电动汽车电池组匹配方法 | |
CN110333463A (zh) | 一种电芯一致性筛选方法及其*** | |
CN104868180A (zh) | 单体电池配组方法及*** | |
Chang et al. | Electric vehicle battery pack micro-short circuit fault diagnosis based on charging voltage ranking evolution | |
CN110007238A (zh) | 一种铝空气电池等效电路模型的建立方法 | |
CN106093615A (zh) | 超级电容储能模块的健康状态估计方法 | |
CN110850322B (zh) | 一种基于小波信号分解的电池相对健康状态估计方法 | |
Zhou et al. | Online State of Health Estimation for Series-Connected LiFePO₄ Battery Pack Based on Differential Voltage and Inconsistency Analysis | |
CN204030697U (zh) | 基于动态soc估算***的电池管理*** | |
CN105652210B (zh) | 一种依电池状态量变化过程进行soc修正的方法及*** | |
Caponetto et al. | Application of Electrochemical Impedance Spectroscopy for prediction of Fuel Cell degradation by LSTM neural networks | |
CN102814292A (zh) | 锂离子电池一致性配组方法和*** | |
CN117054892A (zh) | 一种储能电站电池健康状态的评估方法、装置及管理方法 | |
CN114879072B (zh) | 一种计及温度特征的储能电站用锂电池soh评估方法 | |
CN106991737A (zh) | 电池管理***数据的缩量存储和重构方法 | |
CN115951225A (zh) | 一种电池均衡优化容量估计方法和装置 | |
CN104898065A (zh) | 一种电动汽车动力电池已使用循环次数的估算方法及装置 |
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 |