CN107831441A - 锂电池充电电流的预测方法、预测***及一种充电装置 - Google Patents
锂电池充电电流的预测方法、预测***及一种充电装置 Download PDFInfo
- Publication number
- CN107831441A CN107831441A CN201710850730.4A CN201710850730A CN107831441A CN 107831441 A CN107831441 A CN 107831441A CN 201710850730 A CN201710850730 A CN 201710850730A CN 107831441 A CN107831441 A CN 107831441A
- Authority
- CN
- China
- Prior art keywords
- battery
- charge
- charging
- charge cycle
- represent
- 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
- 238000007600 charging Methods 0.000 title claims abstract description 243
- 238000000034 method Methods 0.000 title claims abstract description 66
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 49
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 49
- 230000036760 body temperature Effects 0.000 claims abstract description 85
- 238000005259 measurement Methods 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 description 8
- 230000032683 aging Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 238000010281 constant-current constant-voltage charging Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
- H01M10/443—Methods for charging or discharging in response to temperature
-
- H02J7/0091—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开一种锂电池充电电流的预测方法、预测***及一种充电装置,预测方法包括:以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数;获取第k个充电周期的电池实测本体温度和电池服役环境的实测环境温度;根据实测本体温度和实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,p表示模型预测控制方法的预测步长;根据充电目标函数和各个预测本体温度,采用模型预测控制方法预测使充电目标函数最小的第k+1个充电周期的最优充电电流。采用本发明预测的最优充电电流对锂电池进行充电,能够缩短充电时间,提高充电速度,而且还能降低电池容量衰减量,从而延长电池的使用寿命。
Description
技术领域
本发明涉及电池充电技术领域,特别是涉及一种锂电池充电电流的预测方法、预测***及一种充电装置。
背景技术
一年四季中,环境温度变化比较明显,且不同地域的环境温度差异较大,环境温度的变化会引起电池温度的变化,而电池在不同温度下的衰老速度是不同的。现有的锂电池充电方法广泛采用的是恒流恒压充电方法,没有考虑电池温度和充电倍率对电池寿命的影响。若充电电流小,则充电时间长,充电速度慢,若想提高充电速度,就需要增大充电电流,大电流充电将导致电池的极化电压过大,引起电池的温度升高,电池容量衰减量增大,电池的衰老速度加快,缩短电池的使用寿命较。
因此,如何优化锂电池的充电电流,同时达到提高充电速度、延长电池使用寿命的目的,成为本领域技术人员亟需解决的技术问题。
发明内容
本发明的目的是提供一种锂电池充电电流的预测方法、预测***及一种充电装置,优化锂电池的充电电流,同时达到提高充电速度、延长电池使用寿命的目的。
为实现上述目的,本发明提供了如下方案:
一种锂电池充电电流的预测方法,所述预测方法包括:
以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数;
获取第k个充电周期电池的实测本体温度和所述第k个充电周期电池服役环境的实测环境温度;
根据所述实测本体温度和所述实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长;
根据所述充电目标函数和各个所述预测本体温度,采用模型预测控制方法预测使所述充电目标函数最小的第k+1个充电周期的最优充电电流。
可选的,所述以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数,具体包括:
根据电池容量衰减机理模型:确定以电池容量衰减量最小为目标的第一目标函数,所述第一目标函数为:其中,f1表示第一目标函数,Qloss表示电池容量衰减量,B表示指数前系数,e表示自然常数,E表示活化能,a表示电池倍率修正参数,C_Rate表示电池充放电电流倍率的绝对值,R表示理想气体常数,T表示电池的开氏温度,Ah表示进出电池的安时数,z表示幂次定律参数,Ik表示第k个充电周期的充电电流,Tk表示第k个充电周期电池的开氏温度,N表示充电周期总数,Qloss,k表示第k个充电周期的电池容量衰减量,Qloss,0=0;
根据电池充电过程中,电池荷电状态变化机理模型:确定以充电时间最短为目标的第二目标函数,所述第二目标函数为:其中,f2表示第二目标函数,SOC(k)表示第k个充电周期的电池荷电状态,Cap表示电池的额定容量,Ij表示第j个充电周期的充电电流;
根据所述第一目标函数和所述第二目标函数,确定所述充电目标函数,所述充电目标函数为:其中,fk表示第k个充电周期的充电目标函数,a表示补偿因子,K=1,2,……,N。
可选的,所述根据所述实测本体温度和所述实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,具体包括:
对充电过程中,充电电流、电池的环境温度和电池的本体温度的关系式进行离散化处理,获得电池温度预测模型,其中,所述关系式为:
所述电池温度预测模型为:m表示电池质量,Cp表示热容,T表示电池温度,t表示时间,I表示充电电流,VOC表示电池的开路电压,VT表示电池的端电压,h表示对流传热系数,A表示电池表面积,Tamb表示电池的环境温度,T′k+1表示第k+1个充电周期内电池的预测本体温度,Tk表示第k个充电周期内电池的实测本体温度,Ik表示第k个充电周期的充电电流,Δt表示充电周期,VOC.k表示第k个充电周期电池的开路电压,VT,k表示第k个充电周期电池的端电压,表示第k个充电周期电池的熵变,Tamb,k表示第k个充电周期电池的实测环境温度;
根据所述第k个充电周期电池的实测本体温度、所述第k个充电周期电池服役环境的实测环境温度和第k个充电周期的充电电流,采用所述电池温度预测模型预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长。
可选的,所述根据所述充电目标函数和各个所述预测本体温度,采用模型预测控制方法预测使所述充电目标函数最小的第k+1个充电周期的最优充电电流,具体包括:
根据第k个充电周期的电池荷电状态确定最大充电电流;
获取所述第k+1个充电周期到所述第k+p个充电周期之间每个充电周期的充电电流的预设个数nk+i,1≤i≤p;
根据所述最大充电电流和所述预设个数nk+i,确定每个充电周期内的各个预设充电电流;
根据各所述充电周期内的各个所述预设充电电流生成nk+1×nk+2×…×nk+p个不同的充电电流序列;
根据所述充电目标函数、各个所述预测本体温度和各个所述充电电流序列,确定最优充电序列,所述最优充电序列为使所述充电目标函数的函数值最小的充电电流序列,所述最优充电序列中的第一个元素为第k+1个充电周期的最优充电电流。
一种锂电池充电电流的预测***,所述预测***包括:
目标函数构造模块,用于以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数;
温度获取模块,用于获取第k个充电周期电池的实测本体温度和所述第k个充电周期电池服役环境的实测环境温度;
温度预测模块,用于根据所述实测本体温度和所述实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长;
充电电流预测模块,用于根据所述充电目标函数和各个所述预测本体温度,采用模型预测控制方法预测使所述充电目标函数最小的第k+1个充电周期的最优充电电流。
可选的,所述目标函数构造模块具体包括:
第一目标函数单元,用于根据电池容量衰减机理模型:确定以电池容量衰减量最小为目标的第一目标函数,所述第一目标函数为:
其中,f1表示第一目标函数,Qloss表示电池容量衰减量,B表示指数前系数,e表示自然常数,E表示活化能,a表示电池倍率修正参数,C_Rate表示电池充放电电流倍率的绝对值,R表示理想气体常数,T表示电池的开氏温度,Ah表示进出电池的安时数,z表示幂次定律参数,Ik表示第k个充电周期的充电电流,Tk表示第k个充电周期电池的开氏温度,N表示充电周期总数,Qloss,k表示第k个充电周期的电池容量衰减量,Qloss,0=0;
第二目标函数单元,用于根据电池充电过程中,电池荷电状态变化机理模型:
确定以充电时间最短为目标的第二目标函数,所述第二目标函数为:其中,f2表示第二目标函数,SOC(k)表示第k个充电周期的电池荷电状态,Cap表示电池的额定容量,Ij表示第j个充电周期的充电电流;
充电函数单元,用于根据所述第一目标函数和所述第二目标函数,确定所述充电目标函数,所述充电目标函数为:其中,fk表示第k个充电周期的充电目标函数,a表示补偿因子,K=1,2,……,N。
可选的,所述温度预测模块具体包括:
预测模型确定单元,用于对充电过程中,充电电流、电池的环境温度和电池的本体温度的关系式进行离散化处理,获得电池温度预测模型,其中,所述关系式为:
所述电池温度预测模型为:m表示电池质量,Cp表示热容,T表示电池温度,t表示时间,I表示充电电流,VOC表示电池的开路电压,VT表示电池的端电压,h表示对流传热系数,A表示电池表面积,Tamb表示电池的环境温度,T′k+1表示第k+1个充电周期内电池的预测本体温度,Tk表示第k个充电周期内电池的实测本体温度,Ik表示第k个充电周期的充电电流,Δt表示充电周期,VOC.k表示第k个充电周期电池的开路电压,VT,k表示第k个充电周期电池的端电压,表示第k个充电周期电池的熵变,Tamb,k表示第k个充电周期电池的实测环境温度;
本体温度预测单元,用于根据所述第k个充电周期电池的实测本体温度、所述第k个充电周期电池服役环境的实测环境温度和第k个充电周期的充电电流,采用所述电池温度预测模型预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长。
可选的,所述充电电流预测模块具体包括:
最大电流确定单元,用于根据第k个充电周期的电池荷电状态确定最大充电电流;
电流个数获取单元,用于获取所述第k+1个充电周期到所述第k+p个充电周期之间每个充电周期的充电电流的预设个数nk+i,1≤i≤p;
预设电流确定单元,用于根据所述最大充电电流和所述预设个数nk+i,确定每个充电周期内的各个预设充电电流;
电流序列生成单元,用于根据各所述充电周期内的各个所述预设充电电流生成nk+1×nk+2×…×nk+p个不同的充电电流序列;
最优电流确定单元,用于根据所述充电目标函数、各个所述预测本体温度和各个所述充电电流序列,确定最优充电序列,所述最优充电序列为使所述充电目标函数的函数值最小的充电电流序列,所述最优充电序列中的第一个元素为第k+1个充电周期的最优充电电流。
一种充电装置,所述充电装置与锂电池连接,用于给所述锂电池充电,所述充电装置包括:第一温度传感器、第二温度传感器、充电控制器、充电机和所述的预测***,其中,
所述第一温度传感器用于采集所述锂电池服役环境的实测环境温度;
所述第二温度传感器与所述锂电池连接,用于采集所述锂电池的实测本体温度;
所述预测***分别与所述第一温度传感器和所述第二温度传感器连接,用于以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数,并根据第k个充电周期电池的实测本体温度和所述第k个充电周期电池服役环境的实测环境温度,采用模型预测控制方法预测使充电目标函数最小的第k+1个充电周期的最优充电电流;
所述充电机与所述锂电池连接,用于监测所述锂电池的电池荷电状态,还用于给所述锂电池充电;
所述充电控制器分别与所述预测***和所述充电机连接,所述充电控制器用于根据所述充电机监测的所述锂电池的电池荷电状态,判断当前电池荷电状态是否达到预设的电池荷电状态,获得第一判断结果;
当第一判断结果表示当前电池荷电状态未达到预设的电池荷电状态,则将所述预测***确定的最优充电电流的信号发送给所述充电机,所述充电机根据所述最优充电电流的信号给所述锂电池充电;
当第一判断结果表示当前电池荷电状态达到预设的电池荷电状态,则发出停止充电命令,所述充电机根据所述停止充电命令停止给所述锂电池充电。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明根据当前时刻电池的实测本体温度和当前时刻电池服役环境的实测环境温度预测下一充电周期电池的预测本体温度,然后根据预测本体温度及构造的充电目标函数,采用模型预测控制方法确定下一充电周期的最优充电电流,使充电目标函数值最小。由于充电目标函数能够兼顾充电速度和电池容量的衰减量,因此,采用本发明预测的最优充电电流对锂电池进行充电,能够缩短充电时间,提高充电速度,而且还能降低电池容量衰减量,从而延长电池的使用寿命。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例1提供的预测方法的流程图;
图2为本发明实施例1提供的预测方法中步骤14的流程图;
图3为本发明实施例2提供的预测***的结构框图;
图4为本发明实施例2提供的预测***中充电电流预测模块的结构框图;
图5为本发明实施例3提供的充电装置的结构框图;
图6为本发明实施例3提供的充电装置充电的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种锂电池充电电流的预测方法、预测***及一种充电装置,优化锂电池的充电电流,同时达到提高充电速度、延长电池使用寿命的目的。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
如图1所示,一种锂电池充电电流的预测方法包括:
步骤11:以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数;
步骤12:获取第k个充电周期电池的实测本体温度和所述第k个充电周期电池服役环境的实测环境温度;
步骤13:根据所述实测本体温度和所述实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长;
步骤14:根据所述充电目标函数和各个所述预测本体温度,采用模型预测控制方法预测使所述充电目标函数最小的第k+1个充电周期的最优充电电流。
其中,步骤11:以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数,具体包括:
步骤111:根据电池容量衰减机理模型:确定以电池容量衰减量最小为目标的第一目标函数,所述第一目标函数为:
其中,f1表示第一目标函数,Qloss表示电池容量衰减量,B表示指数前系数,e表示自然常数,E表示活化能,a表示电池倍率修正参数,C_Rate表示电池充放电电流倍率的绝对值,R表示理想气体常数,T表示电池的开氏温度,Ah表示进出电池的安时数,z表示幂次定律参数,Ik表示第k个充电周期的充电电流,Tk表示第k个充电周期电池的开氏温度,N表示充电周期总数,Qloss,k表示第k个充电周期的电池容量衰减量,Qloss,0=0。
具体地,首先对电池容量衰减机理模型:进行离散化后得到:其中Qloss,k和Qloss,k+1分别表示第k个充电周期和第k+1个充电周期电池的累积损耗,ΔAh表示第k个充电周期到第k+1个充电周期这一时间区间内进出电池的总安时数:假设电池一个充电周期的时间为1秒,充电过程共N秒,即N个充电周期。为了使电池在充电过程中的容量衰减最小,则优化的目标函数f1为:
步骤112:根据电池充电过程中,电池荷电状态变化机理模型:确定以充电时间最短为目标的第二目标函数,所述第二目标函数为:
其中,f2表示第二目标函数,SOC(k)表示第k个充电周期的电池荷电状态,Cap表示电池的额定容量,Ij表示第j个充电周期的充电电流。在电池的充电过程中,充电时间是衡量充电优劣的另一个重要因素,若使充电速度尽可能的快,则应该满足的另一个目标函数为:即在N个充电周期内使电池的充电电量最大。
为了使充电时间与电池容量衰减量具有同样的变化趋势,使二者能够通过同一个目标函数优化,将等价变换为第二目标函数:其中,第二目标函数的约束条件为Ik≤Ik,max,其中,Ik,max表示第k个充电周期的最大充电电流,Ik,max与第k个充电周期的SOC有关,可根据表1的对应关系确定,其中,表示电池铭牌上标识的最大充电电流。
表1最大充电电流与SOC的对应关系表
步骤113:根据所述第一目标函数和所述第二目标函数,确定所述充电目标函数,所述充电目标函数为:其中,fk表示第k个充电周期的充电目标函数,a表示补偿因子,作用是使SOC与容量衰减有相同的数量级,K=1,2,……,N。
其中,步骤13:根据所述实测本体温度和所述实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,具体包括:
步骤131:对充电过程中,充电电流、电池的环境温度和电池的本体温度的关系式进行离散化处理,获得电池温度预测模型,其中,所述关系式为:
所述电池温度预测模型为:m表示电池质量,单位是千克,Cp表示热容,T表示电池温度,t表示时间,I表示充电电流,VOC表示电池的开路电压,VT表示电池的端电压,h表示对流传热系数,A表示电池表面积,Tamb表示电池的环境温度,T′k+1表示第k+1个充电周期内电池的预测本体温度,Tk表示第k个充电周期内电池的实测本体温度,Ik表示第k个充电周期的充电电流,Δt表示充电周期,VOC.k表示第k个充电周期电池的开路电压,VT,k表示第k个充电周期电池的端电压,表示第k个充电周期电池的熵变,Tamb,k表示第k个充电周期电池的实测环境温度。其中,VOC.k和与当前时刻电池荷电状态(State ofcharge,SOC)有关,以额定容量为2.6Ah的钴酸锂电池为例,其开路电压和熵变与SOC的对应关系如表2所示。
表2开路电压和熵变与SOC的对应关系表
步骤132:根据所述第k个充电周期电池的实测本体温度、所述第k个充电周期电池的环境温度和第k个充电周期的充电电流,采用所述电池温度预测模型预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长。
如图2所示,步骤14:根据所述充电目标函数和各个所述预测本体温度,采用模型预测控制方法预测使所述充电目标函数最小的第k+1个充电周期的最优充电电流,具体包括:
步骤141:根据第k个充电周期的电池荷电状态确定最大充电电流;
步骤142:获取所述第k+1个充电周期到所述第k+p个充电周期之间每个充电周期的充电电流的预设个数nk+i,1≤i≤p;
步骤143:根据所述最大充电电流和所述预设个数nk+i,确定每个充电周期内的各个预设充电电流;
步骤144:根据各所述充电周期内的各个所述预设充电电流生成nk+1×nk+2×…×nk+p个不同的充电电流序列;
步骤145:根据所述充电目标函数、各个所述预测本体温度和各个所述充电电流序列,确定最优充电序列,所述最优充电序列为使所述充电目标函数的函数值最小的充电电流序列,所述最优充电序列中的第一个元素为第k+1个充电周期的最优充电电流。
模型预测控制利用局部最优代替全局最优,有着实时优化、抗扰动强等优点,在在线优化的工程中有着广泛应用。因此,本实施例采用模型预测控制(MPC)对充电过程进行滚动优化求解。本实施例提供的预测方法,优化的目标函数的最终形式采用SOC与电池容量衰减求和的方式,可以使两个优化目标建立联系,采用模型预测控制算法对构建的目标函数进行优化,可以满足实时性要求和抵抗环境温度变化等外来扰动的要求,根据环境温度自动调整充电电流,减小充电时间和延长电池使用寿命。
实施例2:
如图3所示,一种锂电池充电电流的预测***2包括:
目标函数构造模块21,用于以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数;
温度获取模块22,用于获取第k个充电周期电池的实测本体温度和所述第k个充电周期电池服役环境的实测环境温度;
温度预测模块23,用于根据所述实测本体温度和所述实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长;
充电电流预测模块24,用于根据所述充电目标函数和各个所述预测本体温度,采用模型预测控制方法预测使所述充电目标函数最小的第k+1个充电周期的最优充电电流。
具体地,所述目标函数构造模块21具体包括:
第一目标函数单元211,用于根据电池容量衰减机理模型:确定以电池容量衰减量最小为目标的第一目标函数,所述第一目标函数为:
其中,f1表示第一目标函数,Qloss表示电池容量衰减量,B表示指数前系数,e表示自然常数,E表示活化能,a表示电池倍率修正参数,C_Rate表示电池充放电电流倍率的绝对值,R表示理想气体常数,T表示电池的开氏温度,Ah表示进出电池的安时数,z表示幂次定律参数,Ik表示第k个充电周期的充电电流,Tk表示第k个充电周期电池的开氏温度,N表示充电周期总数,Qloss,k表示第k个充电周期的电池容量衰减量,Qloss,0=0;
第二目标函数单元212,用于根据电池充电过程中,电池荷电状态变化机理模型:确定以充电时间最短为目标的第二目标函数,所述第二目标函数为:其中,f2表示第二目标函数,SOC(k)表示第k个充电周期的电池荷电状态,Cap表示电池的额定容量,Ij表示第j个充电周期的充电电流;
充电函数单元213,用于根据所述第一目标函数和所述第二目标函数,确定所述充电目标函数,所述充电目标函数为:其中,fk表示第k个充电周期的充电目标函数,a表示补偿因子,K=1,2,……,N。
具体地,所述温度预测模块23具体包括:
预测模型确定单元231,用于对充电过程中,充电电流、电池的环境温度和电池的本体温度的关系式进行离散化处理,获得电池温度预测模型,其中,所述关系式为:所述电池温度预测模型为:
m表示电池质量,Cp表示热容,T表示电池温度,t表示时间,I表示充电电流,VOC表示电池的开路电压,VT表示电池的端电压,h表示对流传热系数,A表示电池表面积,Tamb表示电池的环境温度,T′k+1表示第k+1个充电周期内电池的预测本体温度,Tk表示第k个充电周期内电池的实测本体温度,Ik表示第k个充电周期的充电电流,Δt表示充电周期,VOC.k表示第k个充电周期电池的开路电压,VT,k表示第k个充电周期电池的端电压,表示第k个充电周期电池的熵变,Tamb,k表示第k个充电周期电池的实测环境温度;
本体温度预测单元232,用于根据所述第k个充电周期电池的实测本体温度、所述第k个充电周期电池的环境温度和第k个充电周期的充电电流,采用所述电池温度预测模型预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长。
如图4所示,所述充电电流预测模块24具体包括:
最大电流确定单元241,用于根据第k个充电周期的电池荷电状态确定最大充电电流;
电流个数获取单元242,用于获取所述第k+1个充电周期到所述第k+p个充电周期之间每个充电周期的充电电流的预设个数nk+i,1≤i≤p;
预设电流确定单元243,用于根据所述最大充电电流和所述预设个数nk+i,确定每个充电周期内的各个预设充电电流;
电流序列生成单元244,用于根据各所述充电周期内的各个所述预设充电电流生成nk+1×nk+2×…×nk+p个不同的充电电流序列;
最优电流确定单元245,用于根据各个所述预测本体温度和各个所述充电电流序列,确定最优充电序列,所述最优充电序列为使所述充电目标函数的函数值最小的充电电流序列,所述最优充电序列中的第一个元素为第k+1个充电周期的最优充电电流。
本实施例提供的预测***,通过两个温度传感器实时监测环境温度和电池温度,并通过当前电池的本体温度和环境温度不断预测以后的电池本体温度,从而实现减少充电时间与延缓电池老化的综合优化。在优化过程中,两个温度传感器不断对温度进行反馈矫正,使整个预测***有较强的鲁棒性来应对环境温度的变化。
实施例3:
如图5所示,一种充电装置,所述充电装置与锂电池连接,用于给所述锂电池30充电,所述充电装置包括:第一温度传感器31、第二温度传感器32、充电控制器33、充电机34和实施例2所述的预测***2,其中,
所述第一温度传感器31用于采集所述锂电池30服役环境的实测环境温度;
所述第二温度传感器32与所述锂电池30连接,用于采集所述锂电池30的实测本体温度;
所述预测***2分别与所述第一温度传感器31和所述第二温度传感器32连接,用于以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数,并根据第k个充电周期电池的实测本体温度和所述第k个充电周期电池服役环境的实测环境温度,采用模型预测控制方法预测使充电目标函数最小的第k+1个充电周期的最优充电电流;
所述充电机34与所述锂电池30连接,用于监测所述锂电池30的电池荷电状态;
所述充电控制器33分别与所述预测***2和所述充电机34连接,用于
判断当前电池30荷电状态是否达到预设的电池荷电状态,获得第一判断结果;
当第一判断结果表示当前电池荷电状态未达到预设的电池荷电状态,则将所述预测***确定的最优充电电流的信号发送给所述充电机34,所述充电机34根据所述最优充电电流的信号给所述锂电池30充电;
当第一判断结果表示当前电池荷电状态达到预设的电池荷电状态,则发出停止充电命令,所述充电机34根据所述停止充电命令停止给所述锂电池30充电。
本实施例提供的充电装置,可以对处于不同环境温度中的电池进行优化充电,具体步骤包括:
步骤301:采用第一温度传感器31和第二温度传感器32实时对电池温度和环境温度进行采集,并把采集到的数据发送给预测***。
步骤302:预测***2预测第k+1时刻到k+p时刻的电池温度。
步骤303:根据预测的电池温度对目标函数进行优化求解。
步骤304:获得最优充电电流序列。
步骤305:充电控制器取最优充电电流序列的第一个元素给充电机34,充电机34对电池30充电。
步骤306:充电控制器33判断SOC是否满足要求;
若是,结束充电,否则,执行步骤301。
本实施例中,充电控制器对充电机采集的电池SOC数据、各温度传感器采集的温度数据进行存储,根据预测***对目标函数的优化,把充电指令传送给充电机。预测***以充电控制器存储的温度和电池两端电压为基础,采用模型预测控制算法(MPC),对目标函数进行优化,得出从此时刻往后P个时刻的充电电流序列。
本发明提供的充电装置,可以自适应不同环境下的温度要求,对充电过程进行优化,从而达到减少充电时间、延长电池寿命的目的。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种锂电池充电电流的预测方法,其特征在于,所述预测方法包括:
以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数;
获取第k个充电周期电池的实测本体温度和所述第k个充电周期电池服役环境的实测环境温度;
根据所述实测本体温度和所述实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长;
根据所述充电目标函数和各个所述预测本体温度,采用模型预测控制方法预测使所述充电目标函数最小的第k+1个充电周期的最优充电电流。
2.根据权利要求1所述的预测方法,其特征在于,所述以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数,具体包括:
根据电池容量衰减机理模型:确定以电池容量衰减量最小为目标的第一目标函数,所述第一目标函数为:其中,f1表示第一目标函数,Qloss表示电池容量衰减量,B表示指数前系数,e表示自然常数,E表示活化能,a表示电池倍率修正参数,C_Rate表示电池充放电电流倍率的绝对值,R表示理想气体常数,T表示电池的开氏温度,Ah表示进出电池的安时数,z表示幂次定律参数,Ik表示第k个充电周期的充电电流,Tk表示第k个充电周期电池的开氏温度,N表示充电周期总数,Qloss,k表示第k个充电周期的电池容量衰减量,Qloss,0=0;
根据电池充电过程中,电池荷电状态变化机理模型:确定以充电时间最短为目标的第二目标函数,所述第二目标函数为:其中,f2表示第二目标函数,SOC(k)表示第k个充电周期的电池荷电状态,Cap表示电池的额定容量,Ij表示第j个充电周期的充电电流;
根据所述第一目标函数和所述第二目标函数,确定所述充电目标函数,所述充电目标函数为:其中,fk表示第k个充电周期的充电目标函数,a表示补偿因子,K=1,2,……,N。
3.根据权利要求1所述的预测方法,其特征在于,所述根据所述实测本体温度和所述实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,具体包括:
对充电过程中,充电电流、电池的环境温度和电池的本体温度的关系式进行离散化处理,获得电池温度预测模型,其中,所述关系式为:
所述电池温度预测模型为:m表示电池质量,Cp表示热容,T表示电池温度,t表示时间,I表示充电电流,VOC表示电池的开路电压,VT表示电池的端电压,h表示对流传热系数,A表示电池表面积,Tamb表示电池的环境温度,Tk′+1表示第k+1个充电周期内电池的预测本体温度,Tk表示第k个充电周期内电池的实测本体温度,Ik表示第k个充电周期的充电电流,Δt表示充电周期,VOC.k表示第k个充电周期电池的开路电压,VT,k表示第k个充电周期电池的端电压,表示第k个充电周期电池的熵变,Tamb,k表示第k个充电周期电池的实测环境温度;
根据所述第k个充电周期电池的实测本体温度、所述第k个充电周期电池服役环境的实测环境温度和第k个充电周期的充电电流,采用所述电池温度预测模型预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长。
4.根据权利要求1所述的预测方法,其特征在于,所述根据所述充电目标函数和各个所述预测本体温度,采用模型预测控制方法预测使所述充电目标函数最小的第k+1个充电周期的最优充电电流,具体包括:
根据第k个充电周期的电池荷电状态确定最大充电电流;
获取所述第k+1个充电周期到所述第k+p个充电周期之间每个充电周期的充电电流的预设个数nk+i,1≤i≤p;
根据所述最大充电电流和所述预设个数nk+i,确定每个充电周期内的各个预设充电电流;
根据各所述充电周期内的各个所述预设充电电流生成nk+1×nk+2×…×nk+p个不同的充电电流序列;
根据所述充电目标函数、各个所述预测本体温度和各个所述充电电流序列,确定最优充电序列,所述最优充电序列为使所述充电目标函数的函数值最小的充电电流序列,所述最优充电序列中的第一个元素为第k+1个充电周期的最优充电电流。
5.一种锂电池充电电流的预测***,其特征在于,所述预测***包括:
目标函数构造模块,用于以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数;
温度获取模块,用于获取第k个充电周期电池的实测本体温度和所述第k个充电周期电池服役环境的实测环境温度;
温度预测模块,用于根据所述实测本体温度和所述实测环境温度,预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长;
充电电流预测模块,用于根据所述充电目标函数和各个所述预测本体温度,采用模型预测控制方法预测使所述充电目标函数最小的第k+1个充电周期的最优充电电流。
6.根据权利要求5所述的预测***,其特征在于,所述目标函数构造模块具体包括:
第一目标函数单元,用于根据电池容量衰减机理模型:确定以电池容量衰减量最小为目标的第一目标函数,所述第一目标函数为:
其中,f1表示第一目标函数,Qloss表示电池容量衰减量,B表示指数前系数,e表示自然常数,E表示活化能,a表示电池倍率修正参数,C_Rate表示电池充放电电流倍率的绝对值,R表示理想气体常数,T表示电池的开氏温度,Ah表示进出电池的安时数,z表示幂次定律参数,Ik表示第k个充电周期的充电电流,Tk表示第k个充电周期电池的开氏温度,N表示充电周期总数,Qloss,k表示第k个充电周期的电池容量衰减量,Qloss,0=0;
第二目标函数单元,用于根据电池充电过程中,电池荷电状态变化机理模型:
确定以充电时间最短为目标的第二目标函数,所述第二目标函数为:其中,f2表示第二目标函数,SOC(k)表示第k个充电周期的电池荷电状态,Cap表示电池的额定容量,Ij表示第j个充电周期的充电电流;
充电函数单元,用于根据所述第一目标函数和所述第二目标函数,确定所述充电目标函数,所述充电目标函数为:其中,fk表示第k个充电周期的充电目标函数,a表示补偿因子,K=1,2,……,N。
7.根据权利要求5所述的预测***,其特征在于,所述温度预测模块具体包括:
预测模型确定单元,用于对充电过程中,充电电流、电池的环境温度和电池的本体温度的关系式进行离散化处理,获得电池温度预测模型,其中,所述关系式为:
所述电池温度预测模型为:m表示电池质量,Cp表示热容,T表示电池温度,t表示时间,I表示充电电流,VOC表示电池的开路电压,VT表示电池的端电压,h表示对流传热系数,A表示电池表面积,Tamb表示电池的环境温度,Tk′+1表示第k+1个充电周期内电池的预测本体温度,Tk表示第k个充电周期内电池的实测本体温度,Ik表示第k个充电周期的充电电流,Δt表示充电周期,VOC.k表示第k个充电周期电池的开路电压,VT,k表示第k个充电周期电池的端电压,表示第k个充电周期电池的熵变,Tamb,k表示第k个充电周期电池的实测环境温度;
本体温度预测单元,用于根据所述第k个充电周期电池的实测本体温度、所述第k个充电周期电池服役环境的实测环境温度和第k个充电周期的充电电流,采用所述电池温度预测模型预测第k+1个充电周期到第k+p个充电周期之间各充电周期内电池的预测本体温度,其中,p表示模型预测控制方法的预测步长。
8.根据权利要求5所述的预测***,其特征在于,所述充电电流预测模块具体包括:
最大电流确定单元,用于根据第k个充电周期的电池荷电状态确定最大充电电流;
电流个数获取单元,用于获取所述第k+1个充电周期到所述第k+p个充电周期之间每个充电周期的充电电流的预设个数nk+i,1≤i≤p;
预设电流确定单元,用于根据所述最大充电电流和所述预设个数nk+i,确定每个充电周期内的各个预设充电电流;
电流序列生成单元,用于根据各所述充电周期内的各个所述预设充电电流生成nk+1×nk+2×…×nk+p个不同的充电电流序列;
最优电流确定单元,用于根据所述充电目标函数、各个所述预测本体温度和各个所述充电电流序列,确定最优充电序列,所述最优充电序列为使所述充电目标函数的函数值最小的充电电流序列,所述最优充电序列中的第一个元素为第k+1个充电周期的最优充电电流。
9.一种充电装置,其特征在于,所述充电装置与锂电池连接,用于给所述锂电池充电,所述充电装置包括:第一温度传感器、第二温度传感器、充电控制器、充电机和权利要求5~8任一项所述的预测***,其中,
所述第一温度传感器用于采集所述锂电池服役环境的实测环境温度;
所述第二温度传感器与所述锂电池连接,用于采集所述锂电池的实测本体温度;
所述预测***分别与所述第一温度传感器和所述第二温度传感器连接,用于以电池容量衰减量最小和充电时间最短为目标,构造充电目标函数,并根据第k个充电周期电池的实测本体温度和所述第k个充电周期电池服役环境的实测环境温度,采用模型预测控制方法预测使充电目标函数最小的第k+1个充电周期的最优充电电流;
所述充电机与所述锂电池连接,用于监测所述锂电池的电池荷电状态,还用于给所述锂电池充电;
所述充电控制器分别与所述预测***和所述充电机连接,所述充电控制器用于判断当前电池荷电状态是否达到预设的电池荷电状态,获得第一判断结果;
当第一判断结果表示当前电池荷电状态未达到预设的电池荷电状态,则将所述预测***确定的最优充电电流的信号发送给所述充电机,所述充电机根据所述最优充电电流的信号给所述锂电池充电;
当第一判断结果表示当前电池荷电状态达到预设的电池荷电状态,则发出停止充电命令,所述充电机根据所述停止充电命令停止给所述锂电池充电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710850730.4A CN107831441B (zh) | 2017-09-20 | 2017-09-20 | 锂电池充电电流的预测方法、预测***及一种充电装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710850730.4A CN107831441B (zh) | 2017-09-20 | 2017-09-20 | 锂电池充电电流的预测方法、预测***及一种充电装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107831441A true CN107831441A (zh) | 2018-03-23 |
CN107831441B CN107831441B (zh) | 2019-11-05 |
Family
ID=61643865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710850730.4A Expired - Fee Related CN107831441B (zh) | 2017-09-20 | 2017-09-20 | 锂电池充电电流的预测方法、预测***及一种充电装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107831441B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109586373A (zh) * | 2018-12-27 | 2019-04-05 | 华为技术有限公司 | 一种电池充电方法和装置 |
CN109802190A (zh) * | 2019-01-31 | 2019-05-24 | 南京理工大学 | 一种电池组多目标充电方法 |
CN110071308A (zh) * | 2019-05-08 | 2019-07-30 | 福州大学 | 一种阴极开放式燃料电池温度预测控制***及方法 |
CN110138028A (zh) * | 2019-05-06 | 2019-08-16 | 常州猛犸电动科技有限公司 | 一种电池管理***及其电池充放电控制方法、终端设备 |
CN110364776A (zh) * | 2019-06-26 | 2019-10-22 | 上海商米科技集团股份有限公司 | 一种锂电池智能充电管理方法及其装置 |
CN110492190A (zh) * | 2019-09-06 | 2019-11-22 | 深圳市驰普科达科技有限公司 | 电池管理方法、***及计算机可读存储介质 |
CN110515001A (zh) * | 2019-09-07 | 2019-11-29 | 创新奇智(广州)科技有限公司 | 一种基于充放电的两阶段电池性能预测方法 |
CN110888070A (zh) * | 2018-08-16 | 2020-03-17 | 广州小鹏汽车科技有限公司 | 一种电池温度的估计方法、装置、设备及介质 |
CN111791754A (zh) * | 2020-05-25 | 2020-10-20 | 博雷顿科技有限公司 | 一种纯电动汽车电池充电控温方法 |
CN111948540A (zh) * | 2020-06-29 | 2020-11-17 | 东风商用车有限公司 | 一种动力电池包温度预测方法及*** |
CN112018854A (zh) * | 2020-09-08 | 2020-12-01 | 广东省华南技术转移中心有限公司 | 电池充电控制方法、装置以及终端、存储介质 |
CN112448053A (zh) * | 2019-08-30 | 2021-03-05 | 北京小米移动软件有限公司 | 移动终端的充电方法、装置、终端及存储介质 |
CN113075558A (zh) * | 2021-06-08 | 2021-07-06 | 天津市松正电动科技有限公司 | 一种电池soc估算方法、装置及*** |
CN113125982A (zh) * | 2019-12-31 | 2021-07-16 | 比亚迪股份有限公司 | 电池寿命预测方法及装置 |
CN113386629A (zh) * | 2021-06-11 | 2021-09-14 | 北京车和家信息技术有限公司 | 电池热管理控制方法、装置、介质和设备 |
CN113507154A (zh) * | 2021-07-12 | 2021-10-15 | 海南小鲨鱼智能科技有限公司 | 充电方法、装置、充电机和电子设备 |
CN117141262A (zh) * | 2023-11-01 | 2023-12-01 | 成都赛力斯科技有限公司 | 一种电池充电方法、装置及车辆 |
CN117284105A (zh) * | 2023-11-01 | 2023-12-26 | 赛力斯汽车有限公司 | 一种电池分段充电方法、装置及车辆 |
CN118100375A (zh) * | 2024-04-22 | 2024-05-28 | 深圳市芯仙半导体有限公司 | 一种电源模块的充电控制方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2753491A1 (fr) * | 2011-09-07 | 2014-07-16 | Electricité de France | Procédé et dispositif de recharge optimisée de batterie électrique |
CN103135057B (zh) * | 2011-11-29 | 2015-08-19 | 李革臣 | 一种电池自放电性能的快速测量方法 |
CN105552465A (zh) * | 2015-12-03 | 2016-05-04 | 北京交通大学 | 一种基于时间和温度的锂离子电池优化充电方法 |
CN106025410A (zh) * | 2016-07-22 | 2016-10-12 | 哈尔滨理工大学 | 一种用于电动汽车的电池低温可变电流加热方法 |
CN106828161A (zh) * | 2017-02-13 | 2017-06-13 | 清华大学 | 一种应用于多路充电插口电动汽车充电设备及其控制方法 |
US20170229891A1 (en) * | 2016-02-05 | 2017-08-10 | Korea Advanced Institute Of Science And Technology | Optimized battery charging method based on thermodynamic information of battery |
CN107039696A (zh) * | 2016-11-29 | 2017-08-11 | 北京交通大学 | 一种轨道交通用车载储能锂离子电池的优化充电方法 |
CN107139762A (zh) * | 2017-06-05 | 2017-09-08 | 吉林大学 | 一种电动汽车优化充电控制方法及其*** |
-
2017
- 2017-09-20 CN CN201710850730.4A patent/CN107831441B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2753491A1 (fr) * | 2011-09-07 | 2014-07-16 | Electricité de France | Procédé et dispositif de recharge optimisée de batterie électrique |
CN103135057B (zh) * | 2011-11-29 | 2015-08-19 | 李革臣 | 一种电池自放电性能的快速测量方法 |
CN105552465A (zh) * | 2015-12-03 | 2016-05-04 | 北京交通大学 | 一种基于时间和温度的锂离子电池优化充电方法 |
US20170229891A1 (en) * | 2016-02-05 | 2017-08-10 | Korea Advanced Institute Of Science And Technology | Optimized battery charging method based on thermodynamic information of battery |
CN106025410A (zh) * | 2016-07-22 | 2016-10-12 | 哈尔滨理工大学 | 一种用于电动汽车的电池低温可变电流加热方法 |
CN107039696A (zh) * | 2016-11-29 | 2017-08-11 | 北京交通大学 | 一种轨道交通用车载储能锂离子电池的优化充电方法 |
CN106828161A (zh) * | 2017-02-13 | 2017-06-13 | 清华大学 | 一种应用于多路充电插口电动汽车充电设备及其控制方法 |
CN107139762A (zh) * | 2017-06-05 | 2017-09-08 | 吉林大学 | 一种电动汽车优化充电控制方法及其*** |
Non-Patent Citations (2)
Title |
---|
CAIPING ZHANG ET AL.: "Charging optimization in lithium-ion batteries based on temperature rise and charge time", 《APPLIED ENERGY》 * |
XIAOGANG WU ET AL.: "Multi-Objective Optimal Charging Method for Lithium-Ion Batteries", 《ENERGIES》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110888070A (zh) * | 2018-08-16 | 2020-03-17 | 广州小鹏汽车科技有限公司 | 一种电池温度的估计方法、装置、设备及介质 |
CN109586373B (zh) * | 2018-12-27 | 2024-05-17 | 华为技术有限公司 | 一种电池充电方法和装置 |
CN109586373A (zh) * | 2018-12-27 | 2019-04-05 | 华为技术有限公司 | 一种电池充电方法和装置 |
CN109802190A (zh) * | 2019-01-31 | 2019-05-24 | 南京理工大学 | 一种电池组多目标充电方法 |
CN110138028A (zh) * | 2019-05-06 | 2019-08-16 | 常州猛犸电动科技有限公司 | 一种电池管理***及其电池充放电控制方法、终端设备 |
CN110071308A (zh) * | 2019-05-08 | 2019-07-30 | 福州大学 | 一种阴极开放式燃料电池温度预测控制***及方法 |
CN110071308B (zh) * | 2019-05-08 | 2022-03-11 | 福州大学 | 一种阴极开放式燃料电池温度预测控制***及方法 |
CN110364776B (zh) * | 2019-06-26 | 2020-11-13 | 上海商米科技集团股份有限公司 | 一种锂电池智能充电管理方法及其装置 |
CN110364776A (zh) * | 2019-06-26 | 2019-10-22 | 上海商米科技集团股份有限公司 | 一种锂电池智能充电管理方法及其装置 |
CN112448053A (zh) * | 2019-08-30 | 2021-03-05 | 北京小米移动软件有限公司 | 移动终端的充电方法、装置、终端及存储介质 |
CN110492190A (zh) * | 2019-09-06 | 2019-11-22 | 深圳市驰普科达科技有限公司 | 电池管理方法、***及计算机可读存储介质 |
CN110515001A (zh) * | 2019-09-07 | 2019-11-29 | 创新奇智(广州)科技有限公司 | 一种基于充放电的两阶段电池性能预测方法 |
CN113125982A (zh) * | 2019-12-31 | 2021-07-16 | 比亚迪股份有限公司 | 电池寿命预测方法及装置 |
CN111791754A (zh) * | 2020-05-25 | 2020-10-20 | 博雷顿科技有限公司 | 一种纯电动汽车电池充电控温方法 |
CN111948540A (zh) * | 2020-06-29 | 2020-11-17 | 东风商用车有限公司 | 一种动力电池包温度预测方法及*** |
CN112018854A (zh) * | 2020-09-08 | 2020-12-01 | 广东省华南技术转移中心有限公司 | 电池充电控制方法、装置以及终端、存储介质 |
CN113075558B (zh) * | 2021-06-08 | 2021-08-10 | 天津市松正电动科技有限公司 | 一种电池soc估算方法、装置及*** |
CN113075558A (zh) * | 2021-06-08 | 2021-07-06 | 天津市松正电动科技有限公司 | 一种电池soc估算方法、装置及*** |
CN113386629B (zh) * | 2021-06-11 | 2023-03-10 | 北京车和家信息技术有限公司 | 电池热管理控制方法、装置、介质和设备 |
CN113386629A (zh) * | 2021-06-11 | 2021-09-14 | 北京车和家信息技术有限公司 | 电池热管理控制方法、装置、介质和设备 |
CN113507154A (zh) * | 2021-07-12 | 2021-10-15 | 海南小鲨鱼智能科技有限公司 | 充电方法、装置、充电机和电子设备 |
CN117141262A (zh) * | 2023-11-01 | 2023-12-01 | 成都赛力斯科技有限公司 | 一种电池充电方法、装置及车辆 |
CN117284105A (zh) * | 2023-11-01 | 2023-12-26 | 赛力斯汽车有限公司 | 一种电池分段充电方法、装置及车辆 |
CN117141262B (zh) * | 2023-11-01 | 2024-01-23 | 成都赛力斯科技有限公司 | 一种电池充电方法、装置及车辆 |
CN118100375A (zh) * | 2024-04-22 | 2024-05-28 | 深圳市芯仙半导体有限公司 | 一种电源模块的充电控制方法及*** |
CN118100375B (zh) * | 2024-04-22 | 2024-07-16 | 深圳市芯仙半导体有限公司 | 一种电源模块的充电控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107831441B (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107831441A (zh) | 锂电池充电电流的预测方法、预测***及一种充电装置 | |
Zheng et al. | A novel capacity estimation method for lithium-ion batteries using fusion estimation of charging curve sections and discrete Arrhenius aging model | |
McCormick et al. | The effect of intermittent solar radiation on the performance of PV systems | |
Coleman et al. | State-of-charge determination from EMF voltage estimation: Using impedance, terminal voltage, and current for lead-acid and lithium-ion batteries | |
CN103529399B (zh) | 一种基于铅酸电池改进型pngv模型的模拟方法 | |
CN102662148B (zh) | 在线反馈式蓄电池soc预测方法 | |
CN108663620A (zh) | 一种动力电池组荷电状态估算方法及*** | |
CN107664751A (zh) | 一种蓄电池实时荷电状态的测算方法及测算装置 | |
CN104617876B (zh) | 一种太阳能光伏组件的户外测试平台及发电性能在线分析方法 | |
CN105353316B (zh) | 动力电池充电时soc变化量及充电电量折算系数测量方法 | |
JPH07192769A (ja) | 二次電池電力貯蔵システム | |
CN101615704A (zh) | 具有自动检测控制功能的蓄电池及对蓄电池的控制方法 | |
CN103869251B (zh) | 二次电池最大容量测量装置 | |
CN105116350B (zh) | 动力电池放电时soc变化量及放电电量折算系数测量方法 | |
CN103682508B (zh) | 一种航天器锂离子蓄电池组荷电状态确定方法 | |
CN109856545B (zh) | 太阳能汽车的蓄电池组剩余容量检测方法及*** | |
CN105051559A (zh) | 二次电池的充电状态推断装置以及二次电池的充电状态推断方法 | |
CN105429230B (zh) | 基于人工神经网络算法的电池管理***及方法 | |
CN109004696A (zh) | 一种变电站用蓄电池多功能控制***及其控制方法 | |
CN109031147B (zh) | 一种磷酸铁锂电池组的soc估算方法 | |
CN107171035A (zh) | 锂离子电池的充电方法 | |
CN105207243B (zh) | 一种用于风电场实时功率预报修正的电池能量管理方法 | |
Cui et al. | Equivalent Circuit Model of Lead-acid Battery in Energy Storage Power Station and Its State-of-Charge Estimation Based on Extended Kalman Filtering Method. | |
CN103779878A (zh) | 非稳定输出源对电池的充电方法及充电装置 | |
CN104682440A (zh) | 一种可并网运行光伏发电*** |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191105 |