CN109031145A - 一种考虑不一致性的串并联电池组模型及实现方法 - Google Patents
一种考虑不一致性的串并联电池组模型及实现方法 Download PDFInfo
- Publication number
- CN109031145A CN109031145A CN201810907573.0A CN201810907573A CN109031145A CN 109031145 A CN109031145 A CN 109031145A CN 201810907573 A CN201810907573 A CN 201810907573A CN 109031145 A CN109031145 A CN 109031145A
- Authority
- CN
- China
- Prior art keywords
- battery
- model
- battery cell
- series
- battery pack
- 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)
Abstract
本发明公开了一种考虑不一致性的串并联电池组模型,包括:K个电池单体模型,所述K个电池单体模型均采用Rint电池模型建模;K个电池单体模型根据***总容量、总电压和总功率要求,采用先M个电池单体模型并联形成电池组,然后N个电池组串联的形式形成串并联电池组模型,通过对若干电池单体进行测试,得到每一种参数类型的正态分布曲线,利用得到的正态分布函数生成串并联电池组模型中各电池单体的相应参数数据。本发明有益效果:考虑了电池单体间开路电压、内阻、容量之间的不一致性,同时考虑了电池温度分布差异对电池模型参数的影响,能够更为精确地实现串并联电池组模型,提高了电池组模型的精度。
Description
技术领域
本发明属于电池建模的技术领域,尤其涉及一种考虑不一致性的串并联电池组模型及实现方法。
背景技术
电动汽车因节能环保已成为未来汽车工业发展的必然趋势,也是解决能源和环境危机的关键途径。作为电动汽车的动力来源,动力电池对整车的动力性、经济性和安全性等性能至关重要,是制约电动汽车规模发展的关键因素。目前锂离子动力电池因能量密度高、单体电压高、自放电率低和无记忆效应等优点,成为电动汽车最具吸引力的动力电池之一。
但是,锂离子电池单体的端电压通常较低,只有2V-4.2V。为了满足负载对电压、功率和容量的需求,必须将锂离子电池单体串并联成组后使用。然而,由于电池的原材料、电池组的设计、零部件制作工艺、筛选成组技术、使用环境等的差别,在电池在串并联成组使用过程中,各个电池单体的开路电压、内阻、容量、温度等不可避免地存在差异,且这种差异随着电池组老化而增大,最终引起电池单体端电压的不平衡,进而导致某些电池单体的过充或过放,极大地减小了电池组的可用容量和循环寿命,甚至会引起***、起火等安全事故。
电池模型在电池制造、设计和安全运行等方面具有举足轻重的作用。由于电池单体间的开路电压、内阻、容量、温度等不可避免地存在差异,考虑不一致性的电池串并联模型建模过程较为复杂,目前电池模型的研究主要集中在电池单体建模方法的研究上,或者将串并联电池组简单等效成一个大电池单体而进行整体建模,但这种电池组建模方法忽略了电池组内部电池单体之间的不一致性。然而,考虑不一致性的电池串并联模型在防止电池过充过放、故障诊断、不一致性评价等在实际应用中具有非常重要的作用,因此极具研究价值。
发明内容
为了解决上述问题,本发明提出了一种考虑不一致性的串并联电池组模型及实现方法,该方法考虑了电池单体间开路电压、内阻、容量等参数之间的不一致性,同时考虑了电池温度的不一致性对电池模型参数的影响,能够更为精确地实现串并联电池组模型,提高了串并联电池组模型的精度。
为了实现上述目的,本发明采用如下技术方案:
在一个或多个实施方式中公开的一种考虑不一致性的串并联电池组模型,包括:K个电池单体模型,所述K个电池单体模型均采用Rint电池模型建模;所述K个电池单体模型根据***总容量、总电压和总功率要求,采用先M个电池单体模型并联形成电池组,然后N个电池组串联的形式形成串并联电池组模型,所述串并联电池组模型中各电池单体的内阻、容量和开路电压参数分布情况通过以下方法得到:通过对若干电池单体进行测试,得到每一种参数类型的正态分布曲线,利用得到的正态分布函数生成串并联电池组模型中各电池单体的相应参数数据。
进一步地,所述K个电池单体为采用同种材料配比、同一生产工艺和流程生产的同一型号的电池单体。
进一步地,所述Rint电池模型是指用理想电压源Uoc描述电池的开路电压,欧姆内阻等效为内阻R的一种电池模型,所述内阻R根据当电池突然以设定的较大电流进行恒流放电时电池端电压瞬间跌落的跌落值、当电池突然停止放电时电池端电压瞬间跃升的跃升值以及恒流放电电流共同确定。
在一个或多个实施方式中公开的一种考虑不一致性的串并联电池组模型的实现方法,包括:
选取若干同一型号的动力电池单体作为被测对象;
选取合适的测试温度范围和温度变化步长,对被测对象进行测试,分别得到被测对象在不同温度、不同SOC处的电池欧姆内阻,电池单体的最大可用容量以及电池开路电压随电池充放电过程的变化情况;
分别求取所有被测对象的上述欧姆内阻、最大可用容量以及电池开路电压数据的平均值和方差;
根据求得的平均值和方差,利用正态分布函数生成串并联电池组模型中每个电池单体的欧姆内阻、最大可用容量以及电池开路电压数据。
进一步地,对被测对象进行测试,得到被测对象在不同温度、不同SOC处的电池欧姆内阻,具体为:
在不同温度T和不同的放电深度SOC下,参照国家行业标准QC/T743-2006,对电池单体以设定的1/2C放电倍率的电流对电池进行恒流放电,记录电池端电压的瞬间跌落值;
电池单体停止放电时,记录电池端电压的瞬间跃升值;
根据上述瞬间跌落值、瞬间跃升值以及恒流放电电流求取电池欧姆内阻。
进一步地,对被测对象进行测试,得到电池单体的最大可用容量以及电池开路电压随电池充放电过程的变化情况,具体为:
在不同温度T下,对被测对象进行恒流恒压充电,使电池单体恢复到充满电的状态;然后,对电池单体进行足够小的电流恒流放电实验,得到电池单体的最大可用容量以及电池开路电压随电池充放电过程的变化情况。
进一步地,所述欧姆内阻、最大可用容量以及电池开路电压数据的取值范围应满足:
大于所有电池单体欧姆内阻、最大可用容量或者电池开路电压之和的最小值,小于所有电池单体欧姆内阻、最大可用容量或者电池开路电压之和的最大值。
进一步地,所述电池单体的欧姆内阻和最大可用容量在取值时,应满足如下关系:随着电池老化程度增加,电池内阻逐渐增大、容量逐渐减少。
与现有技术相比,本发明的有益效果是:
(1)考虑了电池单体间开路电压、内阻、容量之间的不一致性,同时考虑了电池温度分布差异对电池模型参数的影响,能够更为精确地实现串并联电池组模型,提高了电池组模型的精度。
(2)以电池Rint模型作为电池单体的基本模型,模型简单可靠,易于实现;同时提供了一种更为准确的串并联电池组建模方法,为电池管理***安全、合理、高效使用动力电池组提供了基本保障。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是考虑不一致性的串并联电池组模型及实现方法示意图;
图2是电池单体开路电压的频数分布和拟合的正态分布密度曲线。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的,现有的电池组建模方法忽略了电池组内部电池单体之间的不一致性,为了解决如上的技术问题,本申请提出了一种考虑不一致性的串并联电池组模型,如图1所示,包括:K个电池单体模型,K个电池单体模型均采用Rint电池模型建模;K个电池单体模型根据***总容量、总电压和总功率要求,采用先M个电池单体模型并联形成电池组,然后N个电池组串联的形式形成串并联电池组模型,串并联电池组模型中各电池单体的内阻、容量和开路电压参数分布情况通过以下方法得到:通过对若干电池单体进行测试,得到每一种参数类型的正态分布曲线,利用得到的正态分布函数生成串并联电池组模型中各电池单体的相应参数数据。其中,电池单体,指的是采用同种材料配比、同一生产工艺和流程等,生产的同一型号的电池单体;
电池单体Rint模型,是指用理想电压源Uoc描述电池的开路电压,欧姆内阻等效为内阻R的一种电池模型,该电池模型可以表示为:
其中,UL为电池的端电压;iL为电池的充放电电流;R为电池内阻,是受温度T影响变化的参数,同时为电池SOC的函数;UOC是电池的开路电压,也是受温度T影响变化的参数,与SOC存在较强的非线性关系,同样也是电池SOC的函数。
电池SOC为电池剩余容量与最大可用容量的百分比,可以表示为:
其中,Qrem为电池剩余容量;Qmax为电池最大可用容量。
电池的开路电压Uoc为电池SOC的函数,其中的一种较理想的开路电压模型可以表示为:
式中,a1-a5为待定常数,可根据实验数据基于最小二乘法辨识得到。
电池池欧姆内阻R,可由下式得到:
式中,当电池突然以较大电流进行恒流放电时,电池端电压会有瞬间跌落,其跌落值记为ΔU1;当电池突然停止放电时,电池端电压会瞬间跃升,其跃升值记为ΔU2;I为恒流放电电流大小。
串并联电池组,是指根据总容量、总电压和总功率等需求,先M个电池单体并联形成电池组,然后N组电池组串联形成的。
基于正态分布的串并联电池组模型,是指通过对K个电池单体充放电测试,通过测试数据和参数辨识过程,得到Rint电池单体模型的开路电压、内阻、容量等参数,统计和分析这些参数的正态分布情况;然后根据建模的M并N串电池组串并联方式,并考虑各电池单体间内阻、容量、开路电压等参数的不一致性,及温度分布的不同,通过概率计算得到M并N串电池组中各电池单体的参数分布情况,得到考虑不一致性的串并联电池组模型。
在另外一些实施方式中,公开了一种考虑不一致性的串并联电池组模型及实现方法,包括以下步骤:
步骤一:选取多组同一型号的动力电池单体被测对象,选用电流控制精度较高的电池充放电设备、温度精度和范围合适的温控箱、高精度的电流传感器等测试设备,减少电压、电流、温度等测量误差;
步骤二:首先设计合适的测试温度范围和温度变化步长,然后在不同温度T和不同的放电深度SOC下,参照国家行业标准QC/T743-2006,对电池单体以1/2C放电倍率的电流对电池进行恒流放电,对电池以较大电流进行恒流放电时,电池端电压会有瞬间跌落,其跌落值记为ΔU1,当电池停止放电时,电池端电压会瞬间跃升,其跃升值记为ΔU2,从而得到在不同温度、不同SOC处的电池池欧姆内阻
步骤三:在不同温度T下,对选取的部分动力电池单体,进行恒流恒压充电,使动力电池恢复到充满电的状态;然后,对动力电池进行足够小的电流恒流放电实验,得到动力电池的最大可用容量Qmax,以及电池开路电压随电池充放电过程的变化情况Uoc=f(SOC,T);这样,就得到了该电池模型的表达式:
步骤三所述的上述方法,下面以32个电池单体的开路电压参数计算为例,通过测试数据分析处理得到Rint单体模型的电池单体开路电压数据为data=[3.396,3.405,3.378,3.394,3.409,3.412,3.386,3.409,3.397,3.402,3.377,3.402,3.406,3.362,3.399,3.398,3.402,3.414,3.349,3.409,3.414,3.422,3.491,3.419,3.404,3.409,3.388,3.409,3.416,3.394,3.395,3.399];首先分析这些数据是否基本符合正态分布,因为大样本时这些统计推断方法也是以正态分布为理论基础的,因此选取的样本数据应可能的多,相应的统计量在大样本时近似正态分布;然后,对32个电池单体开路电压的数据,求平均值和方差:
进而得到电池单体开路电压的频数分布和拟合的正态分布密度曲线,如图2所示。由电压分布的频数所绘制的直方图,可以看出,高峰位于中部,左右两侧大致对称。如果测试的电池单体的数量足够多,直方图会继续不断分细,直方图顶端的连线就会逐渐形成一条高峰位于中央,两侧逐渐降低且左右对称,不与横轴相交的光滑曲线,这条曲线便是频率曲线。由于频率的总和为1(或100%),因此该曲线以下、横轴以上的面积为1。
根据求得的平均值和方差,借助Matlab工具,利用正态分布函数R=normrnd(MU,SIGMA,m,n),(该函数返回均值为MU、标准差为SIGMA的符合正态分布的m*n矩阵形式的随机数据)生成串并联电池组模型中每个电池单体的欧姆内阻、最大可用容量以及电池开路电压数据。当对M并N串的串并联电池组进行建模时,可以根据上述得到的电池开路电压的均值Uocave和方差σ情况,利用正态分布函数生成所需的M*N个的电池单体的开路电压数据,且取值区间为这样就得到了M并N串的串并联电池组模型中各个电池单体的开路电压;
采用以上相同的方法,可以得到M并N串的电池组的内阻、容量等数据,需要注意的是,由于内阻与容量存在一定的非线性关系,一般来说,随着电池老化程度增加,电池内阻逐渐增大、容量逐渐减少,因此利用正态分布函数生成的M*N个的电池单体的内阻和容量数据时,需要满足以上基本关系。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种考虑不一致性的串并联电池组模型,其特征在于,包括:K个电池单体模型,所述K个电池单体模型均采用Rint电池模型建模;所述K个电池单体模型根据***总容量、总电压和总功率要求,采用先M个电池单体模型并联形成电池组,然后N个电池组串联的形式形成串并联电池组模型,所述串并联电池组模型中各电池单体的内阻、容量和开路电压参数分布情况通过以下方法得到:通过对若干电池单体进行测试,得到每一种参数类型的正态分布曲线,利用得到的正态分布函数生成串并联电池组模型中各电池单体的相应参数数据。
2.如权利要求1所述的一种考虑不一致性的串并联电池组模型,其特征在于,所述K个电池单体为采用同种材料配比、同一生产工艺和流程生产的同一型号的电池单体。
3.如权利要求1所述的一种考虑不一致性的串并联电池组模型,其特征在于,所述Rint电池模型是指用理想电压源Uoc描述电池的开路电压,欧姆内阻等效为内阻R的一种电池模型,所述内阻R根据当电池突然以设定的电流进行恒流放电时电池端电压瞬间跌落的跌落值、当电池突然停止放电时电池端电压瞬间跃升的跃升值以及恒流放电电流共同确定。
4.一种考虑不一致性的串并联电池组模型的实现方法,其特征在于,包括:
选取若干同一型号的动力电池单体作为被测对象;
选取合适的测试温度范围和温度变化步长,对被测对象进行测试,分别得到被测对象在不同温度、不同SOC处的电池欧姆内阻,电池单体的最大可用容量以及电池开路电压随电池充放电过程的变化情况;
分别求取所有被测对象的上述欧姆内阻、最大可用容量以及电池开路电压数据的平均值和方差;
根据求得的平均值和方差,利用正态分布函数生成串并联电池组模型中每个电池单体的欧姆内阻、最大可用容量以及电池开路电压数据。
5.如权利要求4所述的一种考虑不一致性的串并联电池组模型的实现方法,其特征在于,对被测对象进行测试,得到被测对象在不同温度、不同SOC处的电池欧姆内阻,具体为:
在不同温度T和不同的放电深度SOC下,对电池单体以设定的电流进行恒流放电,记录电池端电压的瞬间跌落值;
电池单体停止放电时,记录电池端电压的瞬间跃升值;
根据上述瞬间跌落值、瞬间跃升值以及恒流放电电流求取电池欧姆内阻。
6.如权利要求4所述的一种考虑不一致性的串并联电池组模型的实现方法,其特征在于,对被测对象进行测试,得到电池单体的最大可用容量以及电池开路电压随电池充放电过程的变化情况,具体为:
在不同温度T下,对被测对象进行恒流恒压充电,使电池单体恢复到充满电的状态;然后,对电池单体进行足够小的电流恒流放电实验,得到电池单体的最大可用容量以及电池开路电压随电池充放电过程的变化情况。
7.如权利要求4所述的一种考虑不一致性的串并联电池组模型的实现方法,其特征在于,所述欧姆内阻、最大可用容量以及电池开路电压数据的取值范围应满足:
大于所有电池单体欧姆内阻、最大可用容量或者电池开路电压之和的最小值,小于所有电池单体欧姆内阻、最大可用容量或者电池开路电压之和的最大值。
8.如权利要求4所述的一种考虑不一致性的串并联电池组模型的实现方法,其特征在于,所述电池单体的欧姆内阻和最大可用容量在取值时,应满足如下关系:随着电池老化程度增加,电池内阻逐渐增大、容量逐渐减少。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810907573.0A CN109031145B (zh) | 2018-08-10 | 2018-08-10 | 一种考虑不一致性的串并联电池组模型及实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810907573.0A CN109031145B (zh) | 2018-08-10 | 2018-08-10 | 一种考虑不一致性的串并联电池组模型及实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109031145A true CN109031145A (zh) | 2018-12-18 |
CN109031145B CN109031145B (zh) | 2020-12-11 |
Family
ID=64633574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810907573.0A Active CN109031145B (zh) | 2018-08-10 | 2018-08-10 | 一种考虑不一致性的串并联电池组模型及实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109031145B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110646737A (zh) * | 2019-09-20 | 2020-01-03 | 广州市香港科大***研究院 | 基于多模型的电池soc动态估算方法、***及存储介质 |
CN111744827A (zh) * | 2020-06-24 | 2020-10-09 | 上海理工大学 | 一种分选锂电芯的方法 |
CN111856285A (zh) * | 2020-07-06 | 2020-10-30 | 大连理工大学 | 一种应用于电力***的电动汽车退役电池组等效模型建模方法 |
CN111983458A (zh) * | 2020-07-17 | 2020-11-24 | 江苏大学 | 并联电池最优模型判定及优化方法 |
CN112083343A (zh) * | 2019-06-12 | 2020-12-15 | 联合汽车电子有限公司 | 电池剩余能量的获取方法 |
CN112198433A (zh) * | 2020-09-28 | 2021-01-08 | 珠海迈巨微电子有限责任公司 | 电池容量标定方法、标定装置及电池管理*** |
CN112748345A (zh) * | 2020-12-25 | 2021-05-04 | 广州极飞科技有限公司 | 电池组合***的安全性能测试方法和装置 |
CN113189511A (zh) * | 2020-01-14 | 2021-07-30 | 新普科技股份有限公司 | 可判断电池芯的老化程度差异的方法及其电池芯诊断*** |
CN113569939A (zh) * | 2021-07-23 | 2021-10-29 | 四川新能源汽车创新中心有限公司 | 基于人工智能的电池分组方法、终端及存储介质 |
CN113687256A (zh) * | 2021-07-29 | 2021-11-23 | 合肥国轩高科动力能源有限公司 | 一种评估单体自放电率对电池***一致性影响的方法 |
CN113759252A (zh) * | 2021-10-09 | 2021-12-07 | 长沙理工大学 | 基于直流内阻ir压降的储能电站电池簇不一致性在线评估方法 |
CN113777517A (zh) * | 2021-09-13 | 2021-12-10 | 傲普(上海)新能源有限公司 | 储能电站短板电芯筛选方法 |
CN113805067A (zh) * | 2021-09-28 | 2021-12-17 | 合肥恒钧检测技术有限公司 | 一种用于电池组参数检测的***及方法 |
CN113866646A (zh) * | 2021-11-15 | 2021-12-31 | 长沙理工大学 | 基于极化阻抗压升的电池簇不一致性在线监测方法研究 |
CN113917351A (zh) * | 2021-10-09 | 2022-01-11 | 长沙理工大学 | 基于容量变化的储能电站电池簇不一致性在线评估方法 |
CN116388353A (zh) * | 2023-06-06 | 2023-07-04 | 宁波齐云新材料技术有限公司 | 一种锂电池pack用供电***及控制方法 |
CN116500478A (zh) * | 2023-05-23 | 2023-07-28 | 山东科技大学 | 一种基于高斯混合模型的锂电池组统计参数获取方法 |
CN116660759A (zh) * | 2023-07-28 | 2023-08-29 | 深圳凌奈智控有限公司 | 基于bms电池管理***的电池寿命预测方法及装置 |
CN116774044A (zh) * | 2023-05-23 | 2023-09-19 | 山东科技大学 | 一种退役锂电池组的健康状态评价方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130138369A1 (en) * | 2011-11-25 | 2013-05-30 | Honeywell International Inc. | Method and apparatus for online determination of battery state of charge and state of health |
JP2013205021A (ja) * | 2012-03-27 | 2013-10-07 | Denso Corp | 2次電池の充電相当量算出装置 |
CN103926538A (zh) * | 2014-05-05 | 2014-07-16 | 山东大学 | 基于aic准则的变阶数rc等效电路模型及实现方法 |
CN104569829A (zh) * | 2013-10-22 | 2015-04-29 | 通用汽车环球科技运作有限责任公司 | 蓄电池soc估计与自动校正 |
CN104600381A (zh) * | 2015-01-27 | 2015-05-06 | 福州大学 | 一种锂离子电池组单体布置结构的优化方法 |
CN104931893A (zh) * | 2015-06-30 | 2015-09-23 | 上海交通大学 | 适于参数不一致性明显的大规模电池组建模方法 |
CN105912807A (zh) * | 2016-04-29 | 2016-08-31 | 惠州市蓝微新源技术有限公司 | 动力电池组的建模方法 |
CN106021738A (zh) * | 2016-05-23 | 2016-10-12 | 山东大学 | 非均一多个体混联的电池组分布式模型建立***及方法 |
CN106096281A (zh) * | 2016-06-15 | 2016-11-09 | 同济大学 | 一种考虑单体不一致的锂离子动力电池组在线参数估计方法 |
CN106918789A (zh) * | 2017-05-10 | 2017-07-04 | 成都理工大学 | 一种soc‑soh联合在线实时估计和在线修正方法 |
CN108008320A (zh) * | 2017-12-28 | 2018-05-08 | 上海交通大学 | 一种锂离子电池荷电状态与模型参数自适应联合估计方法 |
-
2018
- 2018-08-10 CN CN201810907573.0A patent/CN109031145B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130138369A1 (en) * | 2011-11-25 | 2013-05-30 | Honeywell International Inc. | Method and apparatus for online determination of battery state of charge and state of health |
JP2013205021A (ja) * | 2012-03-27 | 2013-10-07 | Denso Corp | 2次電池の充電相当量算出装置 |
CN104569829A (zh) * | 2013-10-22 | 2015-04-29 | 通用汽车环球科技运作有限责任公司 | 蓄电池soc估计与自动校正 |
CN103926538A (zh) * | 2014-05-05 | 2014-07-16 | 山东大学 | 基于aic准则的变阶数rc等效电路模型及实现方法 |
CN104600381A (zh) * | 2015-01-27 | 2015-05-06 | 福州大学 | 一种锂离子电池组单体布置结构的优化方法 |
CN104931893A (zh) * | 2015-06-30 | 2015-09-23 | 上海交通大学 | 适于参数不一致性明显的大规模电池组建模方法 |
CN105912807A (zh) * | 2016-04-29 | 2016-08-31 | 惠州市蓝微新源技术有限公司 | 动力电池组的建模方法 |
CN106021738A (zh) * | 2016-05-23 | 2016-10-12 | 山东大学 | 非均一多个体混联的电池组分布式模型建立***及方法 |
CN106096281A (zh) * | 2016-06-15 | 2016-11-09 | 同济大学 | 一种考虑单体不一致的锂离子动力电池组在线参数估计方法 |
CN106918789A (zh) * | 2017-05-10 | 2017-07-04 | 成都理工大学 | 一种soc‑soh联合在线实时估计和在线修正方法 |
CN108008320A (zh) * | 2017-12-28 | 2018-05-08 | 上海交通大学 | 一种锂离子电池荷电状态与模型参数自适应联合估计方法 |
Non-Patent Citations (2)
Title |
---|
胡骅 等: "《电动汽车(第三版)》", 31 January 2012, 北京:人民交通出版社 * |
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》 * |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083343A (zh) * | 2019-06-12 | 2020-12-15 | 联合汽车电子有限公司 | 电池剩余能量的获取方法 |
CN112083343B (zh) * | 2019-06-12 | 2023-08-08 | 联合汽车电子有限公司 | 电池剩余能量的获取方法 |
CN110646737A (zh) * | 2019-09-20 | 2020-01-03 | 广州市香港科大***研究院 | 基于多模型的电池soc动态估算方法、***及存储介质 |
CN110646737B (zh) * | 2019-09-20 | 2022-04-22 | 广州市香港科大***研究院 | 基于多模型的电池soc动态估算方法、***及存储介质 |
CN113189511A (zh) * | 2020-01-14 | 2021-07-30 | 新普科技股份有限公司 | 可判断电池芯的老化程度差异的方法及其电池芯诊断*** |
CN111744827A (zh) * | 2020-06-24 | 2020-10-09 | 上海理工大学 | 一种分选锂电芯的方法 |
CN111856285A (zh) * | 2020-07-06 | 2020-10-30 | 大连理工大学 | 一种应用于电力***的电动汽车退役电池组等效模型建模方法 |
CN111856285B (zh) * | 2020-07-06 | 2021-06-08 | 大连理工大学 | 一种电动汽车退役电池组等效模型建模方法 |
CN111983458B (zh) * | 2020-07-17 | 2023-04-11 | 江苏大学 | 并联电池最优模型判定及优化方法 |
CN111983458A (zh) * | 2020-07-17 | 2020-11-24 | 江苏大学 | 并联电池最优模型判定及优化方法 |
CN112198433A (zh) * | 2020-09-28 | 2021-01-08 | 珠海迈巨微电子有限责任公司 | 电池容量标定方法、标定装置及电池管理*** |
CN112748345A (zh) * | 2020-12-25 | 2021-05-04 | 广州极飞科技有限公司 | 电池组合***的安全性能测试方法和装置 |
CN112748345B (zh) * | 2020-12-25 | 2024-06-11 | 广州极飞科技股份有限公司 | 电池组合***的安全性能测试方法和装置 |
CN113569939B (zh) * | 2021-07-23 | 2022-03-04 | 四川新能源汽车创新中心有限公司 | 基于人工智能的电池分组方法、终端及存储介质 |
CN113569939A (zh) * | 2021-07-23 | 2021-10-29 | 四川新能源汽车创新中心有限公司 | 基于人工智能的电池分组方法、终端及存储介质 |
CN113687256B (zh) * | 2021-07-29 | 2024-03-08 | 合肥国轩高科动力能源有限公司 | 一种评估单体自放电率对电池***一致性影响的方法 |
CN113687256A (zh) * | 2021-07-29 | 2021-11-23 | 合肥国轩高科动力能源有限公司 | 一种评估单体自放电率对电池***一致性影响的方法 |
CN113777517B (zh) * | 2021-09-13 | 2023-10-17 | 傲普(上海)新能源有限公司 | 储能电站短板电芯筛选方法 |
CN113777517A (zh) * | 2021-09-13 | 2021-12-10 | 傲普(上海)新能源有限公司 | 储能电站短板电芯筛选方法 |
CN113805067B (zh) * | 2021-09-28 | 2024-05-28 | 恒钧检测技术有限公司 | 一种用于电池组参数检测的***及方法 |
CN113805067A (zh) * | 2021-09-28 | 2021-12-17 | 合肥恒钧检测技术有限公司 | 一种用于电池组参数检测的***及方法 |
CN113917351B (zh) * | 2021-10-09 | 2023-12-22 | 长沙理工大学 | 基于容量变化的储能电站电池簇不一致性在线评估方法 |
CN113759252A (zh) * | 2021-10-09 | 2021-12-07 | 长沙理工大学 | 基于直流内阻ir压降的储能电站电池簇不一致性在线评估方法 |
CN113759252B (zh) * | 2021-10-09 | 2024-05-17 | 长沙理工大学 | 基于直流内阻ir压降的储能电站电池簇不一致性在线评估方法 |
CN113917351A (zh) * | 2021-10-09 | 2022-01-11 | 长沙理工大学 | 基于容量变化的储能电站电池簇不一致性在线评估方法 |
CN113866646B (zh) * | 2021-11-15 | 2024-05-17 | 长沙理工大学 | 基于极化阻抗压升的电池簇不一致性在线监测方法 |
CN113866646A (zh) * | 2021-11-15 | 2021-12-31 | 长沙理工大学 | 基于极化阻抗压升的电池簇不一致性在线监测方法研究 |
CN116774044B (zh) * | 2023-05-23 | 2024-02-20 | 山东科技大学 | 一种退役锂电池组的健康状态评价方法 |
CN116500478B (zh) * | 2023-05-23 | 2024-01-19 | 山东科技大学 | 一种基于高斯混合模型的锂电池组统计参数获取方法 |
CN116774044A (zh) * | 2023-05-23 | 2023-09-19 | 山东科技大学 | 一种退役锂电池组的健康状态评价方法 |
CN116500478A (zh) * | 2023-05-23 | 2023-07-28 | 山东科技大学 | 一种基于高斯混合模型的锂电池组统计参数获取方法 |
CN116388353B (zh) * | 2023-06-06 | 2023-09-08 | 宁波齐云新材料技术有限公司 | 一种锂电池pack用供电***及控制方法 |
CN116388353A (zh) * | 2023-06-06 | 2023-07-04 | 宁波齐云新材料技术有限公司 | 一种锂电池pack用供电***及控制方法 |
CN116660759B (zh) * | 2023-07-28 | 2023-09-26 | 深圳凌奈智控有限公司 | 基于bms电池管理***的电池寿命预测方法及装置 |
CN116660759A (zh) * | 2023-07-28 | 2023-08-29 | 深圳凌奈智控有限公司 | 基于bms电池管理***的电池寿命预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109031145B (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109031145A (zh) | 一种考虑不一致性的串并联电池组模型及实现方法 | |
Tian et al. | Consistency evaluation and cluster analysis for lithium-ion battery pack in electric vehicles | |
CN103091642B (zh) | 一种锂电池容量快速估计方法 | |
CN204269787U (zh) | 一种锂离子电池低温性能一致性的检测*** | |
Lu et al. | A method of cell-to-cell variation evaluation for battery packs in electric vehicles with charging cloud data | |
Diao et al. | Energy state of health estimation for battery packs based on the degradation and inconsistency | |
CN111239629B (zh) | 一种退役锂电池的梯次利用状态区间划分方法 | |
CN111062137B (zh) | 一种锂离子电池性能预测模型及其构建方法和应用 | |
CN110031771A (zh) | 一种描述电池一致性的方法 | |
CN110190347A (zh) | 一种应用于通信基站的锂电池管理*** | |
Aizpuru et al. | Passive balancing design for Li-ion battery packs based on single cell experimental tests for a CCCV charging mode | |
CN104237802A (zh) | 一种锂离子电池低温性能一致性的检测方法 | |
CN112526352B (zh) | 一种退役锂离子电池的soh估计方法 | |
CN107618397A (zh) | 电池管理*** | |
CN105116338B (zh) | 一种基于soc补偿器的并联型电池***建模方法 | |
Kharisma et al. | Modeling and simulation of lithium-ion battery pack using modified battery cell model | |
CN108363016B (zh) | 基于人工神经网络的电池微短路定量诊断方法 | |
CN110320472A (zh) | 一种用于矿用锂电池的自修正soc估计方法 | |
CN105811028A (zh) | 一种锂离子电池***的soc状态估计方法 | |
CN111257770B (zh) | 一种电池包功率估算方法 | |
Pathiyil et al. | Generic Battery model covering self-discharge and internal resistance variation | |
CN110865307A (zh) | 一种电池模组余能检测方法 | |
Sun et al. | The SOC estimation of NIMH battery pack for HEV based on BP neural network | |
Li et al. | Evaluation and analysis of circuit model for lithium batteries | |
CN105183934B (zh) | 一种基于参数校正器的串联型电池***建模方法 |
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 |