CN109507599A - 一种动力电池soe的优化算法 - Google Patents

Abstract

一种动力电池SOE的优化算法，包括如下步骤：建立二维R查值表、I查值表和T查值表；获取电池当前SOC、放电截止SOC和电池OCV曲线；计算基础能量值；计算电池满电能量；采集电池内电阻R并通过R查值表得到Factor_R；计算历史电流值并通过I查值表得到Factor_I；检测当前环境温度并通过T查值表得到Factor_T；以及计算出准确的电池剩余可用能量。本发明先通过对电池OCV曲线积分得到基础的SOE值，然后再对该值进行优化得到准确的估算结果；选择了最重要的3个参数：电池内阻、放电电流和环境温度对SOE值进行优化；采用查值表的形式来优化结果，简单易行。

Description

一种动力电池SOE的优化算法

技术领域

本发明涉及一种动力电池SOE的估算方法，特别是一种动力电池SOE的优化算法。

背景技术

电池SOC是计算SOE的基础，SOE是英文State of Energy的缩写，即电池的能量状态，以百分数表示，SOC(State of Charge)指电量状态。随着对动力电池性能的认识不断深入，算法的不断优化，目前对SOC的估算已经达到了很高的精度。但是由于SOE的估算不仅跟当前SOC有关，还会受到环境温度，驾驶习惯等因素的影响，因此在对SOE进行估算时，必须对结果进行修正。

发明内容

本发明所要解决的技术问题是提供一种动力电池SOE的优化算法以得到准确的估算结果。

为了实现上述目的，本发明提供了一种动力电池SOE的优化算法，其中，包括如下步骤：

S100、建立二维R查值表、I查值表和T查值表；

S200、获取电池当前SOC、放电截止SOC和电池OCV曲线；

S300、计算基础能量值；

S400、计算电池满电能量；

S500、采集电池内电阻R并通过R查值表得到Factor_R；

S600、计算历史电流值并通过I查值表得到Factor_I；

S700、检测当前环境温度并通过T查值表得到Factor_T；

S800、计算出准确的电池剩余可用能量。

上述的动力电池SOE的优化算法，其中，采用如下公式计算基础能量值：

其中，SOC_now表示当前电池的SOC值，SOC_end表示电池放电的最低SOC，Q为电池的额定容量。

上述的动力电池SOE的优化算法，其中，采用如下公式计算电池的最大能量：

其中，SOC_full表示电池充至满电时的SOC，SOC_end表示电池放电的最低SOC，Q为电池的额定容量。

上述的动力电池SOE的优化算法，其中，采用如下公式计算出准确的电池剩余可用能量：

Erst＝Erst_basic·Factor_R·Factor_I·Factor_T

上述的动力电池SOE的优化算法，其中，还包括优化步骤：

S900、计算准确的电池SOE，并用如下公式得到：

上述的动力电池SOE的优化算法，其中，建立电阻R值和放电电量的所述二维R查值表，进一步包括：

选取一批同一批次的新电池单体，并将电芯分成M组，每组个数相同；

第1组电芯进行充放电循环n次，第2组电芯进行充放电循环2n次，直至第M-1组电芯充放电循环nM次，第M组电芯不进行操作；

充放电循环结束后测量各组单体的电池内阻并计算出每组电池的内阻均值R；

对每组电芯做放电测试，并测量放出的电量I；

使用每组的电阻R值和放电电量I生成所述二维R查值表，其中第M组电芯的Factor_R为1，其它组的Factor_R根据比例得到且取值均小于等于1。

上述的动力电池SOE的优化算法，其中，所述电池的内阻通过电流跳变法计算得到。

上述的动力电池SOE的优化算法，其中，建立放电电流和放电能量的所述二维I查值表，进一步包括：

选取一组同一批次的新电池单体，并将电芯分成L组，每组个数相同；

第1组电芯以m电流放电，第2组电芯以2m电流放电，直至第L组电芯以Lm电流放电；

使用电能表测量每组电芯能够放出的能量；

使用每组的放电电流和放电能量生成所述二维I查值表，其中第1组电芯的Factor_I为1，其它组的Factor_I根据比例得到且取值均小于等于1。

上述的动力电池SOE的优化算法，其中，***工作时，选用电池***前15分钟的电流平均值作为***输入，通过所述I查值表得到Factor_I。

上述的动力电池SOE的优化算法，其中，建立环境温度和放电能量的所述二维T查值表，进一步包括：

选取一组同一批次的新电池单体，并将电芯分成N组，每组个数相同；

第1组电芯在环境温度a度时放电，第2组电芯在环境温度a+5度时放电，依次类推，第N组电芯在环境温度a+5N度时放电；

使用电能表测量每组电芯能够放出的能量；

使用每组环境温度和放电能量生成所述二维T查值表，其中放出能量最多的一组电芯Factor_T为1，其它组的Factor_T根据比例得到且取值均小于等于1。

本发明的技术效果在于：

本发明先通过对电池OCV曲线积分得到基础的SOE值，然后再对该值进行优化得到准确的估算结果；选择了最重要的3个参数：电池内阻、放电电流和环境温度对SOE值进行优化；采用查值表的形式来优化结果，简单易行。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为典型的电池OCV特性曲线图；

图2为本发明一实施例的R查值表示意图；

图3为本发明一实施例的I查值表示意图；

图4为本发明一实施例的T查值表示意图；

图5为本发明一实施例的方法流程图。

具体实施方式

下面结合附图对本发明的结构原理和工作原理作具体的描述：

参见图5，图5为本发明一实施例的方法流程图。本发明的动力电池SOE的优化算法，包括如下步骤：

步骤S100、建立二维R查值表、I查值表和T查值表；

步骤S200、获取电池当前SOC、放电截止SOC和电池OCV曲线；

步骤S300、计算基础能量值；

步骤S400、计算电池满电能量；

步骤S500、采集电池内电阻R并通过R查值表得到Factor_R；

步骤S600、计算历史电流值并通过I查值表得到Factor_I；

步骤S700、检测当前环境温度并通过T查值表得到Factor_T；

步骤S800、计算出准确的电池剩余可用能量。

本实施例中，采用如下公式计算基础能量值：

其中，SOC_now表示当前电池的SOC值，SOC_end表示电池放电的最低SOC，Q为电池的额定容量。

采用如下公式计算电池的最大能量：

其中，SOC_full表示电池充至满电时的SOC，SOC_end表示电池放电的最低SOC，Q为电池的额定容量。

采用如下公式计算出准确的电池剩余可用能量：

Erst＝Erst_basic·Factor_R·Factor_I·Factor_T

本实施例还可包括优化步骤：

步骤S900、计算准确的电池SOE，并用如下公式得到：

参见图2，图2为本发明一实施例的R查值表示意图。建立电阻R值和放电电量的所述二维R查值表，进一步包括：

选取一批同一批次的新电池单体，并将电芯分成M组，每组个数相同；

第1组电芯进行充放电循环n次，第2组电芯进行充放电循环2n次，直至第M-1组电芯充放电循环nM次，第M组电芯不进行操作；

充放电循环结束后测量各组单体的电池内阻并计算出每组电池的内阻均值R；

对每组电芯做放电测试，并测量放出的电量I；

使用每组的电阻R值和放电电量I生成所述二维R查值表，其中第M组电芯的Factor_R为1，其它组的Factor_R根据比例得到且取值均小于等于1。其中，所述电池的内阻通过电流跳变法计算得到。

参见图3，图3为本发明一实施例的I查值表示意图。建立放电电流和放电能量的所述二维I查值表，进一步包括：

选取一组同一批次的新电池单体，并将电芯分成L组，每组个数相同；

第1组电芯以m电流放电，第2组电芯以2m电流放电，直至第L组电芯以Lm电流放电；

使用电能表测量每组电芯能够放出的能量；

使用每组的放电电流和放电能量生成所述二维I查值表，其中第1组电芯的Factor_I为1，其它组的Factor_I根据比例得到且取值均小于等于1。

其中，***工作时，选用电池***前15分钟的电流平均值作为***输入，通过所述I查值表得到Factor_I。

参见图4，图4为本发明一实施例的T查值表示意图。建立环境温度和放电能量的所述二维T查值表，进一步包括：

选取一组同一批次的新电池单体，并将电芯分成N组，每组个数相同；

第1组电芯在环境温度a度时放电，第2组电芯在环境温度a+5度时放电，依次类推，第N组电芯在环境温度a+5N度时放电；

使用电能表测量每组电芯能够放出的能量；

使用每组环境温度和放电能量生成所述二维T查值表，其中放出能量最多的一组电芯Factor_T为1，其它组的Factor_T根据比例得到且取值均小于等于1。

下面以一具体实施例详细说明本发明的计算方法：

首先，进行SOE基础值计算

参见图1，图1为典型的电池OCV特性曲线图，SOC_now表示当前电池的SOC值，SOC_end表示电池放电的最低SOC，通过积分可以得到电池剩余可用能量。

上式中，SOC_now通过电池管理***使用库伦积分算法计算得到，SOC_end为电池***设定的最低放电SOC，Q为电池的额定容量，已在电池出厂时确定。

通过式2可以计算电池的最大能量：

式2中，SOC_full表示电池充至满电时的SOC，通常为100％。

通过上述步骤，可以得到粗略的电池可用能量，但是电池的可用能量不仅与上述提到的这些因素有关，还受到电池使用状况的较大影响，因此必须考虑其它因素并对结果进行修正，对电池剩余能量估算结果进行优化，主要包括：

消除电池内电阻R对结果的影响：

根据产热公式W＝I²·R·t可知，电阻越大，***的热量损耗就越多，即可用能量越少。对电池***来说，电阻内电阻并不是一个固定值，而是随着电池的老化而不断增大，因此必须考虑电池内阻变化对估算结果的影响。

本实施例采用如下实验方案：

选取同一批次的新电池单体100个，将电芯分成10组，每组10个。第1组电芯进行充放电循环200次，第2组电芯进行充放电循环400次，依次类推，第9组电芯进行循环1800次，第10组电芯不进行操作。本实验提及的充放电循环设定为室温，满充满放，电流为2C。

充放电循环结束后10组电芯即成为了不同老化程度的电池，此时测量各组单体的电池内阻并计算出每组电池的内阻均值。

对10组电芯做放电测试，并用电能表测量放出的电量。然后使用每组的电阻R值和放电电量制作二维R查值表，其中第10组电芯的Factor_R为1，其它组样品的Factor_R根据比例得到，Factor_R的取值均小于等于1。

电池***工作时，电池内阻通过电流跳变法或其它方法计算得到，此处不再赘述。

消除电流对电池剩余能量的影响：

根据产热公式W＝I²·R·t可知，电流越大，电池的热量损耗也会越多。另一方面大电流放电还会导致极化效应增大和影响放电效率，从而影响实际可用能量，因此必须考虑放电电流对估算结果的影响。

本实施例采用如下实验方案：

选取同一批次的新电池单体200个，将电芯分成20组，每组10个。第1组电芯以0.1C电流放电，第2组电芯以0.2C电流放电，依次类推，第20组电芯以2C电流放电。本实验提及的充放电循环设定为室温，满充满放。使用电能表测量每组电芯能够放出的能量。

使用每组的放电电流和放电能量制作如图3的二维I查值表，其中第1组电芯的Factor_I为1，其它组样品的Factor_I根据比例得到，Factor_I的取值均小于等于1。

***工作时，选用电池***前15分钟的电流平均值作为***输入，通过I查值表即可得到Factor_I。

消除环境温度对估算结果的影响：

环境温度会对电池性能产生较大的影响，当外界温度低时，不但会影响电池的放电效率，还会直接影响电池放电截止SOC，因此必须考虑环境温度对估算结果的影响。

本实施例采用如下实验方案：

选取同一批次的新电池单体200个，将电芯分成20组，每组10个。第1组电芯在环境温度-30度时放电，第2组电芯在环境温度-25度时放电，依次类推，第20组电芯在环境温度65度时放电。本实验提及的充放电循环设定为1C电流，满充满放。使用电能表测量每组电芯能够放出的能量。

使用每组环境温度和放电能量生成如图4的二维T查值表，其中放出能量最多的那组电芯Factor_T为1，其它组样品的Factor_T根据比例得到，Factor_T的取值均小于等于1。

***工作时，环境温度通过温度传感器测量得到，通过T查值表即可得到Factor_T。

最后，基于以上参数对结果进行优化：

对剩余能量的优化计算：

Erst＝Erst_basic·Factor_R·Factor_I·Factor_T……式3

即可得到准确的电池剩余可能能量。

然后，通过式4即可计算得到准确的电池SOE值：

本发明相对于现有技术具有如下优点：

1.本发明先通过对电池OCV曲线积分得到基础的SOE值，然后再对该值进行优化得到准确的估算结果；

2.本发明选择了最重要的3个参数：电池内阻、放电电流和环境温度对SOE值进行优化；

3.本发明采用查值表的形式来优化结果，简单易行。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种动力电池SOE的优化算法，其特征在于，包括如下步骤：

S100、建立二维R查值表、I查值表和T查值表；

S200、获取电池当前SOC、放电截止SOC和电池OCV曲线；

S300、计算基础能量值；

S400、计算电池满电能量；

S500、采集电池内电阻R并通过R查值表得到Factor_R；

S600、计算历史电流值并通过I查值表得到Factor_I；

S700、检测当前环境温度并通过T查值表得到Factor_T；

S800、计算出准确的电池剩余可用能量。

2.如权利要求1所述的动力电池SOE的优化算法，其特征在于，采用如下公式计算基础能量值：

其中，SOC_now表示当前电池的SOC值，SOC_end表示电池放电的最低SOC，Q为电池的额定容量。

3.如权利要求1或2所述的动力电池SOE的优化算法，其特征在于，采用如下公式计算电池的最大能量：

其中，SOC_full表示电池充至满电时的SOC，SOC_end表示电池放电的最低SOC，Q为电池的额定容量。

4.如权利要求3所述的动力电池SOE的优化算法，其特征在于，采用如下公式计算出准确的电池剩余可用能量：

Erst＝Erst_basic·Factor_R·Factor_I·Factor_T 。

5.如权利要求4所述的动力电池SOE的优化算法，其特征在于，还包括优化步骤：

S900、计算准确的电池SOE，并用如下公式得到：

。

6.如权利要求5所述的动力电池SOE的优化算法，其特征在于，建立电阻R值和放电电量的所述二维R查值表，进一步包括：

选取一批同一批次的新电池单体，并将电芯分成M组，每组个数相同；

第1组电芯进行充放电循环n次，第2组电芯进行充放电循环2n次，直至第M-1组电芯充放电循环nM次，第M组电芯不进行操作；

充放电循环结束后测量各组单体的电池内阻并计算出每组电池的内阻均值R；

对每组电芯做放电测试，并测量放出的电量I；

使用每组的电阻R值和放电电量I生成所述二维R查值表，其中第M组电芯的Factor_R为1，其它组的Factor_R根据比例得到且取值均小于等于1。

7.如权利要求6所述的动力电池SOE的优化算法，其特征在于，所述电池的内阻通过电流跳变法计算得到。

8.如权利要求5所述的动力电池SOE的优化算法，其特征在于，建立放电电流和放电能量的所述二维I查值表，进一步包括：

选取一组同一批次的新电池单体，并将电芯分成L组，每组个数相同；

第1组电芯以m电流放电，第2组电芯以2m电流放电，直至第L组电芯以Lm电流放电；

使用电能表测量每组电芯能够放出的能量；

使用每组的放电电流和放电能量生成所述二维I查值表，其中第1组电芯的Factor_I为1，其它组的Factor_I根据比例得到且取值均小于等于1。

9.如权利要求8所述的动力电池SOE的优化算法，其特征在于，***工作时，选用电池***前15分钟的电流平均值作为***输入，通过所述I查值表得到Factor_I。

10.如权利要求5所述的动力电池SOE的优化算法，其特征在于，建立环境温度和放电能量的所述二维T查值表，进一步包括：

选取一组同一批次的新电池单体，并将电芯分成N组，每组个数相同；

第1组电芯在环境温度a度时放电，第2组电芯在环境温度a+5度时放电，依次类推，第N组电芯在环境温度a+5N度时放电；

使用电能表测量每组电芯能够放出的能量；

使用每组环境温度和放电能量生成所述二维T查值表，其中放出能量最多的一组电芯Factor_T为1，其它组的Factor_T根据比例得到且取值均小于等于1。