CN111562498A - 动力电池可用容量估计方法及*** - Google Patents
动力电池可用容量估计方法及*** Download PDFInfo
- Publication number
- CN111562498A CN111562498A CN202010421055.5A CN202010421055A CN111562498A CN 111562498 A CN111562498 A CN 111562498A CN 202010421055 A CN202010421055 A CN 202010421055A CN 111562498 A CN111562498 A CN 111562498A
- Authority
- CN
- China
- Prior art keywords
- battery
- discharge
- available capacity
- different
- aging
- 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.)
- Pending
Links
Images
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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本公开公开了动力电池可用容量估计方法及***,包括:进行电池的循环老化试验测试,根据电池的循环老化试验测试数据,得到改进后的普克特常数;基于改进后的普克特常数,建立电池可用容量模型;其中,所述电池的循环老化试验测试数据,包括:不同电池温度、不同电池老化阶段和不同放电倍率下电池最大可用容量;所述改进后的普克特常数,包括:代表电池老化程度的充放电循环次数、电池环境温度和电池放电倍率;在实际使用过程中,获取当前电池的放电倍率、电池环境温度和电池充放电循环次数,将获取的当前电池的放电倍率、电池环境温度和电池充放电循环次数输入到已经构建好的电池可用容量模型中,输出当前电池的可用容量。
Description
技术领域
本公开涉及电动汽车动力电池可用容量估计技术领域,特别是涉及动力电池可用容量估计方法及***。
背景技术
本部分的陈述仅仅是提到了与本公开相关的背景技术,并不必然构成现有技术。
新能源汽车在中国已经提升到国家发展战略地位。目前新能源汽车尤其是电动汽车发展迅猛,已经成为未来汽车的发展方向。动力电池是电动汽车的核心部件,是制约电动汽车大规模发展的瓶颈。精确的电池模型和状态估计是电池管理***BMS的核心技术之一,对动力电池安全可靠运行和能量的高效利用具有重要意义。
电池可用容量,即电池在实际运行时能够放出的电荷总量,是动力电池最为关键的一个内部状态参数,它与电池荷电状态SOC的估计、健康状态SOH的估计和剩余寿命RUL的预测等均密切相关。电池的放电倍率等于放电电流值与额定容量值的比值,表示放电快慢的一种量度,一般用C表示,如0.2C,1/3C,1.5C,2C等。根据定义,电池1C倍率放电是指动力电池在等于电池额定容量的电流下连续放电一小时,例如容量为20Ah的电池在20A放电,它是获得或检测电池实际容量的大小的一种方式。但是,动力电池可用容量受外界温度、电池老化、负载电流大小等因素的影响很大。实际上,放电电流(放电倍率)愈大,电池可用容量愈小,并且两者并不是简单的线性关系。目前解决动力电池实际可用容量的准确估计问题仍极具挑战。
发明人发现,目前常用于动力电池可用容量估计的模型和方法主要有经典的普克特方程、动力学电池模型、等效电路模型等。其中经典的普克特方程是针对于铅酸蓄电池的经验公式,即铅酸蓄电池的理论容量k、放电时间td与放电电流I之间存在一定关系的经验公式:
k=In·td
其中,I为电池放电电流;n为普克特常数;k为常数,表示电池的理论容量。式中n为与铅酸蓄电池结构特别是极板厚度有关的常数,其值在1.15~1.42之间。根据普克特方程,可以看出,电池放电电流愈大,电池的实际可用容量愈小,能够实际放出的电量越少。但是,经典的普克特方程主要应用于铅酸蓄电池,也没有考虑温度、电池老化等因素对电池可用容量的影响,难以应用于电动汽车动力电池管理***中,因此应用范围大大受限。
发明内容
为了解决现有技术的不足,本公开克服经典的普克特方程没有考虑温度、电池老化等因素的影响而导致动力电池实际可用容量估计不准的难题,在改进的普克特方程的基础上,提供了动力电池可用容量估计方法及***;采用可用容量和不可用容量两部分容量用于描述电池模型的非线性容量特性及运行时间。本公开提出的模型能够为电池荷电状态SOC的精确估计和电动汽车剩余里程的估算提供一个精确且易实现的电池可用容量估计模型;模型参数辨识简单,易于在电池管理***BMS中实现,具有较高的实用价值。
第一方面,本公开提供了动力电池可用容量估计方法;
动力电池可用容量估计方法,包括:
进行电池的循环老化试验测试,根据电池的循环老化试验测试数据,得到改进后的普克特常数;基于改进后的普克特常数,建立电池可用容量模型;
其中,所述电池的循环老化试验测试数据,包括:不同电池温度、不同电池老化阶段和不同放电倍率下电池最大可用容量;
所述改进后的普克特常数,包括:代表电池老化程度的充放电循环次数、电池环境温度和电池放电倍率;
在实际使用过程中,获取当前电池的放电倍率、电池环境温度和电池充放电循环次数,将获取的当前电池的放电倍率、电池环境温度和电池充放电循环次数输入到已经构建好的电池可用容量模型中,输出当前电池的可用容量。
第二方面,本公开提供了动力电池可用容量估计***;
动力电池可用容量估计***,包括:
老化试验测试模块,其被配置为:进行电池的循环老化试验测试,根据电池的循环老化试验测试数据,得到改进后的普克特常数;基于改进后的普克特常数,建立电池可用容量模型;
其中,所述电池的循环老化试验测试数据,包括:不同电池温度、不同电池老化阶段和不同放电倍率下电池最大可用容量;
所述改进后的普克特常数,包括:代表电池老化程度的充放电循环次数、电池环境温度和电池放电倍率;
动力电池可用容量估计模块,其被配置为:在实际使用过程中,获取当前电池的放电倍率、电池环境温度和电池充放电循环次数,将获取的当前电池的放电倍率、电池环境温度和电池充放电循环次数输入到已经构建好的电池可用容量模型中,输出当前电池的可用容量。
第三方面,本公开还提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述第一方面所述的方法。
第四方面,本公开还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述的方法。
第五方面,本公开还提供了一种计算机程序(产品),包括计算机程序,所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。
与现有技术相比,本公开的有益效果是:
1.本公开克服了经典的普克特方程没有考虑温度、电池寿命等因素的影响而导致动力电池实际可用容量估计不准的难题,提出了一种计及温度、老化和放电倍率的动力电池可用容量估计模型及实现方法,解决了现有模型只考虑单一因素的不足,考虑影响因素全面,更符合动力电池工作环境的实际情况,应用价值更高。
2.本公开提出的模型采用可用容量和不可用容量来描述动力电池的非线性容量特性,能够精确描述电池的非线性容量特性及运行时间;模型参数辨识简单,易于在电池管理***BMS中实现,为BMS进行电池荷电状态SOC估计和电动汽车剩余里程估算提供一个精确且易实现的电池可用容量估计模型,具有很高的实用价值。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为第一个实施例的方法流程图;
图2为第一个实施例的测量的散点值;
图3为第一个实施例的拟合的函数曲线。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步地说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开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公开的示例性实施方式。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,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例提供了动力电池可用容量估计方法;
动力电池可用容量估计方法,包括:
S101:进行电池的循环老化试验测试,根据电池的循环老化试验测试数据,得到改进后的普克特常数;基于改进后的普克特常数,建立电池可用容量模型;
其中,所述电池的循环老化试验测试数据,包括:不同电池温度、不同电池老化阶段和不同放电倍率下电池最大可用容量;
所述改进后的普克特常数,包括:代表电池老化程度的充放电循环次数、电池环境温度和电池放电倍率;
S102:在实际使用过程中,获取当前电池的放电倍率、电池环境温度和电池充放电循环次数,将获取的当前电池的放电倍率、电池环境温度和电池充放电循环次数输入到已经构建好的电池可用容量模型中,输出当前电池的可用容量。
作为一个或多个实施例,所述S101的电池可用容量模型,是指:
其中,Qrem(t)表示电池剩余总容量,Qavail(t)表示电池可用容量,Qunavail(t)表示电池不可用容量,Qmax(T,N)表示电池最大可用容量,从完全充电状态到完全放电状态获得的容量;I是动力电池恒流放电电流的大小,代表放电倍率,It代表放出的电量;T是电池环境温度,实际上是指电池模块所处环境温度;N是代表电池老化程度的充放电循环次数;n(T,N)和k(T,N)是修正后的普克特方程参数,均是温度和寿命相关的多项式函数。
其中,修正后的普克特方程参数:
其中,I1和I2表示两个不同倍率下电池恒流放电电流的大小;t1d和t2d分别是电池在不同放电电流I1和I2下的放电时间;k(Tk,Ni)和n(Tk,Ni)表示在温度Tk和循环次数分段区间Ni时,修正后的普克特方程参数。
作为一个或多个实施例,所述S101的进行电池的循环老化试验测试的步骤包括:
S1011:确定动力电池最大可用容量测试的测量温度;
S1012:在设定测量温度下,测量电池在不同放电倍率下的最大可用容量;
S1013:在不同温度下,测量电池在不同放电倍率下的最大可用容量;
S1014:在不同温度和不同放电倍率下,测量电池不同老化阶段的最大可用容量,当电池的最大可用容量等于标称容量的设定比例时,停止测试。
S1015:在S1011-S1014中,监控并记录电池的放电时间、电流大小和释放的容量,以用于模型的参数辨识。
作为一个或多个实施例,所述S101中,根据电池的循环老化试验测试数据,得到改进后的普克特常数;具体步骤包括:
在每组温度和老化测试实验中,选择两组不同倍率下的测试数据,选取的测试数据包括放电电流大小和电池放出的可用容量;
计算得到不同测试温度和老化状态下改进后的普克特常数n(T,N)和k(T,N)的在不同温度下的各个计算值,即得到测量的散点值;如附图2所示;
采用多项式拟合算法,得到改进后的普克特常数n(T,N)和k(T,N)在整个温度范围和老化范围内的关系拟合函数,即拟合的函数曲线;如图3所示;
根据拟合的函数曲线,得到改进后的普克特常数。
示例性的,选择两组不同倍率下的测试数据,如在0.2C和1.5C下的测试数据。
作为一个或多个实施例,所述S101中,还包括:对模型进行精度验证步骤;
精度验证步骤具体包括:
由于拟合只用2组放电倍率的测量数据,使用其他倍率下的测试数据来验证模型的精度;
设置没有测过的温度和放电倍率,通过充放电容量测试实验,进一步验证模型的精度。
示例性的,所述S1011的动力电池最大可用容量测试的测量温度,包括:-10℃,0℃,10℃,20℃,30℃或40℃等。
进一步地,所述S1012中,在设定测量温度下,测量电池在不同放电倍率下的可用容量是通过恒流恒压充电CCCV和恒流放电CC,测量电池在不同放电倍率下的可用容量。
示例性的,对被测动力电池进行恒流恒压(CCCV)充电实验,使被测动力电池达到充满电的状态,作为被测动力电池的初始状态;即通过CCCV充电策略对电池充满电,充电电流为1/3C,充电电压为3.65V,当恒压充电时间达到1h或充电电流低于0.02C时,恒压充电阶段完成,然后将电池静置足够长时间。如附图1中“IV CCCV充电+CC放电法”框图部分所示。
示例性的,确定需要测试的放电电流大小,即确定放电倍率,倍率容量测试需要根据电池功率特性设置不同的充电和放电电流。如0.2C,2/3C,1C,1.5C和2C等,即采用恒流(CC)放电法分别以不同倍率完全放电至2.0V,以测量不同倍率下电池的最大可用容量。如附图中“III内循环测试2”框图部分所示。
示例性的,所述S1013中,在不同温度下,测量电池在不同放电倍率下的最大可用容量;具体步骤包括:
依据从室温到升温测试再降温测试的原则,依次测量30℃,40℃,10℃,0℃,-10℃等温度下,电池在各个不同放电倍率下0.2C,2/3C,1C,1.5C和2C等的最大可用容量。如附图1中“II内循环测试1”框图部分所示。
示例性的,所述S1014在不同温度和不同放电倍率下,测量电池不同老化阶段的最大可用容量,当电池的最大可用容量等于标称容量的设定比例时,停止测试;具体步骤包括:
固定在不同的测试温度和放电倍率下,进行电池的老化试验,测试电池在不同老化阶段的最大可用容量,直到电池最大可用容量只有标称容量的80%时,测试停止。因为此时,根据电池的健康状态的定义,认为电池寿命已经终止。老化阶段的测试可根据电池种类和公式(3)设计分段。如附图1中“I外循环测试”框图部分所示。
进一步地,修正后的普克特方程为:
k(T,N)=In(T,N)·td≠constant(2)
进一步地,代表电池老化程度的充放电循环次数N,用分段公式来表示:
其中,Nmax为电池最大循环寿命次数,与电池放电倍率和温度环境相关;
进一步地,对于在某温度Tk和循环次数分段区间Ni时,由于k(Tk,Ni)对于实际的电池来说,认为是一个常数,因此分别测量两个不同放电率I1和I2的运行时间t1d和t2d,则:
其中t1d和t2d分别是电池在不同放电倍率电流I1和I2下的放电时间;Qavail_I1和Qavail_I2分别对应电流I1和I2下的电池最大可用容量。
同时,根据公式(4),得到改进后的普克特常数n(T,N)和k(T,N):
对于在某温度Tk和循环次数分段区间Ni时,计算或表示不同恒定电流I下的电池可用容量:
或者表示为:
电池运行时间表示为:
将(6)或(7)代入公式(1)可得:
至此,本公开所述的一种计及温度、老化和放电倍率的动力电池可用容量估计模型,同时考虑了温度、电池老化和放电倍率等因素对电池可用容量的影响,通过其数学模型表达式(1)-(9)实现了对动力电池当前可用容量、不可用容量和电池剩余放电时间的实时准确估计。
实施例二
本实施例提供了动力电池可用容量估计***;
动力电池可用容量估计***,包括:
老化试验测试模块,其被配置为:进行电池的循环老化试验测试,根据电池的循环老化试验测试数据,得到改进后的普克特常数;基于改进后的普克特常数,建立电池可用容量模型;
其中,所述电池的循环老化试验测试数据,包括:不同电池温度、不同电池老化阶段和不同放电倍率下电池最大可用容量;
所述改进后的普克特常数,包括:代表电池老化程度的充放电循环次数、电池环境温度和电池放电倍率;
动力电池可用容量估计模块,其被配置为:在实际使用过程中,获取当前电池的放电倍率、电池环境温度和电池充放电循环次数,将获取的当前电池的放电倍率、电池环境温度和电池充放电循环次数输入到已经构建好的电池可用容量模型中,输出当前电池的可用容量。
此处需要说明的是,上述老化试验测试模块、和动力电池可用容量估计模块对应于实施例一中的步骤S101至S102,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为***的一部分可以在诸如一组计算机可执行指令的计算机***中执行。
上述实施例中对各个实施例的描述各有侧重,某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的***,可以通过其他的方式实现。例如,以上所描述的***实施例仅仅是示意性的,例如上述模块的划分,仅仅为一种逻辑功能划分,实际实现时,可以有另外的划分方式,例如多个模块可以结合或者可以集成到另外一个***,或一些特征可以忽略,或不执行。
实施例三
本实施例还提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述实施例一所述的方法。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
实施例四
本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一所述的方法。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.动力电池可用容量估计方法,其特征是,包括:
进行电池的循环老化试验测试,根据电池的循环老化试验测试数据,得到改进后的普克特常数;基于改进后的普克特常数,建立电池可用容量模型;
其中,所述电池的循环老化试验测试数据,包括:不同电池温度、不同电池老化阶段和不同放电倍率下电池最大可用容量;
所述改进后的普克特常数,包括:代表电池老化程度的充放电循环次数、电池环境温度和电池放电倍率;
在实际使用过程中,获取当前电池的放电倍率、电池环境温度和电池充放电循环次数,将获取的当前电池的放电倍率、电池环境温度和电池充放电循环次数输入到已经构建好的电池可用容量模型中,输出当前电池的可用容量。
4.如权利要求1所述的方法,其特征是,所述进行电池的循环老化试验测试的步骤包括:
确定动力电池最大可用容量测试的测量温度;
在设定测量温度下,测量电池在不同放电倍率下的最大可用容量;
在不同温度下,测量电池在不同放电倍率下的最大可用容量;
在不同温度和不同放电倍率下,测量电池不同老化阶段的最大可用容量,当电池的最大可用容量等于标称容量的设定比例时,停止测试;
监控并记录电池的放电时间、电流大小和释放的容量,以用于模型的参数辨识。
5.如权利要求1所述的方法,其特征是,根据电池的循环老化试验测试数据,得到改进后的普克特常数;具体步骤包括:
在每组温度和老化测试实验中,选择两组不同倍率下的测试数据,选取的测试数据包括放电电流大小和电池放出的可用容量;
计算得到不同测试温度和老化状态下改进后的普克特常数n(T,N)和k(T,N)的在不同温度下的各个计算值,即得到测量的散点值;
采用多项式拟合算法,得到改进后的普克特常数n(T,N)和k(T,N)在整个温度范围和老化范围内的关系拟合函数,即拟合的函数曲线;
根据拟合的函数曲线,得到改进后的普克特常数。
6.如权利要求1所述的方法,其特征是,还包括:对模型进行精度验证步骤;精度验证步骤具体包括:
由于拟合只用2组放电倍率的测量数据,使用其他倍率下的测试数据来验证模型的精度;
设置没有测过的温度和放电倍率,通过充放电容量测试实验,进一步验证模型的精度。
7.如权利要求3所述的方法,其特征是,在设定测量温度下,测量电池在不同放电倍率下的最大可用容量,是通过恒流恒压充电CCCV和恒流放电CC,测量电池在不同放电倍率下的可用容量;
在不同温度下,测量电池在不同放电倍率下的最大可用容量;具体步骤包括:依据从室温到升温测试再降温测试的原则,依次测量30℃,40℃,10℃,0℃,-10℃温度下,电池在各个不同放电倍率下0.2C,2/3C,1C,1.5C和2C的最大可用容量。
8.动力电池可用容量估计***,其特征是,包括:
老化试验测试模块,其被配置为:进行电池的循环老化试验测试,根据电池的循环老化试验测试数据,得到改进后的普克特常数;基于改进后的普克特常数,建立电池可用容量模型;
其中,所述电池的循环老化试验测试数据,包括:不同电池温度、不同电池老化阶段和不同放电倍率下电池最大可用容量;
所述改进后的普克特常数,包括:代表电池老化程度的充放电循环次数、电池环境温度和电池放电倍率;
动力电池可用容量估计模块,其被配置为:在实际使用过程中,获取当前电池的放电倍率、电池环境温度和电池充放电循环次数,将获取的当前电池的放电倍率、电池环境温度和电池充放电循环次数输入到已经构建好的电池可用容量模型中,输出当前电池的可用容量。
9.一种电子设备,其特征是,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010421055.5A CN111562498A (zh) | 2020-05-18 | 2020-05-18 | 动力电池可用容量估计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010421055.5A CN111562498A (zh) | 2020-05-18 | 2020-05-18 | 动力电池可用容量估计方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111562498A true CN111562498A (zh) | 2020-08-21 |
Family
ID=72069110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010421055.5A Pending CN111562498A (zh) | 2020-05-18 | 2020-05-18 | 动力电池可用容量估计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111562498A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391216A (zh) * | 2021-06-29 | 2021-09-14 | 珠海创芯科技有限公司 | 基于响应曲面设计的铅酸电池可用容量估算方法和装置 |
CN113820614A (zh) * | 2021-08-18 | 2021-12-21 | 浙江南都电源动力股份有限公司 | 锂离子电池循环寿命的预测方法 |
CN113900028A (zh) * | 2021-10-09 | 2022-01-07 | 山东大学 | 一种考虑充放电路径的电池健康状态估计方法 |
CN116754963A (zh) * | 2023-08-22 | 2023-09-15 | 深圳市德兰明海新能源股份有限公司 | 锂电池soc显示值的计算方法 |
CN116794514A (zh) * | 2023-05-04 | 2023-09-22 | 商宇(深圳)科技有限公司 | 一种修正电池老化率系数的方法 |
CN117129880A (zh) * | 2023-10-26 | 2023-11-28 | 通号通信信息集团有限公司 | 一种铅酸蓄电池的可用容量估算及健康状态评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230953A (zh) * | 2011-06-20 | 2011-11-02 | 江南大学 | 蓄电池剩余容量及健康状况预测方法 |
CN103954913A (zh) * | 2014-05-05 | 2014-07-30 | 哈尔滨工业大学深圳研究生院 | 电动汽车动力电池寿命预测方法 |
CN106291375A (zh) * | 2016-07-28 | 2017-01-04 | 河南许继仪表有限公司 | 一种基于电池老化的soc估算方法和装置 |
CN106950500A (zh) * | 2017-03-07 | 2017-07-14 | 清华大学 | 一种基于电池寿命的共享式电池的容量计算方法 |
CN107037369A (zh) * | 2016-02-04 | 2017-08-11 | 联发科技股份有限公司 | 准确估计电池的电量百分比的方法和电源管理装置 |
KR101996943B1 (ko) * | 2013-01-18 | 2019-10-01 | 엘지이노텍 주식회사 | 배터리 용량 상태 추정 장치 및 이의 방법 |
-
2020
- 2020-05-18 CN CN202010421055.5A patent/CN111562498A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230953A (zh) * | 2011-06-20 | 2011-11-02 | 江南大学 | 蓄电池剩余容量及健康状况预测方法 |
KR101996943B1 (ko) * | 2013-01-18 | 2019-10-01 | 엘지이노텍 주식회사 | 배터리 용량 상태 추정 장치 및 이의 방법 |
CN103954913A (zh) * | 2014-05-05 | 2014-07-30 | 哈尔滨工业大学深圳研究生院 | 电动汽车动力电池寿命预测方法 |
CN107037369A (zh) * | 2016-02-04 | 2017-08-11 | 联发科技股份有限公司 | 准确估计电池的电量百分比的方法和电源管理装置 |
CN106291375A (zh) * | 2016-07-28 | 2017-01-04 | 河南许继仪表有限公司 | 一种基于电池老化的soc估算方法和装置 |
CN106950500A (zh) * | 2017-03-07 | 2017-07-14 | 清华大学 | 一种基于电池寿命的共享式电池的容量计算方法 |
Non-Patent Citations (2)
Title |
---|
QI ZHANG: "an improved peukert battert model of nonlinear capacity considering temperature effect", 《IFAC PAPERSONLINE》 * |
商云龙: "基于模糊神经网络优化扩展卡尔曼滤波的锂离子电池荷电状态估计", 《控制理论与应用》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391216A (zh) * | 2021-06-29 | 2021-09-14 | 珠海创芯科技有限公司 | 基于响应曲面设计的铅酸电池可用容量估算方法和装置 |
CN113820614A (zh) * | 2021-08-18 | 2021-12-21 | 浙江南都电源动力股份有限公司 | 锂离子电池循环寿命的预测方法 |
CN113820614B (zh) * | 2021-08-18 | 2023-10-24 | 浙江南都电源动力股份有限公司 | 锂离子电池循环寿命的预测方法 |
CN113900028A (zh) * | 2021-10-09 | 2022-01-07 | 山东大学 | 一种考虑充放电路径的电池健康状态估计方法 |
CN113900028B (zh) * | 2021-10-09 | 2022-07-08 | 山东大学 | 一种考虑初始荷电状态和充放电路径的电池健康状态估计方法及*** |
CN116794514A (zh) * | 2023-05-04 | 2023-09-22 | 商宇(深圳)科技有限公司 | 一种修正电池老化率系数的方法 |
CN116794514B (zh) * | 2023-05-04 | 2024-03-22 | 商宇(深圳)科技有限公司 | 一种修正电池老化率的方法 |
CN116754963A (zh) * | 2023-08-22 | 2023-09-15 | 深圳市德兰明海新能源股份有限公司 | 锂电池soc显示值的计算方法 |
CN116754963B (zh) * | 2023-08-22 | 2023-10-20 | 深圳市德兰明海新能源股份有限公司 | 锂电池soc显示值的计算方法 |
CN117129880A (zh) * | 2023-10-26 | 2023-11-28 | 通号通信信息集团有限公司 | 一种铅酸蓄电池的可用容量估算及健康状态评估方法 |
CN117129880B (zh) * | 2023-10-26 | 2024-02-09 | 通号通信信息集团有限公司 | 一种铅酸蓄电池的可用容量估算及健康状态评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity | |
CN111562498A (zh) | 动力电池可用容量估计方法及*** | |
Lai et al. | Co-estimation of state of charge and state of power for lithium-ion batteries based on fractional variable-order model | |
Shen et al. | The co-estimation of state of charge, state of health, and state of function for lithium-ion batteries in electric vehicles | |
Baccouche et al. | Implementation of an improved Coulomb-counting algorithm based on a piecewise SOC-OCV relationship for SOC estimation of li-IonBattery | |
Wang et al. | Multi-timescale power and energy assessment of lithium-ion battery and supercapacitor hybrid system using extended Kalman filter | |
Zhang et al. | Fractional calculus based modeling of open circuit voltage of lithium-ion batteries for electric vehicles | |
CN107991623B (zh) | 一种考虑温度和老化程度的电池安时积分soc估计方法 | |
Zhou et al. | A low-complexity state of charge estimation method for series-connected lithium-ion battery pack used in electric vehicles | |
US7197487B2 (en) | Apparatus and method for estimating battery state of charge | |
US8046181B2 (en) | Apparatus and method for estimating state of health of battery based on battery voltage variation pattern | |
CN106329021A (zh) | 估算动力电池的剩余可用能量的方法和装置 | |
US20220179003A1 (en) | Characterisation of lithium plating in rechargeable batteries | |
EP3594705B1 (en) | Method and device for estimating service capacity and state of health of minimum battery cell and battery system | |
Zhou et al. | Peak power prediction for series-connected LiNCM battery pack based on representative cells | |
CN104931882A (zh) | 动力电池容量修正的方法和装置 | |
US20140184233A1 (en) | Method for checking deterioration of battery | |
CN113484783A (zh) | 电池soh检测方法、装置、***、介质及程序产品 | |
CN111856286A (zh) | 基于dp-rc模型的电池功率估计方法及装置 | |
CN109716151B (zh) | 用于估计电池电压的方法和设备 | |
He et al. | State of charge estimation for electric vehicle batteries under an adaptive filtering framework | |
WO2014018048A1 (en) | Battery management system | |
Tong et al. | Comprehensive battery equivalent circuit based model for battery management application | |
CN104834803B (zh) | 电池最大允许功率计算方法及装置 | |
Yang et al. | On-board state-of-health estimation based on charging current analysis for LiFePO 4 batteries |
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 |