CN111856285B - 一种电动汽车退役电池组等效模型建模方法 - Google Patents
一种电动汽车退役电池组等效模型建模方法 Download PDFInfo
- Publication number
- CN111856285B CN111856285B CN202010638273.4A CN202010638273A CN111856285B CN 111856285 B CN111856285 B CN 111856285B CN 202010638273 A CN202010638273 A CN 202010638273A CN 111856285 B CN111856285 B CN 111856285B
- Authority
- CN
- China
- Prior art keywords
- retired battery
- retired
- battery
- equivalent
- sei
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 239000000178 monomer Substances 0.000 claims abstract description 23
- 239000003990 capacitor Substances 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 7
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 239000004576 sand Substances 0.000 claims description 2
- 239000007784 solid electrolyte Substances 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims 1
- 239000012528 membrane Substances 0.000 claims 1
- 238000004146 energy storage Methods 0.000 abstract description 31
- 238000009826 distribution Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 12
- 238000004088 simulation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
一种电动汽车退役电池组等效模型建模方法,属于电力***中电池储能领域。首先,提出适用于电网运行的退役电池单体等效电路模型。其次,分析退役电池放电过程各阶段特点及相应的影响因素。再次,提出退役电池单体等效模型。再次,针对退役电池组,基于信息熵计算串联支路电池间的一致性,修正退役电池组等效电动势模型及等效内阻模型。最后,得到考虑一致性的电动汽车退役电池组等效模型。本发明针对电动汽车退役电池组再利用参与电网运行问题提出退役电池组的等效模型,计及退役电池的串联支路单体电池间的差异,基于退役电池间的一致性对等效模型进行修正,保证应用于电力***的等效模型的可行性和准确性,充分发挥其剩余价值,提高配电网运行的经济性。
Description
技术领域
本发明属于电力***中电池储能应用领域。涉及到退役电池组在电力***运行中的相关理论,特别涉及到一种应用于电力***的电动汽车退役电池组等效模型建模方法。
背景技术
随着能源短缺和环境污染问题日趋严峻,传统机动车辆因其污染物排放饱受诟病,而电动汽车以其环保等优点受到广泛关注。电动汽车电池在使用中,最大容量会逐渐减小,为了保证电动汽车续驶里程和安全,当电池容量剩余80%时,电池必须退出运行。退役下来的电池可以应用在对能量密度不高的场景,从而提高资源使用效率。近年来,我国大力推广电动汽车,电动汽车规模增速显著。电动汽车的大量推广带来大规模的退役电池。
储能技术的发展给电力***带来很多机遇,其在电力***领域更是发挥着重要作用。电池储能技术的应用极大地增强了电网的主动调控能力,提高了能源利用效率。将电动汽车退役电池应用在电网储能***中,既可以实现电池的高效利用,降低电动汽车成本,防止环境污染,又可以促进电网储能***的发展,降低储能***的投资,兼顾了各方利益。随着电动汽车数量的增加,高效合理利用退役电池具有巨大的社会经济效益。研究退役电池在主动配电网中的应用具有重要意义。
国外学者针对退役电池再利用进行了许多研究。文献(Viswanathan V,Kintner-Meyer M.Second use of transportation batteries:Maximizing the value ofbatteries for transportation and grid services[J].IEEE Transactions onvehicular technology,2011,60(7):2963-2970.)评估了电动汽车退役电池在电力***中再利用的可行性,分析了电池的循环寿命、充放电深度、健康状态等影响退役电池再利用经济效益的重要因素,为汽车行业最大化利用电动汽车电池提供了有益的观点。文献(刘坚.电动汽车退役电池储能应用潜力及成本分析[J].储能科学与技术,2017,6(2):243-249.)评估了电动汽车退役电池应用于电力***储能的潜力,文章指出随着电动汽车的推广,退役电池的储能容量将达到电池储能容量的15%左右,拥有巨大的储能潜力。文献(张金国,焦东升,王小君,朱洁,和敬涵,巩超.基于梯级利用电池的储能***经济运行分析[D].北京:北京交通大学电气工程学院,2014.)将退役电池用于电动汽车快速充电站,分析了退役电池用于储能***可延缓配电网升级改造,降低网损,削峰填谷等经济价值,通过遗传算法对模型进行优化,结果表明在电动汽车快速充电站梯次利用电池储能可以降低变压器的容量,实现削峰填谷,具备较好的经济效益。
电池模型是研究电池性能的有效手段,也是电池组应用于电力***中的重要途径。电池常用的模型包括:电化学模型,等效电路模型,神经网络模型等。锂电池常用的等效电路模型包括:内阻抗模型,Thevenin模型,PNGV模型,GNL模型,混合等效模型及由上述模型改进而来的模型。综上所述,电动汽车退役电池具有重组再利用的价值,如何建立适用于电力***的退役电池组等效模型具有重要意义。
发明内容
针对现有技术存在的问题,本发明提供一种电动汽车退役电池组等效模型建模方法。
本发明采用的技术方案为:
一种电动汽车退役电池组等效模型建模方法,包括以下步骤:
步骤1.电动汽车退役电池组是由多个退役电池单体通过串联及并联组成。综合考虑电池内部电化学反应机理,放电曲线特征,电路元件特性,提出适用于电网运行的退役电池单体等效电路模型,模型由电池电动势E、电池欧姆内阻RS及两个阻容并联电路串联组成。其中,阻容并联电路一是由电池固体电解质膜(solid electrolyte interface,SEI)的电阻Rsei和电容Csei并联;阻容并联电路二是由双电层电容Cp和电荷传递电阻Rp并联,反应电极与电解质界面处模型。电池电动势E与电池荷电状态(State of Charge,SoC),温度相关;对于一定老化程度的电池,RS为定值;在一定范围内,可忽略温度的影响设定环境温度25℃。
步骤2.基于步骤1提出的退役电池单体等效电路模型,结合电池实际放电曲线,分析确定影响各个阶段的影响因素和参数,具体为:阶跃阶段形成的主要原因是欧姆内阻上的压降,当电池接通导电时,欧姆内阻Rs可瞬时形成压降,导致端电压下降,此时由于电容电压不能突变,Csei,Cp两端电压均为0;平台阶段,电容逐渐充电,加之SOC逐渐减小导致电动势减小,因此平台阶段,路端电压缓慢下降;回幅阶段,电池已被断开通路,电池两端悬空,此时,Csei,Cp两电容分别通过Rsei,Rp形成放电回路进行放电。
步骤3.拟合退役电池单体等效电路模型中电动势E和电池荷电状态SOC的表达式,如式(1)所示。
式中,a,b,c,d,e,f为系数,可通过电池实际放电曲线拟合得到。
步骤4.建立退役电池单体等效电路模型中各参数Csei,Rsei,Cp,Rp与SOC关系如式(2)-式(5)所示。
Csei=Csei,0(1+α1SOC) (2)
Rsei=Rsei,0(1-β1SOC) (3)
Cp=Cp,0(1+α2SOC) (4)
Rp=Rp,0(1-β2SOC) (5)
式中,Csei,0为退役电池单体SOC为0时的SEI电容;Rsei,0为退役电池单体SOC为0时的SEI电阻;Cp,0为退役电池单体SOC为0时的双电层电容;Rp,0为退役电池单体SOC为0时的电荷传递电阻。α1,β1,α2,β2为系数,可通过电池实际放电曲线拟合得到。
步骤5.通过步骤1-步骤4可以得到退役电池单体等效模型,退役电池组是由多个退役电池串并联组成,设电池组中串联支路单体电池个数为m,并联支路中串联支路个数为n,则退役电池组中共有m×n个退役电池单体。在稳态运行中,退役电池单体等效电路模型中电容元件两端电压恒定,电容对电路无影响,去掉电容元件,化简后的退役电池单体等效模型由电动势和电阻组成。退役电池组等效电动势Eep如式(6)所示。
Eep=mE (6)
步骤6.退役电池组等效电阻Req如式(7)所示。
步骤7.基于信息熵计算串联支路单体电池一致性,定义一致性系数如式(8)。
其中,SOCmean为退役电池组电池荷电状态的平均值;SOCN为退役电池组电池荷电状态的额定值;H为退役电池数据信息熵;Hmax为退役电池数据信息熵的最大值。
步骤8.通过一致性系数μ修正电池组等效电路中等效电动势和等效电阻,修正后的退役电池组等效电动势和退役电池组等效电阻分别如式(9)和式(10)所示。
Eep=μmE (9)
综上,可以得到一种退役电池组电池一致性计算方法,以及计及一致性的退役电池组等效电动势和等效内阻计算方法,进而得到一种应用于电力***的电动汽车退役电池组等效模型建模方法。
本发明的效果和益处是:提出了一种应用于电力***的电动汽车退役电池组等效模型建模方法。针对电动汽车退役电池组再利用与电力***运行问题,建立电池组的等效模型,计及退役电池的串联支路单体电池间的差异,基于退役电池间的一致性对等效模型进行修正,保证应用于电力***的等效模型的可行性和准确性,充分发挥其剩余价值,提高配电网运行的经济性。
附图说明
图1是电池等效电路。
图2是电池放电曲线。
图3是电池等效电路仿真结果。
图4是电池等效电路仿真误差。
图5是改造IEEE33节点***。
图6是电压源换流器模型。
图7是静态最优潮流优化结果节点电压。
具体实施方式
以下结合具体实施例对本发明做进一步说明。
第一步,通过MATLAB/Simulink对所建立的退役电池等效电路模型进行仿真,电动势采用受控电压源模拟,Csei,Rsei,Cp,Rp采用相应的可变电阻或可变电容模拟,元件参数均是SOC的函数,负荷采用受控电流源模拟。仿真过程中电流为恒定值2A,SOC计算方法如式(11)所示,进而通过式(1)-(5)计算相应参数值。
式中,C0是电池放电初始容量;Cn为电池额定容量(2Ah);Δt是仿真步长。
仿真结果如图3所示。从图中可以看出,仿真结果与实际电池放电实验数据的误差均方根差为0.0779,模型满足精度要求。进一步分析误差,如图4所示,电压误差在0.1V(3%)范围内。
第二步,退役电池等效电路模型建模。
步骤1.建立如图1所示的退役电池单体等效电路,基于改造IEEE33节点***,增加34节点作为储能***接入网络节点,如图5改进33节点***所示,34节点经10/0.4kV变压器(S11-1000/10-0.4)与换流器交流侧相连,换流器直流侧连接退役电池组。将电池组接入潮流计算各节点电压幅值最低点18节点,功率基准值10MW,10kV电压等级线路电压基准值12.66kV,0.4kV电压等级线路电压基准值0.4kV。
步骤2.基于退役电池单体等效电路模型,结合电池实际放电曲线,分析确定影响各个阶段的影响因素和参数。
步骤3.退役电池组由18650(4.2V/2Ah)单体电池组成,基于电池实际放电曲线拟合得到,a=0.6643,b=3.594,c=-8.029,d=145.6,e=-3.287,f=38.44。
步骤4.计算Csei,0=216,Rsei,0=0.1663,Cp,0=1151,Rp,0=0.1894;基于电池实际放电曲线拟合得到,α1=5,β1=0.85,α2=1.2,β2=0.8;给定退役电池单体内阻Rs=0.2183。
步骤5.基于式(6)计算,每个电池模组由500个单体电池按10串50并组成,则电池模组等效电动势为42V。将20个电池模组串联安装在具有散热功能的支架上,组成一个电池簇,等效电动势Eep=200E=840V,由16个电池簇并联组成退役电池组。
步骤7.随机生成符合不同分布的初始SOC数据,基于式(8)计算串联支路单体电池一致性,分别以一致性0.85,0.95和1为例进行后续算例分析。
步骤8.通过一致性系数μ修正电池组等效电路中等效电动势和等效电阻,修正后的退役电池组等效电动势和退役电池组等效电阻,并应用于图5所示***中。
第三步,通过电压源换流器(voltage source converter,VSC)将退役电池组接入改造IEEE33节点***,其中VSC模型如图6所示。VSC模型由换流桥,换流器电抗Xl换流器电阻R和交流滤波器Xc组成。交流母线电压为换流桥交流侧电压为δ为滞后的相角。换流桥直流侧电压为Ud,电流为Id。换流桥交流侧电压有效值Uc的大小由Ud、脉宽调制度M(0≤M≤1)及直流电压利用率η决定,如式(12)所示。
各物理量以图6所示方向为正方向,VSC与交流母线间传输的有功功率和无功功率为:
换流桥两侧的输入输出功率应相等,如式(15)所示。
Pc=UdId (15)
第四步,以网损最小为目标,建立含上述退役电池组的配电网优化潮流模型,具体模型如式(16)所示。
式中,Pn,Qn分别为节点n的注入有功功率,无功功率。Un,In,θn为节点n的电压、注入电流及其相位差,N为交流节点数量。Ulb,Uub分别为节点电压的下限和上限。Plb,Pub,Qlb,Qub分别为储能***与交流网络传输有功功率和无功功率的下限和上限。
第五步,将退役电池组模型应用于配电网静态优化最优计算,优化在三种场景下进行,分别为:
场景一:储能***退役电池一致性系数0.85;
场景二:储能***退役电池一致性系数0.95;
场景三:储能***退役电池一致性系数1。
电压、电池储能出力上、下限如表1所示。
表1电压、电池储能出力上、下限
三种场景优化结果,节点电压幅值如图7所示,由图可知,场景二和场景三优化结果相同,场景一中各节点电压幅值不大于其它两种场景。表2为三种场景优化结果中交流网络有功网损。而场景一中由于退役电池组中一致性最差,所以网损最高,而场景二和场景三中,由于一致性高,电池可用容量大,均涵盖了最优解,所以两组优化结果相同。
表2静态最优潮流优化结果
三种场景下,优化结果中直流参数如表3所示。场景一中,VSC脉宽调制度0.9999,接近于其上限1,该物理量衡量了储能***出力的大小,当其达到上限时,表明储能***出力也达到了其上限。脉宽调制度越小,表明储能***仍有较大的余量,可继续出力。三种场景中,储能***单体电池一致性系数依次增加,而脉宽调制度依次减小,一致性最高的场景三中,储能***调节能力最高。场景一中,由于组成储能***的单体电池一致性限制了储能***的出力,致使无法达到最优状态。
表3静态最优潮流结果直流参数
通过上述分析可知,在以网络有功损耗最小为目标函数的优化模型中,退役电池组可以辅助降低网损,提高配电网的经济性。退役电池组的一致性越高,网损越小,出力能力受限。提出的退役电池组等效模型计算方法能够贴近电池实际运行状态,所参与的配电网最优潮流模型能够达到预期目标,使目标函数达到参数限制条件下的最优状态。
以上所述实施例仅表达了本发明的实施方式,但并不能因此而理解为对本发明专利的范围的限制,应当指出,对于本领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些均属于本发明的保护范围。
Claims (1)
1.一种电动汽车退役电池组等效模型建模方法,其特征在于,包括以下步骤:
步骤1.提出适用于电网运行的退役电池单体等效电路模型,所述退役电池单体等效电路模型由电池电动势E、电池欧姆内阻RS及两个阻容并联电路串联组成;其中,阻容并联电路一是由电池固体电解质膜SEI的电阻Rsei和电容Csei并联;阻容并联电路二是由双电层电容Cp和电荷传递电阻Rp并联;
步骤2.根据步骤1的退役电池单体等效电路模型,结合电池实际放电曲线,分析确定影响各个阶段的影响因素和参数,具体为:阶跃阶段形成的主要原因是欧姆内阻上的压降,当电池接通导电时,欧姆内阻Rs可瞬时形成压降,导致端电压下降,此时由于电容电压不能突变,Csei,Cp两端电压均为0;平台阶段,电容逐渐充电,电动势减小,路端电压缓慢下降;回幅阶段,电池已被断开通路,电池两端悬空,此时,Csei,Cp两电容分别通过Rsei,Rp形成放电回路进行放电;
步骤3.拟合退役电池单体等效电路模型中电动势E和电池荷电状态SOC的表达式,如式(1)所示;
式中,a,b,c,d,e,f为系数,通过电池实际放电曲线拟合得到;
步骤4.建立退役电池单体等效电路模型中各参数Csei,Rsei,Cp,Rp与SOC关系如式(2)-式(5)所示;
Csei=Csei,0(1+α1SOC) (2)
Rsei=Rsei,0(1-β1SOC) (3)
Cp=Cp,0(1+α2SOC) (4)
Rp=Rp,0(1-β2SOC) (5)
式中,Csei,0为退役电池单体SOC为0时的SEI电容;Rsei,0为退役电池单体SOC为0时的SEI电阻;Cp,0为退役电池单体SOC为0时的双电层电容;Rp,0为退役电池单体SOC为0时的电荷传递电阻;α1,β1,α2,β2为系数,通过电池实际放电曲线拟合得到;
步骤5.通过步骤1-步骤4得到退役电池单体等效模型,退役电池组是由多个退役电池串并联组成,设退役电池组中串联支路单体电池个数为m,并联支路中串联支路个数为n,则退役电池组中共有m×n个退役电池单体;在稳态运行中,退役电池单体等效电路模型中电容元件两端电压恒定,电容对电路无影响,去掉电容元件,化简后的退役电池单体等效模型由电动势和电阻组成;退役电池组等效电动势Eep如式(6)所示;
Eep=mE (6)
步骤6.退役电池组等效电阻Req如式(7)所示;
步骤7.基于信息熵计算串联支路单体电池一致性,定义一致性系数如式(8);
其中,SOCmean为退役电池组电池荷电状态的平均值;SOCN为退役电池组电池荷电状态的额定值;H为退役电池数据信息熵;Hmax为退役电池数据信息熵的最大值;
步骤8.通过一致性系数μ修正电池组等效电路中等效电动势和等效电阻,修正后的退役电池组等效电动势和退役电池组等效电阻,分别如式(9)和式(10)所示;
Eep=μmE (9)
综上,完成应用于电力***的电动汽车退役电池组等效模型的建模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010638273.4A CN111856285B (zh) | 2020-07-06 | 2020-07-06 | 一种电动汽车退役电池组等效模型建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010638273.4A CN111856285B (zh) | 2020-07-06 | 2020-07-06 | 一种电动汽车退役电池组等效模型建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111856285A CN111856285A (zh) | 2020-10-30 |
CN111856285B true CN111856285B (zh) | 2021-06-08 |
Family
ID=73151905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010638273.4A Expired - Fee Related CN111856285B (zh) | 2020-07-06 | 2020-07-06 | 一种电动汽车退役电池组等效模型建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111856285B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114200320A (zh) * | 2021-12-09 | 2022-03-18 | 西安理工大学 | 一种基于soc一致性匹配的退役动力电池重组方法 |
CN117233617B (zh) * | 2023-11-14 | 2024-02-13 | 苏州易来科得科技有限公司 | 循环工况下的锂离子电池老化测试方法、存储介质和设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912799A (zh) * | 2016-04-27 | 2016-08-31 | 华中科技大学 | 一种液态或半液态金属电池的建模方法 |
CN107367698A (zh) * | 2017-08-25 | 2017-11-21 | 北京交通大学 | 电动汽车锂电池组的健康状态预测方法 |
CN108872865A (zh) * | 2018-05-29 | 2018-11-23 | 太原理工大学 | 一种防滤波发散的锂电池soc估算方法 |
CN109031145A (zh) * | 2018-08-10 | 2018-12-18 | 山东大学 | 一种考虑不一致性的串并联电池组模型及实现方法 |
CN109299752A (zh) * | 2018-11-30 | 2019-02-01 | 济宁市创启信息科技有限公司 | 一种基于聚类与信息熵的废旧动力电池一致性指标的优选方法 |
CN110009024A (zh) * | 2019-03-26 | 2019-07-12 | 西安工程大学 | 一种基于id3算法的数据分类方法 |
CN110376525A (zh) * | 2019-07-29 | 2019-10-25 | 国网河南省电力公司电力科学研究院 | 一种评价退役磷酸铁锂电池寿命衰减性能的方法 |
CN110441695A (zh) * | 2019-08-07 | 2019-11-12 | 南京佑创汽车研究院有限公司 | 一种基于模型和信号处理相结合的电池组多故障综合诊断方法 |
CN110568363A (zh) * | 2019-07-29 | 2019-12-13 | 国网河南省电力公司电力科学研究院 | 一种基于sei膜阻抗变化的退役电池产生锂枝晶预判方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5008863B2 (ja) * | 2005-11-30 | 2012-08-22 | プライムアースEvエナジー株式会社 | 二次電池用の制御装置、二次電池の温度推定方法を用いた二次電池の劣化判定方法 |
-
2020
- 2020-07-06 CN CN202010638273.4A patent/CN111856285B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105912799A (zh) * | 2016-04-27 | 2016-08-31 | 华中科技大学 | 一种液态或半液态金属电池的建模方法 |
CN107367698A (zh) * | 2017-08-25 | 2017-11-21 | 北京交通大学 | 电动汽车锂电池组的健康状态预测方法 |
CN108872865A (zh) * | 2018-05-29 | 2018-11-23 | 太原理工大学 | 一种防滤波发散的锂电池soc估算方法 |
CN109031145A (zh) * | 2018-08-10 | 2018-12-18 | 山东大学 | 一种考虑不一致性的串并联电池组模型及实现方法 |
CN109299752A (zh) * | 2018-11-30 | 2019-02-01 | 济宁市创启信息科技有限公司 | 一种基于聚类与信息熵的废旧动力电池一致性指标的优选方法 |
CN110009024A (zh) * | 2019-03-26 | 2019-07-12 | 西安工程大学 | 一种基于id3算法的数据分类方法 |
CN110376525A (zh) * | 2019-07-29 | 2019-10-25 | 国网河南省电力公司电力科学研究院 | 一种评价退役磷酸铁锂电池寿命衰减性能的方法 |
CN110568363A (zh) * | 2019-07-29 | 2019-12-13 | 国网河南省电力公司电力科学研究院 | 一种基于sei膜阻抗变化的退役电池产生锂枝晶预判方法 |
CN110441695A (zh) * | 2019-08-07 | 2019-11-12 | 南京佑创汽车研究院有限公司 | 一种基于模型和信号处理相结合的电池组多故障综合诊断方法 |
Non-Patent Citations (2)
Title |
---|
Optimization Strategy for Economic Power Dispatch;Shubo Hu et al.;《energies》;20180626;第1-21页 * |
基于运行数据融合的储能电池一致性评估方法研究;贾学翠 等;《供用电》;20170430;第29-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111856285A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hegazy et al. | Particle swarm optimization for optimal powertrain component sizing and design of fuel cell hybrid electric vehicle | |
Hegazy et al. | Optimal power management and powertrain components sizing of fuel cell/battery hybrid electric vehicles based on particle swarm optimisation | |
CN111856285B (zh) | 一种电动汽车退役电池组等效模型建模方法 | |
CN110365034B (zh) | 一种计及储能容量配置的微电网电能优化调度方法 | |
Liu et al. | Multi-objective optimization of energy management strategy on hybrid energy storage system based on radau pseudospectral method | |
CN106114253A (zh) | 一种负载自适应的非车载充电桩控制方法 | |
Masih-Tehrani et al. | A novel power distribution system employing state of available power estimation for a hybrid energy storage system | |
CN109066746B (zh) | 一种含有储能***的电力***惯性时间常数获得方法 | |
CN113824111A (zh) | 一种光储能场景中储能容量配置和调度方法 | |
CN115764849A (zh) | 一种混合储能容量优化配置方法及其配置*** | |
CN113352946B (zh) | 一种燃料电池汽车动力***的能量管理方法 | |
CN113799659A (zh) | 一种燃料电池整车能量分配方法 | |
Xu et al. | A hybrid energy storage strategy based on multivariable fuzzy coordinated control of photovoltaic grid‐connected power fluctuations | |
CN112467717A (zh) | 一种基于模糊控制的混合能源***实时负荷分配方法 | |
CN113500940A (zh) | 一种基于粒子群算法的电动汽车有序充放电动态优化策略 | |
Bampoulas et al. | Provision of frequency regulation by a residential microgrid integrating PVs, energy storage and electric vehicle | |
CN116667410A (zh) | 一种基于ev充电需求特性的光储充放***协调调控方法 | |
Zhang et al. | Wavelet transform-based energy management strategy for fuel cell/variable-structure super-capacitor hybrid power system | |
CN115360738B (zh) | 一种考虑可控域约束的电动汽车一次调频控制方法 | |
CN103077291A (zh) | 可设置初始荷电状态的电池充放电过程数字仿真方法 | |
CN114389294B (zh) | 一种面向降维等效的海量电动汽车集中式控制方法及*** | |
CN113610429B (zh) | 一种应用于光-储-充一体化电站的能量管理算法 | |
CN115208026A (zh) | 一种电池组间源荷分离的主动能量均衡方法 | |
Daud et al. | An optimal state of charge feedback control strategy for battery energy storage in hourly dispatch of PV sources | |
CN113555901A (zh) | 基于改进s型函数粒子群优化算法的混合储能容量优化方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210608 |