CN111983464A - 一种基于纯电动车用锂电池析锂测试方法 - Google Patents

一种基于纯电动车用锂电池析锂测试方法 Download PDF

Info

Publication number
CN111983464A
CN111983464A CN202010707369.1A CN202010707369A CN111983464A CN 111983464 A CN111983464 A CN 111983464A CN 202010707369 A CN202010707369 A CN 202010707369A CN 111983464 A CN111983464 A CN 111983464A
Authority
CN
China
Prior art keywords
lithium
time point
sampling period
charging current
lithium battery
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
Application number
CN202010707369.1A
Other languages
English (en)
Other versions
CN111983464B (zh
Inventor
甘林灵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Institute Of Numerical Simulation Technology Co ltd
Original Assignee
Wuhan Institute Of Numerical Simulation Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Institute Of Numerical Simulation Technology Co ltd filed Critical Wuhan Institute Of Numerical Simulation Technology Co ltd
Priority to CN202010707369.1A priority Critical patent/CN111983464B/zh
Publication of CN111983464A publication Critical patent/CN111983464A/zh
Application granted granted Critical
Publication of CN111983464B publication Critical patent/CN111983464B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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]
    • G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开一种基于纯电动车用锂电池析锂测试方法，该方法包括以下步骤：S1、采集测试环境温度，对电池进行恒流充电至截止电压后，再使用截止电压进行恒压充电；S2、设置采样周期，采集恒压充电过程中的充电电流数据和锂电池温度数据，然后确定采样周期中采集时间点的析锂测试参数；其中，所述析锂测试参数包括：基于规格化调整的充电电流、充电电流变化率、基于权重调整的充电电流变化率、锂电池温度变化率；S3、按照采样周期，根据析锂测试参数对锂电池是否析锂作出判断。本发明通过确定采样周期中采集时间点的析锂测试参数，并根据所述析锂测试参数对锂电池是否析锂作出判断，有效解决了现有锂电池是否析锂判定不够全面准确的问题。

Description

一种基于纯电动车用锂电池析锂测试方法
技术领域
本发明涉及锂离子电池析锂测试方法技术领域，具体涉及一种基于纯电动车用锂电池析锂测试方法。
背景技术
锂离子电池在充电时，锂离子从正极脱嵌并嵌入负极；但是当一些异常情况：如负极嵌锂空间不足、锂离子嵌入负极阻力太大、锂离子过快的从正极脱嵌但无法等量的嵌入负极等异常发生时，无法嵌入负极的锂离子只能在负极表面得电子，从而形成银白色的金属锂单质，这也就是常说的“析锂”。
现阶段锂离子电池析锂原因主要包括：负极余量不够造成的析锂；充电机制造成的析锂；嵌锂路径异常造成的析锂；主材异常造成的析锂；特殊原因造成的固定位置析锂；专利号为201910169096.7、申请公布日为2019.06.25、名称为“一种锂离子电池析锂的检测方法”的专利中，提供了一种锂离子电池析锂的检测方法，该专利通过放电曲线直接判断待测锂离子电池是否严重析锂，从而快速判断电池是否存在异常，不需要拆解电池，节约资源和成本，步骤简单且检测效率高；但该专利中未考虑更多的影响因素，因此还存在着判定不够全面准确的问题。
发明内容
有鉴于此，本发明的目的是提供一种基于纯电动车用锂电池析锂测试方法，通过确定采样周期中采集时间点的析锂测试参数，并根据所述析锂测试参数对锂电池是否析锂作出判断，有效解决了现有锂电池是否析锂判定不够全面准确的问题。
本发明所采用的技术方案是，一种基于纯电动车用锂电池析锂测试方法，包括以下步骤：
S1、采集测试环境温度，对电池进行恒流充电至截止电压后，再使用所述截止电压进行恒压充电；
S2、设置采样周期，采集恒压充电过程中的充电电流数据和锂电池温度数据，然后确定采样周期中采集时间点的析锂测试参数；
其中，所述析锂测试参数包括：基于规格化调整的充电电流、充电电流变化率、基于权重调整的充电电流变化率、锂电池温度变化率；
S3、按照所述S2中设置的采样周期，根据所述析锂测试参数对锂电池是否析锂作出判断。
优选地，在所述S2中，所述基于规格化调整的充电电流通过恒压充电过程中的充电电流数据进行规格化调整得到，所述基于规格化调整的充电电流为：
Figure BDA0002592875890000021
其中，Ii′为采样周期内第i个测试时间点的基于规格化调整的充电电流，Ii为采样周期内第i个测试时间点的充电电流，Ii_min为采样周期内第i个测试时间点的最小测试充电电流，Ii_max为采样周期内第i个测试时间点的最大测试充电电流。
优选地，在所述S2中，所述基于规格化调整的充电电流通过恒压充电过程中的充电电流数据进行规格化调整，得到基于规格化调整的充电电流；
Figure BDA0002592875890000031
其中，f(TI)为环境温度影响函数，f(TI)＝8×10-5(TI)2-0.0023TI+0.11；
其中，Ii′为采样周期内第i个测试时间点的基于规格化调整的充电电流，TI为环境温度，TLis为采样周期内期望锂电池温度，TLii为采样周期内第i个测试时间点的锂电池温度，TLii_min为采样周期内第i个测试时间点的锂电池最小测试温度，TLii_max为采样周期内第i个测试时间点的锂电池最大测试温度，Ii为采样周期内第i个测试时间点的充电电流，Ii_min为采样周期内第i个测试时间点的最小测试充电电流，Ii_max为采样周期内第i个测试时间点的最大测试充电电流，τ为规格化经验系数。
优选地，τ取值范围为0.89～0.95。
优选地，τ为0.93。
优选地，在所述S2中，所述基于权重调整的充电电流变化率通过恒压充电过程中的充电电流数据对充电电流变化率基于权重调整得到，所述基于权重调整的充电电流变化率为：
Figure BDA0002592875890000032
其中，
Figure BDA0002592875890000033
其中，WIi为采样周期内第i个测试时间点的充电电流变化率的经验赋予权值，且满足条件
Figure BDA0002592875890000034
Ei为采样周期内第i个测试时间点的充电电流变化率，Ei′为采样周期内第i个测试时间点的基于权重调整的充电电流变化率，n为采样周期内采样个数，Δt为第i个测试时间点与第i-1个测试时间点之间的时间间隔，Ii为采样周期内第i个测试时间点的充电电流，Ii-1为采样周期内第i-1个测试时间点的充电电流。
优选地，令n＝3N，此时，WIi满足条件为：
WI1＝WI2＝…＝WIN＝1.3；
WIN+1＝WIN+2＝…＝WI2N＝1；
WI2N+1＝WI2N+2＝…＝WI3N＝0.7。
优选地，在所述S3中，根据所述析锂测试参数对锂电池是否析锂作出判断，具体为：
根据所述析锂测试参数基于BP神经网络模型对锂电池是否析锂作出判断。
优选地，所述根据所述析锂测试参数对锂电池是否析锂作出判断，具体包括以下步骤：
步骤1、按照采样周期，确定三层BP神经网络的输入层向量x＝{x1,x2,…xi,…,xn}；其中，xi为采样周期内第i个测试时间点的析锂测试参数值，其包括：xi＝(Ii′,Ei,Ei′,ETLii)，Ii′为采样周期内第i个测试时间点的基于规格化调整的充电电流，Ei为采样周期内第i个测试时间点的充电电流变化率，Ei′为采样周期内第i个测试时间点的基于权重调整的充电电流变化率，ETLii为采样周期内第i个测试时间点的锂电池温度变化率；
所述ETLii通过以下公式得到：
Figure BDA0002592875890000041
其中，TLii为采样周期内第i个测试时间点的锂电池温度，TLii-1为采样周期内第i-1个测试时间点的锂电池温度，Δt为第i个测试时间点与第i-1个测试时间点之间的时间间隔；
步骤2、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；
步骤3、得到输出层向量o＝{o1,o2,…oi,…,on}；其中，oi为第i个测试时间点的锂电池析锂状态参数值，
Figure BDA0002592875890000051
当oi＝0时，表示采样周期内第i个测试时间点时锂电池未析锂，当oi＝1时，表示采样周期内第i个测试时间点时锂电池开始析锂。
优选地，所述中间层节点个数m满足：
Figure BDA0002592875890000052
本发明的有益效果是：
本发明通过采集恒压充电过程中的充电电流数据和锂电池温度数据，并确定采样周期中采集时间点的析锂测试参数，然后根据所述析锂测试参数对锂电池是否析锂作出判断，即根据析锂测试参数获得采样周期中采集时间点的析锂测试参数并建立BP神经网络模型的基于纯电动车用锂电池析锂测试模型，通过该BP神经网络模型对基于纯电动车用锂电池析锂情况进行测试并预判，使测试人员在不需要拆解电池的情况下迅速判断电池充电是否存在析锂情形及析锂开始的时间点，有效解决了现有锂电池是否析锂判定不够全面准确的问题，能够对电动汽车用锂离子电池进行保护进而更加合理的使用，延长使用寿命。
附图说明
图1为本发明提供的一种基于纯电动车用锂电池析锂测试方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一种基于纯电动车用锂电池析锂测试方法，如图1所示，包括以下步骤：
S1、确定并采集测试环境温度，对电池进行恒流充电至截止电压后，再使用所述截止电压进行恒压充电；
S2、确定并设置采样周期，采集恒压充电过程中的充电电流数据和锂电池温度数据，然后确定采样周期中采集时间点的析锂测试参数；
其中，所述析锂测试参数包括：基于规格化调整的充电电流、充电电流变化率、基于权重调整的充电电流变化率、锂电池温度变化率；
S3、按照所述S2中设置的采样周期，根据所述析锂测试参数对锂电池是否析锂作出判断。
具体实施中，在所述S2中，所述基于规格化调整的充电电流通过恒压充电过程中的充电电流数据进行规格化调整得到，所述基于规格化调整的充电电流为：
Figure BDA0002592875890000061
其中，Ii′为采样周期内第i个测试时间点的基于规格化调整的充电电流，Ii为采样周期内第i个测试时间点的充电电流，Ii_min为采样周期内第i个测试时间点的最小测试充电电流，Ii_max为采样周期内第i个测试时间点的最大测试充电电流。
具体实施中，基于规格化调整的充电电流还可以通过以下方法得到，即在所述S2中，所述基于规格化调整的充电电流通过恒压充电过程中的充电电流数据进行规格化调整，得到基于规格化调整的充电电流；
Figure BDA0002592875890000071
其中，f(TI)为环境温度影响函数，f(TI)＝8×10-5(TI)2-0.0023TI+0.11；
其中，Ii′为采样周期内第i个测试时间点的基于规格化调整的充电电流，TI为环境温度，TLis为采样周期内期望锂电池温度，TLii为采样周期内第i个测试时间点的锂电池温度，TLii_min为采样周期内第i个测试时间点的锂电池最小测试温度，TLii_max为采样周期内第i个测试时间点的锂电池最大测试温度，Ii为采样周期内第i个测试时间点的充电电流，Ii_min为采样周期内第i个测试时间点的最小测试充电电流，Ii_max为采样周期内第i个测试时间点的最大测试充电电流，τ为规格化经验系数，τ取值范围为0.89～0.95；τ的优选值为0.93。
具体实施中，在所述S2中，所述基于权重调整的充电电流变化率通过恒压充电过程中的充电电流数据对充电电流变化率基于权重调整得到，所述基于权重调整的充电电流变化率为：
Figure BDA0002592875890000072
其中，
Figure BDA0002592875890000073
其中，WIi为采样周期内第i个测试时间点的充电电流变化率的经验赋予权值，且满足条件
Figure BDA0002592875890000074
Ei为采样周期内第i个测试时间点的充电电流变化率，Ei′为采样周期内第i个测试时间点的基于权重调整的充电电流变化率，n为采样周期内采样个数，Δt为第i个测试时间点与第i-1个测试时间点之间的时间间隔，Ii为采样周期内第i个测试时间点的充电电流，Ii-1为采样周期内第i-1个测试时间点的充电电流。
具体实施中，锂电池温度变化率可以为：
Figure BDA0002592875890000081
其中，ETLii为采样周期内第i个测试时间点的锂电池温度变化率，TLii为采样周期内第i个测试时间点的锂电池温度，TLii-1为采样周期内第i-1个测试时间点的锂电池温度，Δt为第i个测试时间点与第i-1个测试时间点之间的时间间隔。
作为一种优选，令n＝3N，此时，WIi满足条件为：
WI1＝WI2＝…＝WIN＝1.3；
WIN+1＝WIN+2＝…＝WI2N＝1；
WI2N+1＝WI2N+2＝…＝WI3N＝0.7。
具体实施中，在所述S3中，根据所述析锂测试参数对锂电池是否析锂作出判断，具体为：
根据所述析锂测试参数基于BP神经网络模型对锂电池是否析锂作出判断。
具体来说，所述根据所述析锂测试参数对锂电池是否析锂作出判断，具体包括以下步骤：
步骤1、建立BP神经网络模型：
本发明采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示设备工作状态的n个检测信号，这些信号参数由数据预处理模块给出。第二层为中间层，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共n个节点，由***实际需要输出的响应确定。
该网络的数学模型为：
输入层向量：x＝(x1,x2,...,xn)T
中间层向量：y＝(y1,y2,...,ym)T
输出层向量：O＝(o1,o2,...,on)T
按照采样周期，确定三层BP神经网络的输入层向量x＝{x1,x2,…xi,…,xn}；其中，xi为采样周期内第i个测试时间点的析锂测试参数值，其包括：xi＝(Ii′,Ei,Ei′,ETLii)，Ii′为采样周期内第i个测试时间点的基于规格化调整的充电电流，Ei为采样周期内第i个测试时间点的充电电流变化率，Ei′为采样周期内第i个测试时间点的基于权重调整的充电电流变化率，ETLii为采样周期内第i个测试时间点的锂电池温度变化率；
所述ETLii通过以下公式得到：
Figure BDA0002592875890000091
其中，TLii为采样周期内第i个测试时间点的锂电池温度，TLii-1为采样周期内第i-1个测试时间点的锂电池温度，Δt为第i个测试时间点与第i-1个测试时间点之间的时间间隔；
步骤2、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；
作为优选地，所述中间层节点个数m满足：
Figure BDA0002592875890000092
步骤3、得到输出层向量o＝{o1,o2,…oi,…,on}；其中，oi为第i个测试时间点的锂电池析锂状态参数值，
Figure BDA0002592875890000093
当oi＝0时，表示采样周期内第i个测试时间点时锂电池未析锂，当oi＝1时，表示采样周期内第i个测试时间点时锂电池开始析锂。
本实施例还包括对BP神经网络的训练，即进行BP神经网络的训练，具体过程为：
建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值，隐层节点j和输出层节点k之间的连接权值。
(1)训练方法
各子网采用单独训练的方法；训练时，首先要提供一组训练样本，其中的每一个样本由输入样本和理想输出对组成，当网络的所有实际输出与其理想输出一致时，表明训练结束；否则，通过修正权值，使网络的理想输出与实际输出一致；在本实施例中，使充电时间为1800s，n＝30，Δt＝60s，各子网训练时的输出样本如表1所示。
表1各子网训练时的输出样本
Figure BDA0002592875890000101
Figure BDA0002592875890000111
(2)训练算法
BP网络采用误差反向传播(Backward Propagation)算法进行训练，其步骤可归纳如下：
第一步：选定一结构合理的网络，设置所有节点阈值和连接权值的初值。
第二步：对每个输入样本作如下计算：
(a)前向计算：对l层的j单元
Figure BDA0002592875890000121
式中，
Figure BDA0002592875890000122
为第n次计算时l层的j单元信息加权和，
Figure BDA0002592875890000123
为l层的j单元与前一层(即l-1层)的单元i之间的连接权值，
Figure BDA0002592875890000124
为前一层(即l-1层，节点数为nl-1)的单元i送来的工作信号；i＝0时，令
Figure BDA0002592875890000125
为l层的j单元的阈值。
若单元j的激活函数为sigmoid函数，则
Figure BDA0002592875890000126
且
Figure BDA0002592875890000127
若神经元j属于第一隐层(l＝1)，则有
Figure BDA00025928758900001211
若神经元j属于输出层(l＝L)，则有
Figure BDA00025928758900001212
且ej(n)＝xj(n)-oj(n)；
(b)反向计算误差：
对于输出单元
Figure BDA0002592875890000129
对隐单元
Figure BDA00025928758900001210
(c)修正权值：
Figure BDA0002592875890000131
η为学习速率。
第三步：输入新的样本或新一周期样本，直到网络收敛，在训练时各周期中样本的输入顺序要重新随机排序。
BP算法采用梯度下降法求非线性函数极值，存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是Levenberg-Marquardt优化算法，它使得网络学习时间更短，能有效地抑制网络陷于局部极小。其权值调整率选为
Δω＝(JTJ+μI)-1JTe
其中，J为误差对权值微分的雅可比(Jacobian)矩阵，I为输入向量，e为误差向量，变量μ是一个自适应调整的标量，用来确定学习是根据牛顿法还是梯度法来完成。
我们还使用额定容量为2Ah的镍锰钴/石墨三元锂电池作为实验对象，分别在不同的测试条件下进行析锂测试，对完成检测的锂电池以1C放电倍率进行放电直至放空为止，接着拆解锂电池，确认锂电池是否有析锂现象，从而确认本实施例的检测结果与事实相符，测试结果如表2所示。
表2锂电池测试结果
Figure BDA0002592875890000132
Figure BDA0002592875890000141
本发明公开了一种基于纯电动车用锂电池析锂测试方法，对待测试评估的电动汽车用锂离子电池进行测试，并通过采集包括基于规格化调整的充电电流、充电电流变化率、基于权重调整的充电电流变化率和锂电池温度变化率的析锂测试参数，并根据析锂测试参数对锂电池是否析锂作出判断，使测试人员在不需要拆解电池的情况下快速判断电池充电是否存在析锂情形，能够对电动汽车用锂离子电池进行保护进而更加合理的使用，延长使用寿命。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，它完全可以被适用于各种适合本发明的领域；同时任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准，在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和具体的实施例。

Claims (10)

1.一种基于纯电动车用锂电池析锂测试方法，其特征在于，包括以下步骤：
S1、采集测试环境温度，对电池进行恒流充电至截止电压后，再使用所述截止电压进行恒压充电；
S2、设置采样周期，采集恒压充电过程中的充电电流数据和锂电池温度数据，然后确定采样周期中采集时间点的析锂测试参数；
其中，所述析锂测试参数包括：基于规格化调整的充电电流、充电电流变化率、基于权重调整的充电电流变化率、锂电池温度变化率；
S3、按照所述S2中设置的采样周期，根据所述析锂测试参数对锂电池是否析锂作出判断。
2.根据权利要求1所述的一种基于纯电动车用锂电池析锂测试方法，其特征在于，在所述S2中，所述基于规格化调整的充电电流通过恒压充电过程中的充电电流数据进行规格化调整得到，所述基于规格化调整的充电电流为：
Figure FDA0002592875880000011
其中，Ii′为采样周期内第i个测试时间点的基于规格化调整的充电电流，Ii为采样周期内第i个测试时间点的充电电流，Ii_min为采样周期内第i个测试时间点的最小测试充电电流，Ii_max为采样周期内第i个测试时间点的最大测试充电电流。
3.根据权利要求1所述的一种基于纯电动车用锂电池析锂测试方法，其特征在于，在所述S2中，所述基于规格化调整的充电电流通过恒压充电过程中的充电电流数据进行规格化调整，得到基于规格化调整的充电电流；
Figure FDA0002592875880000021
其中，f(TI)为环境温度影响函数，f(TI)＝8×10-5(TI)2-0.0023TI+0.11；
其中，Ii′为采样周期内第i个测试时间点的基于规格化调整的充电电流，TI为环境温度，TLis为采样周期内期望锂电池温度，TLii为采样周期内第i个测试时间点的锂电池温度，TLii_min为采样周期内第i个测试时间点的锂电池最小测试温度，TLii_max为采样周期内第i个测试时间点的锂电池最大测试温度，Ii为采样周期内第i个测试时间点的充电电流，Ii_min为采样周期内第i个测试时间点的最小测试充电电流，Ii_max为采样周期内第i个测试时间点的最大测试充电电流，τ为规格化经验系数。
4.根据权利要求3所述的一种基于纯电动车用锂电池析锂测试方法，其特征在于，τ取值范围为0.89～0.95。
5.根据权利要求4所述的一种基于纯电动车用锂电池析锂测试方法，其特征在于，τ为0.93。
6.根据权利要求1所述的一种基于纯电动车用锂电池析锂测试方法，其特征在于，在所述S2中，所述基于权重调整的充电电流变化率通过恒压充电过程中的充电电流数据对充电电流变化率基于权重调整得到，所述基于权重调整的充电电流变化率为：
Figure FDA0002592875880000031
其中，
Figure FDA0002592875880000032
其中，WIi为采样周期内第i个测试时间点的充电电流变化率的经验赋予权值，且满足条件
Figure FDA0002592875880000033
Ei为采样周期内第i个测试时间点的充电电流变化率，Ei′为采样周期内第i个测试时间点的基于权重调整的充电电流变化率，n为采样周期内采样个数，Δt为第i个测试时间点与第i-1个测试时间点之间的时间间隔，Ii为采样周期内第i个测试时间点的充电电流，Ii-1为采样周期内第i-1个测试时间点的充电电流。
7.根据权利要求6所述的一种基于纯电动车用锂电池析锂测试方法，其特征在于，令n＝3N，此时，WIi满足条件为：
WI1＝WI2＝…＝WIN＝1.3；
WIN+1＝WIN+2＝…＝WI2N＝1；
WI2N+1＝WI2N+2＝…＝WI3N＝0.7。
8.根据权利要求1所述的一种基于纯电动车用锂电池析锂测试方法，其特征在于，在所述S3中，根据所述析锂测试参数对锂电池是否析锂作出判断，具体为：
根据所述析锂测试参数基于BP神经网络模型对锂电池是否析锂作出判断。
9.根据权利要求8所述的一种基于纯电动车用锂电池析锂测试方法，其特征在于，所述根据所述析锂测试参数对锂电池是否析锂作出判断，具体包括以下步骤：
步骤1、按照采样周期，确定三层BP神经网络的输入层向量x＝{x1,x2,…xi,…,xn}；其中，xi为采样周期内第i个测试时间点的析锂测试参数值，其包括：xi＝(Ii′,Ei,Ei′,ETLii)，Ii′为采样周期内第i个测试时间点的基于规格化调整的充电电流，Ei为采样周期内第i个测试时间点的充电电流变化率，Ei′为采样周期内第i个测试时间点的基于权重调整的充电电流变化率，ETLii为采样周期内第i个测试时间点的锂电池温度变化率；
所述ETLii通过以下公式得到：
Figure FDA0002592875880000041
其中，TLii为采样周期内第i个测试时间点的锂电池温度，TLii-1为采样周期内第i-1个测试时间点的锂电池温度，Δt为第i个测试时间点与第i-1个测试时间点之间的时间间隔；
步骤2、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；
步骤3、得到输出层向量o＝{o1,o2,…oi,…,on}；其中，oi为第i个测试时间点的锂电池析锂状态参数值，
Figure FDA0002592875880000042
当oi＝0时，表示采样周期内第i个测试时间点时锂电池未析锂，当oi＝1时，表示采样周期内第i个测试时间点时锂电池开始析锂。
10.根据权利要求9所述的一种基于纯电动车用锂电池析锂测试方法，其特征在于，所述中间层节点个数m满足：
Figure FDA0002592875880000043
CN202010707369.1A 2020-07-20 2020-07-20 一种基于纯电动车用锂电池析锂测试方法 Active CN111983464B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010707369.1A CN111983464B (zh) 2020-07-20 2020-07-20 一种基于纯电动车用锂电池析锂测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010707369.1A CN111983464B (zh) 2020-07-20 2020-07-20 一种基于纯电动车用锂电池析锂测试方法

Publications (2)

Publication Number Publication Date
CN111983464A true CN111983464A (zh) 2020-11-24
CN111983464B CN111983464B (zh) 2023-02-10

Family

ID=73438270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010707369.1A Active CN111983464B (zh) 2020-07-20 2020-07-20 一种基于纯电动车用锂电池析锂测试方法

Country Status (1)

Country Link
CN (1) CN111983464B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113064090A (zh) * 2021-03-10 2021-07-02 北京车和家信息技术有限公司 锂离子电池析锂检测方法、装置、介质、车载***和车辆
CN113381482A (zh) * 2021-06-29 2021-09-10 广东工业大学 一种基于休息恢复效应的ups充电最大化方法
CN114200310A (zh) * 2021-12-08 2022-03-18 东莞新能安科技有限公司 电化学装置析锂检测方法及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014185163A1 (ja) * 2013-05-16 2014-11-20 日本電気株式会社 電池状態推定装置、電池状態管理システム、電池、電池状態推定方法、及び、プログラム
CN107728078A (zh) * 2017-11-17 2018-02-23 力信（江苏）能源科技有限责任公司 锂离子电池析锂的检测方法
CN109358290A (zh) * 2018-09-06 2019-02-19 深圳市比克动力电池有限公司 一种锂离子电池析锂的无损检测方法
CN109509927A (zh) * 2019-01-07 2019-03-22 东莞赣锋电子有限公司 一种锂离子电池的充电方式
JP2019117685A (ja) * 2017-10-25 2019-07-18 ゼジャン・ゴッドセンド・パワー・テクノロジー・カンパニー・リミテッド リチウムイオン電池の充放電システム、制御装置及び関連方法
CN110058170A (zh) * 2019-04-04 2019-07-26 桑顿新能源科技有限公司 一种锂离子电池析锂无损表征方法
CN111198328A (zh) * 2018-11-19 2020-05-26 微宏动力***（湖州）有限公司 一种电池析锂检测方法及电池析锂检测***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014185163A1 (ja) * 2013-05-16 2014-11-20 日本電気株式会社 電池状態推定装置、電池状態管理システム、電池、電池状態推定方法、及び、プログラム
JP2019117685A (ja) * 2017-10-25 2019-07-18 ゼジャン・ゴッドセンド・パワー・テクノロジー・カンパニー・リミテッド リチウムイオン電池の充放電システム、制御装置及び関連方法
CN107728078A (zh) * 2017-11-17 2018-02-23 力信（江苏）能源科技有限责任公司 锂离子电池析锂的检测方法
CN109358290A (zh) * 2018-09-06 2019-02-19 深圳市比克动力电池有限公司 一种锂离子电池析锂的无损检测方法
CN111198328A (zh) * 2018-11-19 2020-05-26 微宏动力***（湖州）有限公司 一种电池析锂检测方法及电池析锂检测***
CN109509927A (zh) * 2019-01-07 2019-03-22 东莞赣锋电子有限公司 一种锂离子电池的充电方式
CN110058170A (zh) * 2019-04-04 2019-07-26 桑顿新能源科技有限公司 一种锂离子电池析锂无损表征方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113064090A (zh) * 2021-03-10 2021-07-02 北京车和家信息技术有限公司 锂离子电池析锂检测方法、装置、介质、车载***和车辆
CN113064090B (zh) * 2021-03-10 2024-02-23 北京车和家信息技术有限公司 锂离子电池析锂检测方法、装置、介质、车载***和车辆
CN113381482A (zh) * 2021-06-29 2021-09-10 广东工业大学 一种基于休息恢复效应的ups充电最大化方法
CN114200310A (zh) * 2021-12-08 2022-03-18 东莞新能安科技有限公司 电化学装置析锂检测方法及电子设备
CN114200310B (zh) * 2021-12-08 2023-12-26 东莞新能安科技有限公司 电化学装置析锂检测方法及电子设备

Also Published As

Publication number Publication date
CN111983464B (zh) 2023-02-10

Similar Documents

Publication Publication Date Title
CN111707951B (zh) 一种电池组一致性评估方法及***
CN111983464B (zh) 一种基于纯电动车用锂电池析锂测试方法
CN110045298B (zh) 一种动力电池组参数不一致性的诊断方法
Qiao et al. Online quantitative diagnosis of internal short circuit for lithium-ion batteries using incremental capacity method
CN104267355B (zh) 基于工况测试和简化阻抗谱等效电路模型的电池分选方法
CN106842045B (zh) 一种基于自适应权重方法的电池多模型融合建模方法和电池管理***
CN111007399B (zh) 基于改进生成对抗网络的锂电池荷电状态预测方法
CN108872869B (zh) 一种基于bp神经网络的锂离子电池劣化分类方法
CN109143083B (zh) 一种数据驱动的电动车辆锂离子电池析锂诊断方法
CN110850298B (zh) 基于数据驱动的锂电池soh估计方法及***
CN107422266B (zh) 一种大容量电池储能***的故障诊断方法及装置
CN111537899A (zh) 一种梯次利用动力电池安全性评估方法
CN111366848A (zh) 一种基于pso-elm算法的电池健康状态预测方法
CN110658459B (zh) 基于双向循环神经网络的锂离子电池荷电状态估计方法
CN107192956B (zh) 一种电池短路漏液在线监测方法和装置
CN108732510A (zh) 基于内部特征的锂离子电池一致性筛选分组方法
CN113189490B (zh) 基于特征筛选和高斯过程回归的锂电池健康状态估计方法
CN115494400B (zh) 一种基于集成学习的锂电池析锂状态在线监控方法
CN111983459A (zh) 一种基于车用锂离子电池的健康状态测试评估方法
CN111027625A (zh) 基于SAE和K-means聚类算法的电池筛选方法
CN112083331A (zh) 一种提升锂离子电池荷电状态估计精度的融合方法
CN112782594B (zh) 考虑内阻的数据驱动算法估算锂电池soc的方法
CN114280479A (zh) 一种基于电化学阻抗谱的退役电池快速分选方法
Park et al. Capacity estimation of Li-ion batteries using constant current charging voltage with multilayer perceptron
CN114779103A (zh) 一种基于时滞卷积神经网络的锂离子电池soc估计方法

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