CN112698213B - 分析电化学电池的电阻抗测量结果 - Google Patents
分析电化学电池的电阻抗测量结果 Download PDFInfo
- Publication number
- CN112698213B CN112698213B CN202011140717.8A CN202011140717A CN112698213B CN 112698213 B CN112698213 B CN 112698213B CN 202011140717 A CN202011140717 A CN 202011140717A CN 112698213 B CN112698213 B CN 112698213B
- Authority
- CN
- China
- Prior art keywords
- series
- electrical impedance
- sub
- impedance measurements
- electrochemical cell
- 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.)
- Active
Links
- 238000002847 impedance measurement Methods 0.000 title claims abstract description 326
- 238000000034 method Methods 0.000 claims abstract description 126
- 230000007704 transition Effects 0.000 claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000010351 charge transfer process Methods 0.000 claims abstract description 11
- 238000009792 diffusion process Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 126
- 238000013528 artificial neural network Methods 0.000 claims description 83
- 230000008569 process Effects 0.000 claims description 26
- 238000013519 translation Methods 0.000 claims description 24
- 230000014616 translation Effects 0.000 claims description 24
- 230000003247 decreasing effect Effects 0.000 claims description 17
- 230000001131 transforming effect Effects 0.000 claims description 17
- 230000036541 health Effects 0.000 claims description 10
- 230000007423 decrease Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 5
- 230000001965 increasing effect Effects 0.000 description 23
- 230000006399 behavior Effects 0.000 description 14
- 230000009466 transformation Effects 0.000 description 14
- 238000013527 convolutional neural network Methods 0.000 description 12
- 238000010606 normalization Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 9
- 230000015556 catabolic process Effects 0.000 description 8
- 238000006731 degradation reaction Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 238000000157 electrochemical-induced impedance spectroscopy Methods 0.000 description 7
- 229910001416 lithium ion Inorganic materials 0.000 description 5
- 238000012805 post-processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 229910000625 lithium cobalt oxide Inorganic materials 0.000 description 4
- BFZPBUKRYWOWDV-UHFFFAOYSA-N lithium;oxido(oxo)cobalt Chemical compound [Li+].[O-][Co]=O BFZPBUKRYWOWDV-UHFFFAOYSA-N 0.000 description 4
- 238000000844 transformation Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 229910010707 LiFePO 4 Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 238000001453 impedance spectrum Methods 0.000 description 2
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 2
- 238000004091 panning Methods 0.000 description 2
- 239000006096 absorbing agent Substances 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 239000002800 charge carrier Substances 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Measurement Of Resistance Or Impedance (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请公开了分析电化学电池的电阻抗测量结果。一种用于分析电化学电池的电阻抗测量结果的计算机实现的方法和电阻抗分析***,包括:平移(S22)相应电阻抗测量结果(32),该平移对应于从电阻抗的实部减去欧姆交流电阻值(R0);和使用缩放因子进行缩放(S24),该缩放因子的绝对值基于对应于电阻抗测量结果系列的平移的第一子系列(38)和平移的第二子系列(40)之间的转变点(34)的电阻抗,第一子系列(38)与电化学电池的其中电阻抗受扩散过程支配的电池表现相关联,第二子系列(40)与电化学电池的其中电阻抗受电池的电极处的电荷转移过程支配的电池表现相关联。
Description
技术领域
本发明涉及一种分析电化学电池的电阻抗测量结果的计算机实现方法。此外,本发明涉及一种用于分析电化学电池的电阻抗测量结果的电阻抗分析***。
例如,计算机可以是微控制器。例如,计算机或微控制器可以包括处理单元、存储器和输入/输出端口。
背景技术
WO 2005/059579 A1和EP 1702219 B1描述了一种用于通过使用神经网络来估计电池的充电状态的装置和方法。该装置包括用于检测来自电池单元的电流、电压和温度的感测部以及基于从感测部向其传输的电流、电压和温度的数据和当前时间数据执行神经网络算法和学习算法的神经网络。
US 4678998 A描述了一种电池状况监测器和监测方法。该监测器包括:计算机,其用于根据来自电池的电压和安培数信号的不同频率分量计算蓄电池的内部阻抗;存储器,其用于存储关于频率中每一个蓄电池的内部阻抗、剩余容量和剩余使用寿命之间的预定关系;以及,用于确定蓄电池的剩余容量和剩余使用寿命值在两个或所有频率值处一致的设备。
JP 2003-249271 A和JP 4038788 B2描述了实时确定电池的劣化状态和残余容量。在一个示例中,作为操作中的电池的操作参数,测量单元可以周期性地测量和采样电池的电压、电流、内部阻抗和温度。电池的内部阻抗是通过向电池添加1kHz和100mA的AC信号来测量的。第一神经网络可以基于来自测量单元的电池的操作参数将劣化状态判定为“正常”、“提醒(caution)”和“劣化”,以及第二神经网络可以基于电池的操作参数和来自第一神经网络的劣化状态判定残余容量。
US 6307378 B1描述了一种用于测量电化学池(cell)和电池(battery)阻抗的方法和装置。
WO 03/071617A2描述了一种用于确定电化学池(诸如电池)的状况参数的方法。在一个示例中,诸如终端电压、电池电压、负载电流、充电电流、环境温度、电池表面温度、终端温度、内部电池温度和阻抗信号的测量结果信号被传递到特征提取处理算法,该算法生成特征向量和特征标志。来自特征向量的数据被传递到用于初始电池容量充电状态估计的神经网络ISOC预测器、以及用于在操作期间连续预测SOC的神经网络CSOC预测器。在另一示例中,包含在特征向量中的信息被神经网络SOH分类器、线性/统计SOH分类器和模糊逻辑SOH分类器用于健康状态分类。
WO 2016/208745 A1及其翻译DE 112016002873 T5描述了一种识别电池的充电状态或放电深度的方法。该方法包括针对多个频率确定电池的正极和负极之间的复阻抗。
WO 2017/110437 A1及其翻译DE 11 2016 003 789 T5描述了一种估计锂离子电池的残余容量的估计设备。
WO 2016/080111 A1及其翻译DE 11 2015 005 201 T5描述了一种用于估计蓄电池的剩余存储电量的估计设备。
US2013/0307487 A1和US 8994340 B2描述了一种用于在不使用温度传感器的情况下通过测量池(cells)的阻抗并使用该阻抗确定温度,来确定电池组中池的温度的方法和***。
WO 00/16083和EP 1129343 B1描述了一种在n个离散频率处测量池(cell)或电池的复导抗的实部和虚部的设备。该设备通过评估等效电路模型的组件来确定池/电池的性质。
发明内容
使用电池模型或使用已知值来确定电池性质的传统方法或设备必须特别适用于特定电池。例如,通常,针对同一电池类型的不同电池测量到不同的电阻抗。此外,针对不同的电池类型测量不同的电阻抗。例如,由于磷酸铁锂(LiFePO4)电池单元(battery cell)和锂钴氧化物(LiCoO2)电池单元的不同化学性质,测量磷酸铁锂(LiFePO4)电池单元和锂钴氧化物(LiCoO2)电池单元的不同的电阻抗。此外,根据电解质的添加剂,可以测量不同的电阻抗。
在现有技术中,根据电阻抗确定蓄电池的剩余容量和剩余使用寿命仅对于特定的蓄电池是可能的,对于该蓄电池,电阻抗与剩余容量和剩余使用寿命之间的关系已经预先被确定并针对不同频率中每一个被存储。
本发明的一个目的是提供一种分析电化学电池的电阻抗测量结果的方法,该方法适用于不同的电池、不同的电池配置和/或不同的电池类型的电化学电池,特别是可充电的电化学电池。
本发明的另一个目的是提供一种方法和装置,该方法和装置可以容易地应用于例如特定电池类型的不同的电化学电池,而不需要将该方法或装置适应于特定的电池。
本发明在独立权利要求中指定。另外的实施例在从属权利要求中指定。
根据本发明的一个方面,提供了一种分析电化学电池的电阻抗测量结果的计算机实现的方法,该方法包括:
提供电化学电池的电阻抗测量结果系列,每个电阻抗测量结果是在相应测量频率处被测量到的,该系列是根据相应测量频率进行排序的,
在所提供的电阻抗测量结果系列内识别至少三个子系列,该三个子系列中的第一子系列与电化学电池的其中电阻抗由扩散过程支配的电池表现相关联,该三个子系列中的第二子系列与电化学电池的其中电阻抗由电池的电极处的电荷转移过程支配的电池表现相关联,该三个子系列中的第三子系列在对应于电阻抗的虚部在复平面中的过零点的位置处与第二子系列分离,以及
至少变换电阻抗测量结果系列中的第一子系列和第二子系列,以提供电阻抗测量结果的变换系列,电阻抗测量结果的变换系列具有预定数量的元素,电阻抗测量结果的变换系列包括对应于电阻抗测量结果的第一子系列的变换的第一子系列和对应于电阻抗测量结果的第二子系列的变换的第二子系列,该变换包括:
相应电阻抗测量结果的平移(translating),该平移对应于从电阻抗的实部减去欧姆交流(AC)电阻值,其中欧姆交流电阻值是根据电阻抗的虚部在复平面中的过零点处的电阻抗的实部来确定的,该复平面中的过零点对应于三个子系列中第三子系列与第二子系列分离的位置;和
相应平移的电阻抗测量结果的缩放,该缩放对应于通过相应缩放因子缩放电阻抗的实部和虚部,相应缩放因子的绝对值分别基于对应于电阻抗测量结果系列中的平移的第一子系列和电阻抗测量结果系列的平移的第二子系列之间的转变点(transition)的电阻抗的实部和虚部的绝对值来确定。
通过变换的步骤,基于提供的电阻抗测量结果系列来构建电阻抗测量结果的变换系列。
在本文中,除非另有说明,否则术语“复平面”应被理解为电阻抗的复平面。例如,术语“电阻抗的虚部在复平面中的过零点”指的是在电阻抗的复平面中的电阻抗的虚部与零值相交处的位置。
特定电池的电池表现可受扩散过程和多个频率处的电荷转移过程支配,该多个频率高度取决于单个电池,且特别是取决于电池的几何形状和尺寸、电池单元的数量、并联和/或串联连接电池单元的电路等。由于平移和缩放步骤,来源于特定电池的所提供的电阻抗测量结果成为了关于所述过程的标准化形状。因此,来自甚至包括串联连接的电池单元和/或并联连接的电池单元的这种不同配置的电阻抗测量结果可以成为变换形式,其中由不同配置导致的电阻抗差异被抑制;因此,电阻抗测量结果具有可比性,并且适合于例如使用神经网络自动评估电池状态,而不必在每次分析新电池时为新电池配置或电池训练神经网络。
该方法对电化学电池的电阻抗测量结果形式的测量数据进行操作,以便提供电阻抗测量结果的变换系列。因此,提供了变换的电阻抗测量结果系列,其特别适合作为针对包括计算装置(诸如人工神经网络装置)的电池状态估计器的输入。该系列的元素可以被馈送到电池状态估计器的相对应的输入端,或者更具体地被馈送到电池状态估计器的人工神经网络的相对应的输入端。因此,促进了基于所提供的变换系列的自动电池状态估计。
优选地,电化学电池是可充电的电化学电池。
例如对于诸如移动工具的移动器具或诸如车辆的电驱动的移动装置,估计充电状态形式的电池状态是非常有价值的。
类似地,对健康状态的形式的电池状态的估计对于设备的可靠性是非常重要的。
由于平移和缩放步骤,可以确保在电阻抗测量结果的变换系列中,电阻抗在测量频率过程中(即,随着测量频率的增加或减少)在复平面中的曲线进展(curveprogression)的形状相对于电阻抗测量结果的实部和虚部的特定值被强调。也就是说,曲线进展相对更显著,而绝对值相对被抑制。因此,可以基于电阻抗的进展的总体特征,例如随着测量频率的增加,针对不同配置和/或类型的电化学电池评估电池状态,同时避免或最小化由于电阻抗的实部或虚部的绝对值的差异而导致的偏差。
虽然零虚部点处阻抗的欧姆AC电阻值R0被认为是对于可充电电池劣化的指标,但这仅适用于特定的电池;然而,对于不同的电池,R0的不同值出现是因为不同电池的属性,而不是劣化的指标。相反,变换系列将电阻抗谱的特征(即测量结果系列)表示为与转变点相关的特征。因此,来自谱的信息可用于估计电池状态,其中抑制了不同电池之间的固有差异,同时展示了作为电池状态特性的那些特征。
电阻抗也可以被称为复电阻抗,并且可以是复数,并且可以以电阻的单位(例如欧姆)来被表示。
例如,提供的电阻抗测量结果系列中的每个电阻抗测量结果可以是或包括定义了相应电阻抗的实部和虚部的复数。电阻抗也可以以极性形式表示,定义幅度(或振幅)和角度(或相位)。
例如,提供的电阻抗测量结果系列中的电阻抗测量结果可以是相应复数表示(复数)的形式。或者,例如,电阻抗测量结果均可以是振幅和相位的形式,并且所述提供步骤可以包括将电阻抗测量结果转换成电阻抗测量结果的相应复数表示形式的电阻抗测量结果。电阻抗测量结果的“复数表示”包括复数。例如,电阻抗测量结果的复数表示可以是复数。
过零点可以是在测量的索引(index)的过程中的过零点(零值与增加的索引交叉)或在测量频率的过程中的过零点(零值与增加的测量频率交叉)。
本文中,电阻抗的实部和虚部的符号根据被视为电负载或能量吸收器的电池阻抗或电池内阻来定义。因此,在低于电阻抗的虚部在复平面中过零点的频率处,电阻抗的虚部为负,而在高于过零点的频率处,电阻抗的虚部为正。
本文中,术语“电池”应被理解为包括电池单元。电池可包括一个或更多个电池单元。特别地,术语“电池”包括电池单元以及由多个电池单元组成的电池。
具体而言,电化学电池被理解为限定了由一个或更多个具有外部电连接的电化学池组成的设备。例如,电池可以包括两个外部电连接,用于从一个或更多个电化学池吸取电力,并且在可充电电池的情况下,用于对一个或更多个电化学池进行(再)充电。
本文中,术语“绝对值”和“幅度”可互换使用。对于实数(诸如,复数的实部或虚部),术语“绝对值”被理解为实数的非负值,而不考虑其符号。对于复数x+iy,术语“绝对值”或“幅度”被理解为x2+y2的平方根。
例如,相应测量频率可以是输入到电化学电池的信号的频率。例如,信号可以是正弦信号。
优选地,第一子系列、第二子系列和第三子系列在电阻抗测量结果系列中是连续排列的。
优选地,电阻抗测量结果的变换系列中的每个电阻抗测量结果包括复数,该复数定义了相应电阻抗测量结果的实部和虚部。
例如,三个子系列中的第三子系列与第二子系列分离的位置可以是在复平面中的位置。例如,该位置可以是电阻抗的虚部的过零点的位置。
例如,该方法可以是分析电化学电池的电阻抗测量结果的计算机实现的方法,以及是变换电阻抗测量结果以自动评估电化学电池的至少一个电池参数的计算机实现的方法。由于变换步骤,提供了变换的电阻抗测量结果,其特别适用于对电池的电池参数的自动评估。
优选地,电阻抗测量结果的系列以数字信号的形式被提供。
优选地,电化学电池的电阻抗测量结果的系列以数字表示的形式被提供。
例如,电阻抗测量结果的系列可以从电阻抗测量单元或电阻抗测量装置接收。
提供电阻抗测量结果的系列可以包括一个接一个地接收该系列中的电阻抗测量结果。
电阻抗测量结果的系列可以被传送到电阻抗分析***,该***包括用于执行该方法步骤的装置。该***可以被配置用于提供(包括接收)所传送的电阻抗测量结果。
在一个或更多个实施例中,假设测量频率是对数等距间隔的。优选地,测量频率在测量频率范围(测量频率的频率范围)的至少四个十进位(decade)、且更优选地在测量频率范围的至少五个十进位内以对数等距间隔。
优选地,测量频率包括0.1至1.0Hz的范围内的测量频率。
优选地,测量频率包括1kHz至10kHz的范围内的测量频率。
优选地,测量频率包括测量频率范围的每十进位至少4(四)个测量频率,更优选地测量频率范围的每十进位至少五个测量频率。
提供电阻抗测量结果系列的步骤可以包括接收多个电阻抗测量结果,每个电阻抗测量结果在相应测量频率处被测量,并且:
-根据相关联的测量频率排列多个电阻抗测量结果,以提供电阻抗测量结果系列,或者
-提供多个电阻抗测量结果作为电阻抗测量结果系列。
例如,可选地包括相应测量频率的所排列的多个电阻抗测量结果可以被提供作为电阻抗测量结果系列。
多个电阻抗测量结果或电阻抗测量结果系列可以以电阻抗谱的形式被接收。
例如,在电阻抗测量结果系列中,电阻抗测量结果可以包括相应测量频率。例如,每个电阻抗测量结果可以包括电阻抗的测量值和测量频率。然而,电阻抗测量结果也可以是相应电阻抗的形式,表示为相应复数,或者均被表示为振幅和相位。
该方法包括在提供的电阻抗测量结果系列内识别三个子系列。也就是说,确定三个子系列。
第一子系列与电化学电池的其中电阻抗受扩散过程支配的电池表现相关联。也就是说,对于第一子系列中的相应测量频率,第一子系列与电化学电池的频率响应行为相关联,其中电阻抗受扩散过程支配。对于作为相对较低频率的第一测量频率,这是预期的。
第二子系列与电化学电池的其中电阻抗受电池的电极处的电荷转移过程支配的电池表现相关联。也就是说,第二子系列与电化学电池的频率响应行为相关联,其中对于第二子系列中的相应测量频率,电阻抗受电池的电极处的电荷转移过程支配。这对于第二测量频率是预期的,第二测量频率是在第一测量频率和第三子系列中的第三测量频率之间的中间频率。
第三子系列在对应于电阻抗的虚部在复平面中的过零点的位置处与第二子系列分离。例如,第三子系列可以与电化学电池的其中电阻抗主要是虚电阻抗的电池表现相关联;例如,在第三子系列中,电阻抗可以具有正虚部;例如,电阻抗可以受单元几何形状(cell geometry)的和电池的导体/连接器的欧姆和/或电感特性支配。对于作为相对较高频率的第三测量频率,这是预期的。
例如,过零点可以是电阻抗测量结果系列的插值的虚部的过零点。也就是说,例如,可以确定显示电阻抗的虚部的符号(正/负)变化的测量结果系列中的连续测量结果,可以在包括这些测量结果的区域内(例如,通过线性插值、样条插值、或多项式插值)插值该电阻抗测量结果系列,并且可以将该系列的插值的虚部的过零点的位置确定为分离第二子系列和第三子系列的位置。
例如,该方法可以包括识别在电阻抗测量结果系列的第一子系列和电阻抗测量结果系列的第二子系列之间的转变点,该第一子系列与电化学电池的其中电阻抗受扩散过程支配的电池表现相关联,该第二子系列与电化学电池的其中电阻抗受电池的电极处的电荷转移过程支配的电池表现相关联,并且可以基于所识别的转变点来识别第一子系列和第二子系列。
对于第一子系列和第二子系列,电阻抗测量结果系列的实部被预期会随着增加的测量频率而减少。然而,电阻抗测量结果系列的虚部被预期会显示明显的特征,这对于第一子系列和第二子系列是不同的。
由于提供的电阻抗测量结果系列是根据测量频率排列的,因此可获得关于降低或提高测量频率的信息;电阻抗的正实部的最大值被预计在最低测量频率处被测量到。
在下文中,术语“局部相对最大值”或“局部相对最小值”可以指测量结果系列过程中的局部相对极值(即,在测量结果系列的多个连续元素内),或者指复平面中复阻抗的曲线进展(曲线形状)中的局部相对极值。这些定义可以互换使用,因为电阻抗测量结果系列的实部被预期会随着第一子系列和第二子系列中朝向虚部的过零点增加的测量频率而减小。复平面中的复阻抗的曲线进展(曲线形状)中的虚部的局部相对极值对应于测量结果系列的实部过程中的虚部的局部相对极值(即,测量结果系列的多个连续元素内的虚部的相对极值)。可选地,局部相对最大值或最小值可以是当平滑和/或插值电阻抗测量结果系列时的局部相对最大值或最小值。例如,移动平均可以用于进行平滑。
同样地,除非另有说明,否则术语“朝向…增加”或“朝向…减少”可以指在测量结果系列的过程中增加/减少(即,随着系列的索引增加或减少),或者至少对于第一子系列和第二子系列,可以指在测量结果系列的实部的过程中增加/减少(即,随着系列的实部增加或减少)。增加/减少的方向由增加/减少“朝向”系列的某点、元素或特征来定义。
例如,三个子系列中的第二子系列可以在转变点处与第一子系列分离,该转变点形成电阻抗测量结果系列的虚部的局部相对最大值。例如,该转变点可以形成电阻抗测量结果系列的插值的虚部的局部相对最大值。转变点可以通过插值来确定,例如,使用样条插值或多项式插值。也就是说,例如,可以确定局部相对最大值,可以在局部相对最大值周围的区域中插值电阻抗测量结果系列,并且可以确定该系列插值的新的局部相对最大值作为第一子系列和第二子系列之间的转变点。
虚部的局部相对最大值可能为负,也就是说小于零。例如,局部相对最大值可以是电阻抗测量结果系列的负虚部的绝对值的局部最小值。也就是说,在包括转变点的范围内,电阻抗测量结果可以分别具有负虚部。
在所识别的步骤具有导致第一子系列和第二子系列中的至少一个不能被识别的否定结果的情况下,生成劣化信号,并且识别步骤和方法被中断。例如,这可能是由于提供的电阻抗测量结果系列在复平面中的不期望的曲线进展,这可能例如发生在电化学电池劣化的情况下。
例如,变换步骤可以包括将变换的第一子系列、变换的第二子系列以及可选的变换的第三子系列组合成电阻抗测量结果的变换系列。
缩放因子的绝对值分别基于对应于平移的第一子系列和平移的第二子系列之间的转变点的电阻抗的实部和虚部的绝对值来确定。例如,缩放因子的绝对值可以分别与对应于该转变点的电阻抗的实部和虚部的绝对值成比例。
例如,缩放因子的绝对值可以分别对应于与转变点相对应的电阻抗的实部和虚部的绝对值。优选地,在电阻抗测量结果的变换系列中,由于平移和缩放操作,第二子系列的电阻抗测量结果的实部在从0.0到1.0的范围内。此外,优选地,在第一子系列和第二子系列之间的转变点是复阻抗,其虚部为-1.0,实部为1.0。因此,电阻抗测量结果的变换系列的第一子系列的电阻抗测量结果的实部在大于或等于1.0的范围内。并且,如果适用,第三子系列的电阻抗测量结果的虚部在大于或等于0.0的范围内。
提供的电阻抗测量结果系列在复平面中的曲线进展的特征通过变换步骤得以保留。
在一个或更多个实施例的简单实现方式中,电阻抗测量结果系列的平移的第一子系列和电阻抗测量结果系列的平移的第二子系列之间的转变点可以被确定(即,假设)为在对应于例如1.0Hz的预定值的测量频率的位置处。该位置应理解为电阻抗的复平面中的一个位置。
在一个或更多个实施例中,该方法可以包括将电阻抗测量结果系列的元素数量或者电阻抗测量结果的变换系列的元素数量调整到预定的元素数量。调整步骤可以在识别、平移和缩放步骤之前、之间或之后对电阻抗测量结果系列进行。换句话说,在识别、平移和缩放步骤之前、之间或之后,电阻抗测量结果系列可以经受电阻抗测量结果系列的元素数量的调整。
因此,调整步骤可以包括将电阻抗测量结果分组,并将电阻抗测量结果分离成对应于电阻抗的不同电化学行为的区域的第一子系列、第二子系列和第三子系列。
在识别、平移和缩放步骤之间对电阻抗测量结果系列执行调整步骤的情况下,可以在识别和平移步骤之间、或者在平移和缩放步骤之间执行调整步骤。
例如,调整电阻抗测量结果系列的元素数量或电阻抗测量结果的变换系列的元素数量可以包括以下至少一个:在电阻抗测量结果之间进行插值、从电阻抗测量结果中进行选择、以及外推电阻抗测量结果。在调整步骤中,可以增加、保持、或减少元素的数量。
例如,将电阻抗测量结果系列的元素数量调整到预定的元素数量可以包括仅选择三个子系列中的第一子系列和第二子系列的元素作为具有预定的元素数量的电阻抗测量结果系列的元素。例如,在确定电阻抗的虚部在复平面中的将第三子系列与第二子系列分离的过零点之后,可以从电阻抗测量结果系列中丢弃第三子系列的元素。
在一个或更多个实施例中,在电阻抗测量结果的变换系列中,变换的第一子系列和变换的第二子系列中的每一个子系列都具有相应预定数量的元素。例如,第三变换子系列也可以具有相应预定数量的元素。
因此,在变换系列中,已经被识别的不同子系列可以以变换系列的相应预定数量的元素的形式被提供。
在一个或更多个实施例中,该方法可以包括将电阻抗测量结果系列的元素数量调整到预定的元素数量,其中可以将电阻抗测量结果的变换系列中的变换的第一子系列和变换的第二子系列中的每一个子系列的元素数量调整到相应的预定的元素数量。例如,第三变换子系列的元素数量也可以被调整到相应的预定的元素数量。
例如,调整电阻抗测量结果系列的元素数量的步骤可以在识别步骤之后被执行。调整步骤可以在平移和缩放步骤之前、之间、与之同时或之后执行。
例如,在变换系列中,电阻抗测量结果的变换系列中的第一子系列和第二子系列中的每一个子系列可以具有相应的预定数量的元素;并且该方法可以包括调整电阻抗测量结果系列的元素数量,其中电阻抗测量结果的变换系列中的第一子系列和第二子系列中的每一个子系列的元素数量被调整到相应的预定元素数量。
由于第一变换子系列和第二变换子系列具有相应预定数量的元素或者被调整为具有相应预定数量的元素,可以保证,接收提供的电阻抗测量结果的变换系列的电池状态估计器或人工神经网络装置的特定第一输入端将接收来自所识别的第一子系列的电阻抗测量数据,该第一子系列与其中电阻抗受扩散过程支配的电池表现相关联,而电池状态估计器的特定第二输入端将接收来自所识别的第二子系列的电阻抗测量数据,该第二子系列与其中电阻抗受电池的电极处的电荷转移过程支配的电池表现相关联。
在变换步骤中,电阻抗测量结果的变换系列可以被提供给电池状态估计器进行处理,以确定电化学电池的电池状态。
例如,可以在没有测量频率的情况下提供电阻抗测量的变换系列。
该方法可以包括输出所提供的电阻抗测量结果的变换系列。例如,电阻抗测量结果的变换系列可被输出到电池状态估计器,且特别是输出到具有计算装置(诸如人工神经网络装置)的电池状态估计器,该计算装置被配置为接收电阻抗测量结果的变换系列作为输入,并被配置为处理电阻抗测量结果的变换系列以从中生成表示与电化学电池相关联的电池状态的至少一个输出信号。
例如,诸如人工神经网络装置的计算装置可以被配置为接收电阻抗测量结果的变换系列的第一子系列的元素作为第一输入,并且被配置为接收电阻抗测量结果的变换系列的第二子系列的元素作为第二输入。第一输入的数量可以对应于第一子系列的预定元素数量,而第二输入的数量可以对应于第二子系列的预定元素数量。
变换步骤可以包括变换电阻抗测量结果系列的第三子系列,其中电阻抗测量结果的变换系列包括对应于电阻抗测量结果的第三子系列的变换第三子系列。因此,电阻抗测量结果的第三子系列也可以用作确定电化学电池的电池状态的输入。
例如,在调整步骤中,变换的第三子系列的元素数量也可以调整到预定的元素数量。
在一个或更多个实施例中,识别步骤可以包括确定电阻抗测量结果系列的虚部的局部相对最大值,该局部相对最大值相对于电阻抗测量结果系列的电阻抗的虚部在复平面中的过零点分离电阻抗测量结果系列的另外的元素,其中可选地,该局部相对最大值是在平滑和/或插值电阻抗测量结果系列时的局部相对最大值。特别地,局部相对最大值可能为负。特别地,局部相对最大值的位置可以被确定为电阻抗测量结果系列的平移的第一子系列和电阻抗测量结果系列的平移的第二子系列之间的转变点。
这将从图2和相对应的描述中变得更容易理解。
例如,识别步骤可以包括确定电阻抗测量结果系列中的一个子系列和电阻抗测量结果系列中的另一个子系列之间的转变点,其中电阻抗测量结果的一个子系列具有是负的并且具有朝向转变点减小的幅度的电阻抗的虚部,并且其中电阻抗的另一个子系列具有是负的并且具有朝向转变点增加然后减小的幅度的电阻抗的虚部;其中减少和增加是指在该系列的元素的索引的过程中增加或减少。
例如,对于增加的测量频率,朝向在第一子系列和第二子系列之间的转变点,可以基于电阻抗的负虚部的减小幅度和电阻抗的正实部的减小幅度来识别第一子系列。
例如,第二子系列可以基于电阻抗的负虚部的幅度在增加的测量频率的过程中(或在减少的实部的过程中)的曲线进展来识别,该曲线进展形成至少一个圆峰或圆弧,而实部是正的并且随着增加的测量频率而减少。
因此,可以基于复平面中电阻抗测量结果系列的曲线形状来识别第一子系列和第二子系列。
例如,可以基于电阻抗在复平面中的曲线进展来识别第一子系列,该曲线进展示出了电阻抗的负虚部的幅度和电阻抗的正实部的幅度之间的相关性,该幅度朝着向第二子系列的转变点而下降。并且,例如,由于可以基于电阻抗的虚部在复平面中的过零点容易地识别第三子系列与第二子系列的分离,所以可以基于所识别的第一子系列和/或第一子系列和第二子系列之间的转变点,并且基于对应于电阻抗的虚部在复平面中的过零点的所识别位置,来识别第二子系列。换句话说,电阻抗测量结果系列中排列在转变点和虚部的过零点之间的那些电阻抗测量结果被确定为三个子系列中的第二子系列。
例如,识别步骤可以包括:在相对较低的测量频率处,识别测量结果系列在复平面中的曲线进展中的负虚部的绝对值的局部最小值形式的转变点;在相对较高的测量频率处识别电阻抗虚部的过零点;以及基于转变点和过零点识别第一子系列、第二子系列和第三子系列。
例如,第一子系列和第二子系列的电阻抗的虚部可以是负的。
在一个或更多个实施例中,识别步骤包括确定电阻抗测量结果系列的一个子系列和电阻抗测量结果系列的另一个子系列之间的转变点,其中电阻抗测量结果的一个子系列具有是负的并且具有基本上(即,至少对于子系列的大部分)朝向转变点增加的幅度的电阻抗的虚部,并且其中电阻抗的另一子系列具有是负的并且具有朝向转变点基本上增加然后基本上减小(即,至少对于子系列的大部分,首先增加然后减小)的幅度的电阻抗的虚部。
在一个或更多个实施例中,基于电阻抗测量结果系列的虚部的确定的局部相对最大值,或者基于电阻抗测量结果系列的一个子系列和电阻抗测量结果系列的另一子系列之间的确定的转变点,识别第一子系列和第二子系列。
在一个或更多个实施例中,该方法包括:
使用计算装置确定电化学电池的电池状态,该计算装置被配置为接收电阻抗测量结果的变换系列作为输入,
其中,该计算装置接收并处理电阻抗测量结果的变换系列,以从中生成表示与电化学电池相关联的电池状态的至少一个输出信号。
因此,该方法是自动评估电化学电池的电池状态的方法。
因此,生成表示与电化学电池相关联的电池状态的输出信号。例如,至少一个输出信号可以表示电池状态的分类和/或估计。
电池状态可以包括以下中的至少一个:电化学电池的充电状态(SoC)、电化学电池的健康状态(SoH)、电化学电池的功能状态(SoF)、电化学电池的容量和电化学电池的温度。
例如,输出信号可以包括可视信号,该可视信号可以被显示。
例如,输出信号可以被传输或传送或输出到用于输出信号的输出单元。
优选地,计算装置包括人工神经网络装置,该人工神经网络装置被配置为接收电阻抗测量结果的变换系列作为输入。
在一个或更多个实施例中,该方法包括:
利用人工神经网络装置确定电化学电池的电池状态,该人工神经网络装置被配置为接收电阻抗测量结果的变换系列作为输入,
其中,该人工神经网络装置接收并处理电阻抗测量结果的变换系列,以从中生成表示与电化学电池相关联的电池状态的至少一个输出信号。
特别地,人工神经网络装置可以接收和处理电阻抗测量结果的变换系列,以根据人工神经网络装置的预定处理结构从中生成至少一个输出信号。
例如,计算装置或人工神经网络装置可以接收和处理电阻抗测量结果的变换系列,以从中生成表示电化学电池的充电状态的至少一个输出信号。
例如,计算装置或人工神经网络装置可以接收和处理电阻抗测量结果的变换系列,以从中生成表示电化学电池的健康状态的至少一个输出信号。
例如,计算装置或人工神经网络装置可以接收和处理电阻抗测量结果的变换系列,以从中生成表示电化学电池的功能状态的至少一个输出信号。
例如,计算装置或人工神经网络装置可以接收和处理电阻抗测量结果的变换系列,以从中生成表示与电化学电池相关联的温度的至少一个输出信号。
计算装置或人工神经网络装置可以生成一个以上的输出信号,相应输出信号表示电化学电池的相应电池状态。电池状态可以包括一个或更多个上述电池状态。例如,生成的输出信号可以包括表示电化学电池充电状态的输出信号、表示电化学电池健康状态的输出信号和/或表示电化学电池的温度或与电化学电池相关联的温度的输出信号等。
具体地,计算装置或人工神经网络装置可以被配置为接收电阻抗测量结果的变换系列的第一子系列作为第一输入,并且被配置为接收电阻抗测量结果的变换系列的第二子系列作为第二输入。例如,计算装置或人工神经网络装置的输入(诸如输入向量或输入阵列)可以包括第一输入和第二输入。
例如,人工神经网络装置可以包括深度神经网络(DNN)。深度神经网络具有输入层、多于一个隐藏层和输出层。
例如,人工神经网络装置可以包括卷积神经网络(CNN)。
例如,卷积神经网络已知用于对图像进行分类。卷积神经网络具有输入层、至少一个卷积层和输出层。CNN可以是深度神经网络。可以训练CNN来识别电阻抗测量结果的变换系列中的模式,并将这些模式与相应的电池状态相关联。
例如,人工神经网络装置可能已经被训练成通过使用针对不同电池电压、针对预定温度范围的温度、以及针对电池的不同健康状态的训练数据,检测电阻抗测量结果的变换系列的表征特性,来识别特定化学类型的(可充电)电化学电池的电池状态。
在至少一个实施例中,该方法还包括:
使用电阻抗测量装置,在不同的测量频率下测量电化学电池的电阻抗,以提供电阻抗测量结果系列。
因此,该方法可以是测量和分析电化学电池的电阻抗测量结果的方法。
例如,可以基于在不同测量频率处测量的电阻抗来提供电阻抗测量结果系列。
对于相应测量频率,可以以任何顺序和/或同时测量电阻抗测量结果。
例如,电阻抗测量装置可以被配置为向电化学电池输入包括相应频率的信号,并确定相同频率的响应信号的振幅和相位与输入信号的振幅和相位的比率,信号的频率和响应信号的频率对应于测量频率。
例如,电阻抗测量装置可以是电阻抗谱测量装置,其被配置用于在一系列测量频率下测量电化学电池的电阻抗。也就是说,根据电化学阻抗谱的过程测量电化学电池的电阻抗。
使用电化学阻抗谱,电化学电池中的电化学过程通过电测量结果来表征,该电测量结果表征电化学电池对施加的AC信号的AC响应。除了结构配置和连接器配置之外,电池中的化学过程还会导致测量阻抗的特征频率相关性。
在特定测量频率下的电阻抗测量期间,DC偏移信号(偏移电压或偏移电流)或DC偏置信号可被施加到电池,其通过测量频率的AC信号调制。
例如,电阻抗测量结果系列可以从独立的测量电路或电阻抗测量装置接收。然而,电阻抗分析***也可以包括电阻抗测量装置,其用于测量和提供来自电化学电池的电阻抗测量结果系列。
例如,电化学电池可以是锂离子电池或铅酸电池。
根据本发明的一个方面,可以提供一种监测电化学电池的电池状态的计算机实现的方法。该监测方法可以包括分析电阻抗测量结果的方法的步骤。特别地,该监测方法可以包括识别步骤。
例如,该方法可以在用于监测电化学电池的电池状态的电池监测***中被实现。例如,如果该方法在与特定电化学电池相关联的***中被实现,则可以在一个或更多个第一测量周期中执行提供、识别、以及可选地调整和变换的步骤,而在随后的第二测量周期中,可以执行修改的识别步骤,其中根据先前的第一测量周期的识别来识别在提供的电阻抗测量结果系列内的第一子系列、第二子系列和第三子系列。例如,在“常规”识别步骤由于电池的劣化而失败的情况下,可以执行修改的识别步骤。
例如,该方法可以在用于对可充电电化学电池进行再充电的电池充电***中被实现。
例如,在分析电阻抗测量结果的方法的一个或更多个第一校准周期中,可以执行提供、识别、以及可选地调整和变换的步骤,其中在该方法的后续监测周期中,可以执行提供步骤、修改的识别步骤、可选地调整步骤和变换步骤,其中在修改的识别步骤中,根据校准周期之一的识别步骤的识别结果来识别在提供的电阻抗测量结果系列内的第一子系列、第二子系列和第三子系列。
因此,分析过程可以是自校准的。例如,分析方法可以针对实现该方法的电阻抗分析***连接到的新的电化学电池校准自身,并且该分析方法可以在同一电化学电池的进一步分析循环中使用修改的识别步骤。
因此,便于检测第一分析周期和后续分析周期之间的电池表现的差异。
根据本发明的一个方面,提供了一种用于分析电化学电池的电阻抗测量结果的电阻抗分析***,该***包括用于执行分析电阻抗测量结果的方法的步骤的装置。
例如,该***可以是或可以被包括在用于监测电化学电池的电池状态的***中。
例如,该***可以是或可以被包括在用于对可充电电化学电池进行再充电的电池充电***中。
在至少一个实施例中,该***包括计算装置,该计算装置用于接收和处理电阻抗测量结果的变换系列,以从中生成表示与电化学电池相关联的电池状态的至少一个输出信号,
其中,该计算装置包括输入装置,该输入装置被配置用于接收电阻抗测量结果的变换系列。
优选地,计算装置包括人工神经网络装置,该人工神经网络装置被配置为接收电阻抗测量结果的变换系列作为输入。
在一个或更多个实施例中,电阻抗分析***还包括:电阻抗测量装置,其被配置用于在不同的测量频率处测量电化学电池的电阻抗,以提供电阻抗测量结果系列。
附图说明
现在将结合附图来描述本发明的优选实施例,其中:
图1是分析可充电电化学电池的电阻抗测量结果的方法的示意图;
图2是在相应测量频率下测量的可充电电化学电池的电阻抗测量结果系列的示意图;
图3是示出电阻抗测量结果的变换系列的图表的示意图;
图4是用于分析可充电电化学电池的电阻抗测量结果的电阻抗分析***的示意图;和
图5是用于分析可充电电化学电池的电阻抗测量结果的另一电阻抗分析***的示意图。
具体实施方式
图1示意性地示出了分析可充电电化学电池(例如,锂离子电池)的电阻抗测量结果的计算机实现的方法。例如,该方法可以由如下面参考图4或图5进一步描述的电阻抗分析***执行。
步骤S10是使用电阻抗测量装置在不同的测量频率下测量电化学电池的电阻抗的步骤。
在步骤S12中,通过测量电阻抗,电化学电池的电阻抗测量结果系列以数字信号的形式被提供例如作为数据集。该系列根据相应测量频率排序,优选地根据增加的测量频率的顺序来排序。
然而,该方法也可以从提供测量结果的步骤S12开始,该测量结果可以独立于该方法进行测量,并且可以被传送到执行该方法的计算机。
在所提供的电阻抗测量结果还不是复数的形式(表示复阻抗)的情况下,该方法可以包括将所提供的电阻抗测量结果转换成复数的可选步骤S14。
在可选步骤S16中,电阻抗测量结果系列的元素数量被调整到预定的元素数量,例如,调整到21个元素的数量。
下一步骤,步骤S18是识别在提供的电阻抗测量结果系列内的三个子系列的步骤。
图2示例性地示出了在相应测量频率fs下测量的电阻抗测量结果32的系列。图2是电阻抗Z的虚部Im(Z)和实部Re(Z)的二维图形形式的奈奎斯特图。为了说明的目的,系列的元素由一条线连接。根据惯例,虚部以相反的方向显示,其中虚部朝向图2的底部增加。
根据该测量结果系列在复平面中的曲线进展,识别出在相对低的测量频率fs下的(负)虚部Im(Z)的绝对值的局部最小值形式的转变点34。转变点34可以对应于测量结果系列中的一个元素,或者可以通过插值测量结果来确定。
在相对高的测量频率fs下,识别到电阻抗的虚部Im(Z)有一个过零点36。过零点36可以对应于测量结果系列的元素32。然而,优选地,过零点36通过插值测量结果来确定,如图2所示。
如图2中示意性示出的,转变点34是测量结果系列在相对低频率处的第一子系列38和测量结果系列在中等频率处的第二子系列40之间的转变点。过零点36在相对高频率处将第二子系列40与具有电阻抗Im(Z)的正虚部的测量结果的第三子系列42分离。
优选地,测量结果是在对数进展的测量频率下取得的。优选地,测量结果系列包括测量频率范围的每十进位至少4(四)个测量结果。在图2中,电阻抗测量结果系列的电阻抗测量结果32仅出于说明的目的被示意性地示出,并且范围从测量频率fs=0.10Hz到fs=4.37kHz。图2中示出的测量结果的数量可能偏离实际使用的测量结果的数量,并且仅仅是为了说明的目的。
在图2中,箭头fs示出了随着增加的测量频率fs的测量结果32的顺序。基于所识别的转变点34确定的第一子系列38被识别为与电化学电池的其中电阻抗受扩散过程(例如锂离子的电荷载流子运动)支配的电池表现相关联的子系列。这种扩散过程支配电池在较低频率下的AC(交流)行为,并且可以导致阻抗的负虚部的绝对值与阻抗的正实部的绝对值在例如从测量频率的最低频率到接近转变点34的测量频率的范围内大致线性关系。
已经被确定为包括转变点34和过零点36之间的那些测量结果的第二子系列40被识别为电阻抗测量结果系列中的与电化学电池的其中电阻抗受电池的电极处的电荷转移过程支配的电池表现相关联的子系列。例如,这些可能是电子从电极到锂离子然后锂离子向另一个电极扩散的转变点。在复平面中,在阳极处和在阴极处的电荷转移过程均可以对应于在阻抗Z的实部Re(Z)的过程中在虚部Im(Z)上负阻抗的绝对值的圆峰或圆弧。在图2的示例中,两个圆峰或圆弧在转变点34和过零点36之间的范围内合并成单个圆峰或圆弧。
基于将第三子系列42与第二子系列40分离的过零点36确定的第三子系列42基于过零点36被识别为电阻抗测量结果系列的第三子系列。
回到图1,在步骤S20中,电阻抗测量结果系列被变换以提供电阻抗测量结果的变换系列。
变换的步骤S20包括平移的步骤S22、缩放的步骤S24和提供变换系列的步骤S26。
在步骤S22中,通过从电阻抗的实部减去欧姆AC电阻值R0来平移该系列的电阻抗测量结果。欧姆AC电阻值R0根据(插值的)过零点36处电阻抗的实部来确定。
在缩放的步骤S24中,缩放平移的电阻抗测量结果。具体而言,电阻抗的实部和虚部由相应缩放因子来缩放,该缩放因子的绝对值分别对应于转变点34处(插值的)电阻抗的实部和虚部的绝对值。因此,平移的电阻抗测量结果针对在转变点34处的虚部和实部的绝对值被缩放。
图3示意性地示出了在已经执行平移的步骤S22和缩放的步骤S24之后,在步骤S26中提供的电阻抗测量结果32的变换系列。如图3所示,将电阻抗测量结果32的变换系列的第一子系列38与第二子系列40分离的转变点34现在位于位置Re(Z)=1.0,Im(Z)=-1.0。
此外,将电阻抗测量结果32的变换系列的第二子系列40与第三子系列42分离的过零点36现在位于位置Re(Z)=0.0,Im(Z)=0.0。
回到图1,该方法可以可选地包括确定电池状态的步骤S28。在步骤S28中,使用计算装置来确定电化学电池的电池状态,该计算装置被配置为接收电阻抗测量结果32的变换系列作为输入,如下面将参考图4进一步解释的。计算装置接收并处理电阻抗测量结果的变换系列,以从中生成表示电池状态的输出信号。在步骤S30,输出电池状态。
在该方法的另一示例中,调整的步骤S16可以在识别子系列的步骤S18之后执行。例如,可以基于所识别的子系列,将电阻抗测量结果的变换系列的第一子系列、第二子系列和第三子系列中的每一个的元素数量调整到相应的预定元素数量。
图4和图5示意性地示出了被配置用于执行图1的方法的电阻抗分析***44的示例,该***可选地包括电阻抗测量装置46。例如,图4或图5的电阻抗分析***44可以在诸如微控制器的计算机中被实现。例如,包括***44和可选的电阻抗测量装置46的微控制器可以是用于监测可充电电化学电池52的电池状态的电池监测***的一部分。例如,图4或图5的***44可以是被配置用于对可充电电化学电池52进行再充电的电池充电***的一部分。
电阻抗测量装置46包括电阻抗测量单元48和电压测量单元50。在图4的***中,电阻抗分析***44还包括预处理单元54和计算装置56。图5示出了电阻抗分析***44的另一示例,其包括电阻抗测量装置46、预处理单元54、计算装置56和后处理单元58。图4和图5的***44的类似元件或部分用相同的参考符号来表示。下面将首先描述图4和图5的***的共同特征。
对于一系列测量频率fs,电阻抗测量单元48向待测量的电化学电池52施加激励信号,例如正弦信号。该信号以小振幅交流(AC)信号的形式输入,并且来自电池52的交流响应被测量。例如,电流信号是输入,并且电压响应信号被测量。可选的,电压信号是输入,并且电流响应信号被测量。在测量期间,可以根据电化学电池52的类型施加直流(DC)偏置电压或DC偏置电流。如大家所知道的,测量设置对应于电化学阻抗谱(EIS)测量设置。根据针对可充电电化学电池52的类型(例如,根据从电池52读出的电池ID)预先确定的测量设置,对于相应测量结果,将测量频率在对数标度上以等距步长排列或增加。例如,电池类型可以由电池充电***以与电池52的充电参数相关联的标识号(ID)的形式从电池52中读出。
特定测量频率处测量的电阻抗是AC响应信号的振幅和相位与输入信号的振幅和相位的比率,并且表示为复数(复阻抗)。例如,测量频率的每十进位可以使用四个不同的测量频率。
另外,电压单元50在电阻抗测量之前和之后测量电池52的总电池电压。特别地,总电池电压可以是相应的DC电压。
预处理单元54包括输入装置60,其用于从电阻抗测量装置46提供电阻抗测量结果32的系列。此外,预处理单元54包括标准化装置62,其用于将电阻抗测量结果系列的元素数量调整到预定的元素数量,例如21个元素。例如,可以通过插值该系列的元素来调整元素的数量。在由输入装置60提供的电阻抗测量结果系列已经具有预定的元素数量的目标值的情况下,标准化装置62保持元素数量。
预处理单元54还包括变换装置64和识别装置66。例如,根据图1的识别步骤S18,识别装置66在从标准化装置62接收的电阻抗测量结果的标准化系列内识别第一子系列、第二子系列和第三子系列,并向变换装置64提供识别子系列38、40、42和/或转变点34和过零点36的识别信息。变换装置64平移和缩放从标准化装置62接收的电阻抗测量结果的标准化系列。例如,变换装置64可以执行图1的平移步骤S22和缩放步骤S24。因此,变换装置64从电阻抗测量结果中减去欧姆AC电阻值R0,并将测量结果归一化到在第一子系列38和第二子系列40之间的转变点34,如参考图2和图3所解释的。
特别地,由于测量设置是针对电池52的类型所配置的,因此确保了变换的第一子系列的元素数量被调整到预定的第一元素数量,并且电阻抗测量结果的变换系列的变换的第二子系列的元素数量被调整到预定的第二元素数量。同样,电阻抗测量结果的变换系列的变换的第三子系列的元素数量可以被调整到预定的第三元素数量。预定数量可以根据对于给定电池类型的测试测量结果来确定,并且应该确保对测量结果的相关子系列中每一个子系列获取足够的元素,来表示相关联的相应电池表现的特征。
计算装置56包括具有输入装置70的人工神经网络装置68,该输入装置70用于从预处理单元54接收电阻抗测量结果的标准化且变换的系列。输入装置70包括用于变换的第一子系列38的第一输入端A、用于变换的第二子系列40的第二输入端B和用于变换的第三子系列42的第三输入端C。
此外,人工神经网络装置68包括输出装置72,其用于输出表示与电化学电池52相关联的电池状态的输出信号。人工神经网络装置68接收和处理电阻抗测量结果的标准化且变换的系列,并由此生成输出信号。
人工神经网络装置68包括卷积神经网络68A(CNN),或卷积深度神经网络,以及连接在卷积神经网络的输出侧的深度神经网络68B(DNN)。CNN 68A检测测量结果的变换系列的表征特性,并且DNN 68B基于检测到的表征特性确定对于电池状态74的估计。人工神经网络装置68已经被训练成通过检测电阻抗测量结果的变换系列(即,标准化和变换的电阻抗谱测量结果)的表征特性来识别可充电电化学电池的电池状态。卷积神经网络对于检测电阻抗谱测量结果的曲线进展的归一化形状(normalized shape)中的特征模式特别有利。
确定的电池状态74由输出装置72输出。例如,输出信号可以表示电池52的健康状态(SoH)。
图5的***44包括上面关于图4的***描述的特征和元件。下面描述另外的特征和元件。
在图5的示例中,预处理单元54还包括梯度计算装置76,其从标准化装置62接收电阻抗测量结果的标准化系列。梯度计算装置76相对于测量频率、相对于测量频率的对数、或者相对于测量结果系列的元素的索引,计算测量结果系列的实部的梯度和测量结果系列的虚部的梯度。因此,梯度计算装置76根据电阻抗测量结果的标准化系列生成电阻抗梯度系列。
在图5的示例中,计算装置56从梯度计算装置76接收电阻抗梯度系列。特别地,(第一)人工神经网络装置68通过另一个输入装置78接收电阻抗梯度系列。此外,人工神经网络装置68在又一个输入装置80处接收直接来自标准化装置62的电阻抗测量结果的标准化系列。人工神经网络装置68根据输入装置70、78和80的输入生成输出信号。输入装置78包括用于第一子系列38的梯度的第一输入端、用于第二子系列40的梯度的第二输入端和用于第三子系列42的梯度的第三输入端。输入装置80包括用于第一子系列38的第一输入端、用于第二子系列40的第二输入端和用于第三子系列42的第三输入端。
在图5的示例中,计算装置56还包括具有输入装置70和输出装置72的第二人工神经网络装置82。第二神经网络装置82例如是深度神经网络(DNN),并且另外与人工神经网络装置68的不同之处在于,第二神经网络装置82确实从缩放装置64接收电阻抗测量结果的标准化和变换系列,但是不直接从标准化装置62接收标准化系列,也不从梯度计算装置76接收梯度系列。第二神经网络装置82生成表示电池状态74的输出信号。
此外,计算装置56包括第三人工神经网络装置84,其具有输入装置78、输出装置72,并根据从梯度计算装置76接收的电阻抗梯度系列生成表示电池状态74的输出信号。
此外,计算装置56包括第四人工神经网络装置86,其具有输入装置80、输出装置72,并根据从标准化装置62接收的电阻抗测量结果的标准化系列生成表示电池状态74的输出信号。
此外,计算装置56包括第五人工神经网络装置88,其具有用于从梯度计算装置76接收的电阻抗梯度系列的输入装置78、用于从标准化装置62接收电阻抗测量结果的标准化系列的另一输入装置80、以及用于经由预处理单元54的输入装置60从电压测量单元50接收测量的电池DC电压的另一输入装置90。第五人工神经网络装置88具有输出装置92,并根据输入在输出装置92处生成表示电化学电池52的电池温度T的输出信号。
计算装置56还包括第六人工神经网络装置94,其具有用于从第五神经网络装置88接收温度T的输入装置96。此外,第六神经网络装置94包括输入装置70,其用于从变换装置64接收电阻抗测量结果的标准化和变换系列。第六神经网络装置94具有输出装置72,其用于输出表示电池状态74的生成的输出信号,并从输入生成表示电池状态74的输出信号。
第二人工神经网络装置82、第三人工神经网络装置84、第四人工神经网络装置86、第五人工神经网络装置88和第六人工神经网络装置94例如可以是深度神经网络或卷积神经网络。
该***也可以仅使用人工神经网络装置68、82、84、86、88和94中的一者或一些来实现,例如,神经网络装置68、86直接从标准化装置62接收电阻抗测量结果的标准化系列,和/或神经网络装置68、84从梯度计算装置76接收电阻抗梯度系列。这些可以可选地与温度相关的神经网络装置88和94相结合。
后处理单元58包括多数表决单元98,其从第一人工神经网络装置68、第二人工神经网络装置82、第三人工神经网络装置84、第四人工神经网络装置86和第六人工神经网络装置94接收表示电池状态74的输出信号。对多数表决单元98的输入进行加权。特别地,在图5的示例中,第一人工神经网络装置68的输出信号的电池状态74以两倍因子进行加权,即被计为两个输入信号,而来自第二神经网络装置82、第三神经网络装置84、第四神经网络装置86和第六神经网络装置94的其它输入均以一倍因子进行加权,即被计为单个输入。多数表决单元98根据加权输入信号生成输出信号,该输出信号表示电化学电池52的电池状态100。
特别地,多数表决单元98被配置为检测输入信号(即,电池状态74)中的异常值,并根据电池状态74的剩余输入来计算电池状态100的平均值。例如,与其他输入信号的中值或平均值具有最大偏差的输入信号可以被检测为异常值并被丢弃。
由后处理单元58的多数表决单元98确定的电池状态100由电阻抗测量***44提供作为表示电池状态100的输出信号。
在图4和图5的示例中,电池状态74和100是电化学电池52的健康状态。然而,类似的***可用于生成表示电化学电池52的充电状态或电化学电池52的电池温度形式的电池状态的输出信号。在后一种情况下,可以在多数表决单元98的输入端处接收图5的第五人工神经网络装置88的输出信号,以代替第六人工神经网络装置94的输出信号或作为其补充。
此外,电阻抗分析***44可以包括额外的计算装置56,并且在图5的示例的情况下,还包括额外的后处理单元58,用于待确定的每个相应的电池状态,诸如例如充电状态或电池温度。在这种情况下,表示相应电池状态74或100的相应输出信号分别从相应神经网络或后处理单元58输出。
在图4和图5的示例中,识别装置66从标准化装置62接收电阻抗测量结果的标准化系列。
在电阻抗分析***44的另一个示例中,如图4和图5中的虚线箭头所示,识别装置66可以从输入装置60接收电阻抗测量结果32的系列,并且可以向标准化装置62输出识别信息。标准化装置62可以基于所识别的子系列来调整子系列的数量。
在下文的一个或更多个实施例中可实现本公开的各方面:
1)一种分析电化学电池的电阻抗测量结果的计算机实现的方法,所述方法包括:
提供电化学电池的电阻抗测量结果的系列,每个电阻抗测量结果是在相应测量频率(fs)处被测量的,所述系列根据所述相应测量频率排序,
在所提供的电阻抗测量结果的系列内识别至少三个子系列,所述三个子系列中的第一子系列与所述电化学电池的其中电阻抗由扩散过程支配的电池表现相关联,所述三个子系列中的第二子系列与所述电化学电池的其中电阻抗受所述电化学电池的电极处的电荷转移过程支配的电池表现相关联,所述三个子系列中的第三子系列在对应于电阻抗的虚部在复平面中的过零点的位置处与所述第二子系列分离,以及
变换所述电阻抗测量结果的系列中的至少所述第一子系列和所述第二子系列,以提供电阻抗测量结果的变换系列,所述电阻抗测量结果的变换系列具有预定数量的元素,所述电阻抗测量结果的变换系列包括对应于所述电阻抗测量结果的第一子系列的变换的第一子系列和对应于所述电阻抗测量结果的第二子系列的变换的第二子系列,所述变换包括:
平移相应电阻抗测量结果,所述平移对应于从电阻抗的实部减去欧姆交流电阻值(R0),其中,所述欧姆交流电阻值(R0)是根据电阻抗的虚部在所述复平面中的所述过零点处的电阻抗的实部来确定的,在所述复平面中的过零点对应于所述三个子系列中的所述第三子系列与所述第二子系列分离的位置;和
缩放相应平移的电阻抗测量结果,所述缩放对应于通过相应缩放因子缩放电阻抗的所述实部和所述虚部,所述缩放因子的绝对值分别基于对应于所述电阻抗测量结果的系列的平移的第一子系列和所述电阻抗测量结果的系列的平移的第二子系列之间的转变点的电阻抗的实部和虚部的绝对值来确定。
2)根据1)所述的方法,其中,在所述电阻抗测量结果的变换系列中,变换的第一子系列和变换的第二子系列中的每一个子系列都具有相应预定数量的元素。
3)根据1)或2)所述的方法,其中,所述方法还包括:
将所述电阻抗测量结果的系列的元素数量调整到预定的元素数量,
其中,所述电阻抗测量结果的变换系列中的变换的第一子系列和变换的第二子系列中的每一个子系列的元素数量都被调整到相应预定的元素数量。
4)根据前述项中任一项所述的方法,其中,识别的步骤包括确定所述电阻抗测量结果的系列的虚部的局部相对最大值,所述局部相对最大值相对于所述电阻抗测量结果的系列的电阻抗的虚部在所述复平面中的过零点分离所述电阻抗测量结果的系列的另外的元素,其中,可选地,所述局部相对最大值是在平滑和/或插值所述电阻抗测量结果的系列时的局部相对最大值。
5)根据前述项中任一项所述的方法,其中,识别的步骤包括确定在所述电阻抗测量结果的系列中的一个子系列和所述电阻抗测量结果的系列中的另一个子系列之间的转变点,其中,电阻抗测量结果的所述一个子系列具有是负的并且具有朝向所述转变点基本上增加的幅度的电阻抗的虚部,并且其中,电阻抗测量结果的所述另一个子系列具有是负的并且具有朝向所述转变点基本上增加且然后基本上减小的幅度的电阻抗的虚部。
6)根据4)或5)所述的方法,其中,基于所述电阻抗测量结果的系列的虚部的所确定的局部相对最大值,或者基于所述电阻抗测量结果的系列中的一个子系列和所述电阻抗测量结果的系列中的另一个子系列之间的所确定的转变点,识别所述第一子系列和所述第二子系列。
7)根据前述项中任一项所述的方法,其中所述方法包括:
使用计算装置确定所述电化学电池的电池状态,所述计算装置被配置为接收电阻抗测量结果的所述变换系列作为输入,
其中,所述计算装置接收并处理电阻抗测量结果的所述变换系列,以从中生成表示与所述电化学电池相关联的电池状态的至少一个输出信号。
8)根据7)所述的方法,其中,所述计算装置包括人工神经网络装置,所述人工神经网络装置被配置为接收电阻抗测量结果的所述变换系列作为输入。
9)根据7)或8)所述的方法,其中,所述计算装置接收并处理电阻抗测量结果的所述变换系列,以从中生成表示所述电化学电池的充电状态的至少一个输出信号。
10)根据7)至9)中任一项所述的方法,其中,所述计算装置接收并处理电阻抗测量结果的所述变换系列,以从中生成表示所述电化学电池的健康状态的至少一个输出信号。
11)根据7)至10)中任一项所述的方法,其中,所述计算装置接收并处理电阻抗测量结果的所述变换系列,以从中生成表示所述电化学电池的功能状态的至少一个输出信号。
12)根据前述项中任一项所述的方法,其中所述方法包括:
在不同的测量频率(fs)处测量所述电化学电池的电阻抗,以提供电阻抗测量结果的系列。
13)一种用于分析电化学电池的电阻抗测量结果的电阻抗分析***,所述电阻抗分析***包括用于执行根据1)至12)中任一项所述的方法的步骤的装置。
14)根据13)所述的电阻抗分析***,包括:
计算装置,所述计算装置用于接收并处理电阻抗测量结果的所述变换系列,以从中生成表示与所述电化学电池相关联的电池状态的至少一个输出信号,
其中,所述计算装置包括输入装置,所述输入装置被配置用于接收电阻抗测量结果的所述变换系列。
15)根据14)所述的电阻抗分析***,其中,所述计算装置包括人工神经网络装置,所述人工神经网络装置被配置为接收电阻抗测量结果的所述变换系列作为输入。
Claims (21)
1.一种分析电化学电池的电阻抗测量结果的计算机实现的方法,所述方法包括:
提供(S12)电化学电池(52)的电阻抗测量结果(32)的系列,每个电阻抗测量结果是在相应测量频率(fs)处被测量的,所述系列根据所述相应测量频率排序,
在所提供的电阻抗测量结果的系列内识别(S18)至少三个子系列,所述三个子系列中的第一子系列(38)与所述电化学电池的其中电阻抗由扩散过程支配的电池表现相关联,所述三个子系列中的第二子系列(40)与所述电化学电池的其中电阻抗受所述电化学电池的电极处的电荷转移过程支配的电池表现相关联,所述三个子系列中的第三子系列(42)在对应于电阻抗的虚部在复平面中的过零点(36)的位置处与所述第二子系列分离,以及
变换(S20)所述电阻抗测量结果的系列中的至少所述第一子系列(38)和所述第二子系列(40),以提供电阻抗测量结果(32)的变换系列,所述电阻抗测量结果的变换系列具有预定数量的元素,所述电阻抗测量结果的变换系列包括对应于所述电阻抗测量结果的第一子系列(38)的变换的第一子系列(38)和对应于所述电阻抗测量结果的第二子系列(40)的变换的第二子系列(40),所述变换包括:
平移(S22)相应电阻抗测量结果(32),所述平移对应于从电阻抗的实部减去欧姆交流电阻值(R0),其中,所述欧姆交流电阻值(R0)是根据电阻抗的虚部在所述复平面中的所述过零点(36)处的电阻抗的实部来确定的,在所述复平面中的过零点(36)对应于所述三个子系列中的所述第三子系列(42)与所述第二子系列(40)分离的位置;和
缩放(S24)相应平移的电阻抗测量结果(32),所述缩放对应于通过相应缩放因子缩放电阻抗的所述实部和所述虚部,所述缩放因子的绝对值分别基于对应于所述电阻抗测量结果的系列的平移的第一子系列(38)和所述电阻抗测量结果的系列的平移的第二子系列(40)之间的转变点(34)的电阻抗的实部和虚部的绝对值来确定;
其中,识别(S18)的步骤包括:
确定所述电阻抗测量结果(32)的系列的虚部的局部相对最大值,
所述局部相对最大值相对于所述电阻抗测量结果的系列的电阻抗的虚部在所述复平面中的过零点(36)分离所述电阻抗测量结果的系列的另外的元素,
或者
确定在所述电阻抗测量结果的系列中的第一子系列(38)和所述电阻抗测量结果(32)的系列中的第二子系列(40)之间的转变点(34),
其中,电阻抗测量结果的所述第一子系列(38)具有是负的并且具有朝向所述转变点(34)基本上减小的幅度的电阻抗的虚部,并且其中,
电阻抗测量结果的所述第二子系列(40)具有是负的并且具有朝向所述转变点(34)基本上增加且然后基本上减小的幅度的电阻抗的虚部,以及
其中,基于所述电阻抗测量结果(32)的系列的虚部的所确定的局部相对最大值,或者基于所述电阻抗测量结果的系列中的一个子系列和所述电阻抗测量结果(32)的系列中的另一个子系列之间的所确定的转变点(34),识别所述第一子系列(38)和所述第二子系列(40)。
2.根据权利要求1所述的方法,其中,在所述电阻抗测量结果(32)的变换系列中,变换的第一子系列(38)和变换的第二子系列(40)中的每一个子系列都具有相应预定数量的元素。
3.根据权利要求1所述的方法,其中,所述方法还包括:
将所述电阻抗测量结果(32)的系列的元素数量调整(S16)到预定的元素数量,
其中,所述电阻抗测量结果的变换系列中的变换的第一子系列(38)和变换的第二子系列(40)中的每一个子系列的元素数量都被调整到相应预定的元素数量。
4.根据权利要求2所述的方法,其中,所述方法还包括:
将所述电阻抗测量结果(32)的系列的元素数量调整(S16)到预定的元素数量,
其中,所述电阻抗测量结果的变换系列中的变换的第一子系列(38)和变换的第二子系列(40)中的每一个子系列的元素数量都被调整到相应预定的元素数量。
5.根据权利要求1-4中任一项所述的方法,其中所述方法包括:
使用计算装置(56)确定所述电化学电池(52)的电池状态(74),所述计算装置被配置为接收电阻抗测量结果(32)的所述变换系列作为输入,
其中,所述计算装置(56)接收并处理电阻抗测量结果(32)的所述变换系列,以从中生成表示与所述电化学电池相关联的电池状态(74)的至少一个输出信号。
6.根据权利要求5所述的方法,其中,所述计算装置(56)包括人工神经网络装置(68;82;94),所述人工神经网络装置被配置为接收电阻抗测量结果(32)的所述变换系列作为输入。
7.根据权利要求5所述的方法,其中,所述计算装置(56)接收并处理电阻抗测量结果(32)的所述变换系列,以从中生成表示所述电化学电池(52)的充电状态的至少一个输出信号。
8.根据权利要求6所述的方法,其中,所述计算装置(56)接收并处理电阻抗测量结果(32)的所述变换系列,以从中生成表示所述电化学电池(52)的充电状态的至少一个输出信号。
9.根据权利要求6-8中任一项所述的方法,其中,所述计算装置(56)接收并处理电阻抗测量结果(32)的所述变换系列,以从中生成表示所述电化学电池(52)的健康状态的至少一个输出信号。
10.根据权利要求5所述的方法,其中,所述计算装置(56)接收并处理电阻抗测量结果(32)的所述变换系列,以从中生成表示所述电化学电池(52)的健康状态的至少一个输出信号。
11.根据权利要求6-8和10中任一项所述的方法,其中,所述计算装置(56)接收并处理电阻抗测量结果(32)的所述变换系列,以从中生成表示所述电化学电池(52)的功能状态的至少一个输出信号。
12.根据权利要求5所述的方法,其中,所述计算装置(56)接收并处理电阻抗测量结果(32)的所述变换系列,以从中生成表示所述电化学电池(52)的功能状态的至少一个输出信号。
13.根据权利要求9所述的方法,其中,所述计算装置(56)接收并处理电阻抗测量结果(32)的所述变换系列,以从中生成表示所述电化学电池(52)的功能状态的至少一个输出信号。
14.根据权利要求1-4、6-8、10和12-13中任一项所述的方法,其中所述方法包括:
在不同的测量频率(fs)处测量所述电化学电池(52)的电阻抗,以提供电阻抗测量结果(32)的系列。
15.根据权利要求5所述的方法,其中所述方法包括:
在不同的测量频率(fs)处测量所述电化学电池(52)的电阻抗,以提供电阻抗测量结果(32)的系列。
16.根据权利要求9所述的方法,其中所述方法包括:
在不同的测量频率(fs)处测量所述电化学电池(52)的电阻抗,以提供电阻抗测量结果(32)的系列。
17.根据权利要求11所述的方法,其中所述方法包括:
在不同的测量频率(fs)处测量所述电化学电池(52)的电阻抗,以提供电阻抗测量结果(32)的系列。
18.根据权利要求11所述的方法,其中,所述局部相对最大值是在平滑和/或插值所述电阻抗测量结果(32)的系列时的局部相对最大值。
19.一种用于分析电化学电池(52)的电阻抗测量结果的电阻抗分析***,所述电阻抗分析***包括用于执行根据权利要求1至18中任一项所述的方法的步骤的装置。
20.根据权利要求19所述的电阻抗分析***,包括:
计算装置(56),所述计算装置用于接收并处理电阻抗测量结果(32)的所述变换系列,以从中生成表示与所述电化学电池相关联的电池状态(74)的至少一个输出信号,
其中,所述计算装置(56)包括输入装置(70),所述输入装置被配置用于接收电阻抗测量结果(32)的所述变换系列。
21.根据权利要求20所述的电阻抗分析***,其中,所述计算装置(56)包括人工神经网络装置(68;82;94),所述人工神经网络装置被配置为接收电阻抗测量结果(32)的所述变换系列作为输入。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19204751.2A EP3812779B1 (en) | 2019-10-23 | 2019-10-23 | Analyzing electrical impedance measurements of an electrochemical battery |
EP19204751.2 | 2019-10-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112698213A CN112698213A (zh) | 2021-04-23 |
CN112698213B true CN112698213B (zh) | 2024-04-05 |
Family
ID=68342588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011140717.8A Active CN112698213B (zh) | 2019-10-23 | 2020-10-22 | 分析电化学电池的电阻抗测量结果 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11474158B2 (zh) |
EP (1) | EP3812779B1 (zh) |
CN (1) | CN112698213B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112230153B (zh) * | 2020-10-13 | 2021-07-20 | 东华大学 | 测量电池阻抗值的方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH065312A (ja) * | 1992-06-23 | 1994-01-14 | Japan Storage Battery Co Ltd | 蓄電池監視装置 |
EP2401624A1 (fr) * | 2009-02-24 | 2012-01-04 | Helion | Procede de determination d'un etat de sante d'un dispositif electrochimique |
EP2434304A1 (fr) * | 2010-09-27 | 2012-03-28 | IFP Energies Nouvelles | Système et procédé de diagnostic in situ de batteries par spectroscopie d'impédance électrochimique |
EP2537040A1 (fr) * | 2010-02-17 | 2012-12-26 | IFP Energies nouvelles | Methode de diagnostic in situ de batteries par spectroscopie d'impedance electrochimique |
EP2607911A1 (fr) * | 2011-12-23 | 2013-06-26 | Saft | Méthode de détermination d'un paramètre d'état d'un élément électrochimique par impédance complexe aux fréquences radioéléctriques |
DE102015100043A1 (de) * | 2014-01-14 | 2015-07-16 | Ford Global Technologies, Llc | Impedanzbasierte Batterieparameterschätzung |
WO2016071801A1 (en) * | 2014-11-04 | 2016-05-12 | Universita' Degli Studi Di Salerno | Method and apparatus for monitoring and diagnosing electrochemical devices based on automatic electrochemical impedance identification |
US9548506B2 (en) * | 2010-12-09 | 2017-01-17 | Yokogawa Electric Corporation | Fuel cell evaluator and fuel cell evaluation method |
WO2017222728A1 (en) * | 2016-06-23 | 2017-12-28 | Intel Corporation | Systems, methods and devices for battery charge state detection |
CN109143108A (zh) * | 2018-07-25 | 2019-01-04 | 合肥工业大学 | 一种基于电化学阻抗谱的锂离子电池soh的估计方法 |
CN109765496A (zh) * | 2018-12-20 | 2019-05-17 | 西安交通大学 | 一种基于在线电化学阻抗谱测量的电池健康状态估计方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61170678A (ja) | 1985-01-25 | 1986-08-01 | Nissan Motor Co Ltd | バツテリ状態検知装置 |
US6037777A (en) | 1998-09-11 | 2000-03-14 | Champlin; Keith S. | Method and apparatus for determining battery properties from complex impedance/admittance |
US6307378B1 (en) | 2000-01-03 | 2001-10-23 | The Penn State Research Foundation | Method and apparatus for measurement of electrochemical cell and battery impedances |
US20030184307A1 (en) | 2002-02-19 | 2003-10-02 | Kozlowski James D. | Model-based predictive diagnostic tool for primary and secondary batteries |
JP4038788B2 (ja) | 2002-02-22 | 2008-01-30 | アクソンデータマシン株式会社 | バッテリの残存容量判定方法と、その装置 |
CN100570388C (zh) | 2003-12-18 | 2009-12-16 | 株式会社Lg化学 | 使用神经网络评估电池的充电状态的设备和方法 |
US8718380B2 (en) * | 2011-02-14 | 2014-05-06 | Mitsubishi Electric Research Laboratories, Inc. | Representing object shapes using radial basis function support vector machine classification |
JP5467539B2 (ja) * | 2012-02-10 | 2014-04-09 | 横河電機株式会社 | 電極の評価装置および評価方法 |
US8994340B2 (en) | 2012-05-15 | 2015-03-31 | GM Global Technology Operations LLC | Cell temperature and degradation measurement in lithium ion battery systems using cell voltage and pack current measurement and the relation of cell impedance to temperature based on signal given by the power inverter |
US9864012B2 (en) * | 2014-02-20 | 2018-01-09 | NOHMs Technologies, Inc. | Charge control and termination of lithium sulfur cells and fuel gauging systems and methods |
JP6555773B2 (ja) | 2014-11-18 | 2019-08-07 | 学校法人立命館 | 蓄電残量推定装置、蓄電池の蓄電残量を推定する方法、及びコンピュータプログラム |
US10534038B2 (en) | 2015-06-26 | 2020-01-14 | Japan Aerospace Exploration Agency | Method and system for estimating state of charge or depth of discharge of battery, and method and system for evaluating health of battery |
JP6323441B2 (ja) | 2015-12-25 | 2018-05-16 | マツダ株式会社 | リチウムイオン電池残容量推定装置 |
JP6369510B2 (ja) * | 2016-08-25 | 2018-08-08 | トヨタ自動車株式会社 | リチウムイオン二次電池の診断装置および診断方法 |
JP6672112B2 (ja) * | 2016-09-06 | 2020-03-25 | プライムアースEvエナジー株式会社 | 電池容量測定装置及び電池容量測定方法 |
US10209314B2 (en) * | 2016-11-21 | 2019-02-19 | Battelle Energy Alliance, Llc | Systems and methods for estimation and prediction of battery health and performance |
EP3505946B1 (en) * | 2017-12-27 | 2023-03-15 | Primearth EV Energy Co., Ltd. | Battery state estimation device and battery state estimation method |
JP7157908B2 (ja) * | 2018-12-20 | 2022-10-21 | トヨタ自動車株式会社 | 電池容量の推定方法および電池容量の推定装置 |
JP7157909B2 (ja) * | 2018-12-20 | 2022-10-21 | トヨタ自動車株式会社 | 電池容量の推定方法、および電池容量の推定装置 |
-
2019
- 2019-10-23 EP EP19204751.2A patent/EP3812779B1/en active Active
-
2020
- 2020-10-22 CN CN202011140717.8A patent/CN112698213B/zh active Active
- 2020-10-22 US US17/077,880 patent/US11474158B2/en active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH065312A (ja) * | 1992-06-23 | 1994-01-14 | Japan Storage Battery Co Ltd | 蓄電池監視装置 |
EP2401624A1 (fr) * | 2009-02-24 | 2012-01-04 | Helion | Procede de determination d'un etat de sante d'un dispositif electrochimique |
EP2537040A1 (fr) * | 2010-02-17 | 2012-12-26 | IFP Energies nouvelles | Methode de diagnostic in situ de batteries par spectroscopie d'impedance electrochimique |
EP2434304A1 (fr) * | 2010-09-27 | 2012-03-28 | IFP Energies Nouvelles | Système et procédé de diagnostic in situ de batteries par spectroscopie d'impédance électrochimique |
US9548506B2 (en) * | 2010-12-09 | 2017-01-17 | Yokogawa Electric Corporation | Fuel cell evaluator and fuel cell evaluation method |
EP2607911A1 (fr) * | 2011-12-23 | 2013-06-26 | Saft | Méthode de détermination d'un paramètre d'état d'un élément électrochimique par impédance complexe aux fréquences radioéléctriques |
DE102015100043A1 (de) * | 2014-01-14 | 2015-07-16 | Ford Global Technologies, Llc | Impedanzbasierte Batterieparameterschätzung |
WO2016071801A1 (en) * | 2014-11-04 | 2016-05-12 | Universita' Degli Studi Di Salerno | Method and apparatus for monitoring and diagnosing electrochemical devices based on automatic electrochemical impedance identification |
WO2017222728A1 (en) * | 2016-06-23 | 2017-12-28 | Intel Corporation | Systems, methods and devices for battery charge state detection |
CN109143108A (zh) * | 2018-07-25 | 2019-01-04 | 合肥工业大学 | 一种基于电化学阻抗谱的锂离子电池soh的估计方法 |
CN109765496A (zh) * | 2018-12-20 | 2019-05-17 | 西安交通大学 | 一种基于在线电化学阻抗谱测量的电池健康状态估计方法 |
Non-Patent Citations (1)
Title |
---|
C/LiFePO_4动力电池电化学交流阻抗谱的研究;张文华 等;电源技术;39(09);1838-1842 * |
Also Published As
Publication number | Publication date |
---|---|
CN112698213A (zh) | 2021-04-23 |
US20210123977A1 (en) | 2021-04-29 |
EP3812779B1 (en) | 2022-09-28 |
US11474158B2 (en) | 2022-10-18 |
EP3812779A1 (en) | 2021-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10209314B2 (en) | Systems and methods for estimation and prediction of battery health and performance | |
CN112698215B (zh) | 使用卷积神经网络装置从电阻抗测量结果中估计电池状态 | |
JP5349810B2 (ja) | 蓄電装置の異常検出装置及び方法並びにプログラム | |
JP7153196B2 (ja) | 電池特性評価装置、および電池特性評価方法 | |
CN111954823A (zh) | 蓄电池诊断装置及蓄电池诊断方法以及蓄电池控制*** | |
JP2023523370A (ja) | リチウムメッキを検出するための方法及び装置、並びに分極比率を取得するための方法及び装置 | |
MX2013000510A (es) | Dispositivo que estima el estado de la batería y método que estima el estado de la batería. | |
WO2009025512A2 (en) | System and method for estimating long term characteristics of battery | |
EP2206191A2 (en) | System and method for estimating long term characteristics of battery | |
CN106997026B (zh) | 用于确定铅酸蓄电池的剩余电容量的方法和装置 | |
CN112698214B (zh) | 估计电化学电池的电池状态 | |
JP2020101399A (ja) | 電池容量の推定方法および電池容量の推定装置 | |
Lee et al. | Principle component analysis-based optimized feature extraction merged with nonlinear regression model for improved state-of-health prediction | |
CN112698213B (zh) | 分析电化学电池的电阻抗测量结果 | |
US20220308115A1 (en) | Capacity degradation prediction method and prediction system | |
US11280841B2 (en) | Estimating a temperature of an electrochemical battery | |
Singh et al. | State of charge estimation techniques of Li-ion battery of electric vehicles | |
Nenadic et al. | Estimation of state-of-charge and capacity of used lithium-ion cells | |
CN116224073A (zh) | 电池soc估计方法、装置、设备、电池模组及存储介质 | |
CN112698212B (zh) | 根据电阻抗测量结果的梯度估计电池状态 | |
Driscoll et al. | Estimación del estado de salud de la batería de iones de litio basada en características con redes neuronales artificiales | |
Paul et al. | Comparative Study of Different Regression Models for Estimating Lithium Ion Battery Pack Capacity | |
CN114460479A (zh) | 一种电池荷电状态检测方法、装置及介质 | |
CN117388712A (zh) | 一种基于递归图分析的锂电池健康状态评估预测方法 |
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 |