CN112986828A - 预估电池健康度的方法 - Google Patents
预估电池健康度的方法 Download PDFInfo
- Publication number
- CN112986828A CN112986828A CN202110388367.5A CN202110388367A CN112986828A CN 112986828 A CN112986828 A CN 112986828A CN 202110388367 A CN202110388367 A CN 202110388367A CN 112986828 A CN112986828 A CN 112986828A
- Authority
- CN
- China
- Prior art keywords
- battery
- attenuation
- temperature
- discharge
- current
- 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
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及一种预估电池健康度的方法,包括以下步骤:步骤一:取n个同型号电池进行循环充放电衰减实验,拟合得到该型号电池的衰减基准曲线;步骤二:取若干个该型号电池进行不同温度、不同平均SOC、不同放电深度下的循环衰减实验,利用循环衰减实验的实验数据对衰减基准曲线中的参数进行修正,得到该型号电池的修正后衰减曲线;步骤三:当对属于该型号电池的待预估电池进行健康度预估时,利用待预估电池的使用数据和该型号电池的修正后衰减曲线预估待预估电池每个循环的衰减量,从而预估待预估电池的寿命和健康度。本发明扩展性强,只需有限次实验即可实现,精度加高,计算较为简便。
Description
技术领域
本发明属于动力电池健康评估技术领域,具体涉及一种根据电池使用情况来预估电池健康度的方法。
背景技术
锂离子电池因为其输出电压高、循环寿命长、能量密度大、自放电率低、工作温度范围广等优点被广泛应用于各个领域,其自身安全性与可靠性一直都是大家比较关注的重点。
目前,业内比较主流的预估电池健康度的方法,主要分为以下几种:
1.机器学习模型法
该方法的缺点在于:
(1)需要大量有标签的数据,需要进行大量实验,实验成本较高;
(2)由于实验无法覆盖所有使用情况,从实验数据迁移到实际情况可能导致模型准确度降低。
2.安时积分法
该方法的缺点在于:
(1)误差比较大;
(2)健康度计算的准确度受限于传感器精度;
(3)计算出的结果会上下波动。
3.双卡尔曼滤波法
该方法的缺点在于:
(1)计算过程复杂;
(2)需要建立电池等效电路图,而使用电池的设备,如车辆,实际运行中等效电路图中的参数辨识困难。
由此可见,主流的方法都是通过当前电池的表现去评估电池当前的健康状态,且不足之处较多。
发明内容
本发明的目的是提供一种所需实验次数有限、易于扩展适用范围、准确度较高、复杂程度较低的预估电池健康度的方法。
为达到上述目的,本发明采用的技术方案是:
一种预估电池健康度的方法,包括以下步骤:
步骤一:取n个同型号电池进行循环充放电衰减实验,n为大于3的整数,利用所述循环充放电衰减实验的实验数据拟合该型号电池的衰减曲线作为该型号电池的衰减基准曲线,所述衰减曲线表征该型号电池的衰减百分比Ploss与该型号电池的循环次数N的关系,所述衰减曲线中包含三个系数,分别为αsei、βsei、fd,1;
步骤二:取若干个该型号电池进行不同温度、不同平均SOC、不同放电深度下的循环衰减实验,利用所述循环衰减实验的实验数据求取所述fd,1对应的温度修正式、平均SOC修正式、放电深度修正式和日历时间修正式,再利用所述温度修正式、所述平均SOC修正式、所述放电深度修正式和所述日历时间修正式对所述fd,1进行修正得到修正后的fd,1,进而利用所述修正后的fd,1修正该型号电池的衰减基准曲线得到该型号电池的修正后衰减曲线;
步骤三:当对属于该型号电池的待预估电池进行健康度预估时,利用所述待预估电池的使用数据和所述该型号电池的修正后衰减曲线预估所述待预估电池每个循环的衰减量,从而预估所述待预估电池的寿命和健康度。
所述步骤一中,在标准温度t0下进行所述循环充放电衰减实验。
所述步骤一中,根据每个该型号电池的循环次数和衰减百分比,拟合得到每个该型号电池对应的衰减曲线,从而确定每个该型号电池对应的αsei、βsei和fd,1,进而得到该型号电池的和并以和作为所述该型号电池的衰减基准曲线中的αsei、βsei、fd,1。
所述步骤二中,进行所述循环衰减实验时至少取个不同温度、2个不同平均SOC、4个不同放电深度。
所述日历时间修正式为St(t)=ktt,其中,kt为日历时间修正系数,t为当前日历时间;
所述放电深度修正式为Sδ(δ)=kδ,e1δexp(kδ,e2δ),其中,kδ,e1、kδ,e2均为放电深度修正系数,δ为当前放电深度。
所述步骤二中,当所述当前温度T=TA时,其中fd,t[T=TA]为当前温度T=TA时通过所述循环衰减实验得到的fd,1数据,fd,t[T=Tref]为当前温度T=Tref时通过所述循环衰减实验得到的fd,1数据,则结合所述温度修正式求解所述温度修正系数kT,进而得到所述温度修正式;
当所述当前平均SOCσ=σA时,其中,fd,t[σ=σA]为当前平均SOCσ=σA时通过所述循环衰减实验得到的fd,1数据,fd,t[σ=σref]为当前平均SOCσ=σref时通过所述循环衰减实验得到的fd,1数据,则结合所述平均SOC修正式求解所述平均SOC修正系数,进而得到所述平均SOC修正式;
当所述当前放电深度δ=δA时,其中,fd,1[δ=δA,σ=σA,T=TA,t=tp,A]为当前放电深度δ=δA、当前平均SOCσ=σref、当前温度T=TA、当前前日历时间t=tp,A时通过所述循环衰减实验得到的fd,1数据,则结合所述放电深度修正式求解所述放电深度修正系数kδ,e1、kδ,e2,进而得到所述放电深度修正式。
所述步骤二中,所述修正后的fd,1=[Sδ(δ)+St(t)]Sσ(σ)ST(T)。
所述步骤三中,根据雨流计数法统计出所述待预估电池的使用数据。
由于上述技术方案运用,本发明与现有技术相比具有下列优点:本发明扩展性强,只需有限次实验即可实现,精度加高,计算较为简便。
附图说明
附图1为本发明的预估电池健康度的方法的流程图。
具体实施方式
下面结合附图所示的实施例对本发明作进一步描述。
实施例一:如附图1所示,一种预估电池健康度的方法,包括以下步骤:
步骤一:通过循环充放电衰减实验求解电池的衰减基准曲线
取n(n为大于3的整数)个同型号电池(锂离子电池),进行循环充放电衰减实验,利用循环充放电衰减实验的实验数据拟合该型号电池的衰减曲线作为该型号电池的衰减基准曲线,衰减曲线表征该型号电池的衰减百分比Ploss与该型号电池的循环次数N的关系,衰减曲线中包含三个系数,分别为αsei、βsei、fd,1。
1.取n(n>3)个同型号电池,在标准温度t0(t0一般取25℃)下进行循环充放电衰减实验。循环充放电衰减实验过程中,电池SOC的循环范围为0%~100%。分别记录每个电池的循环次数N与每个循环对应的衰减百分比Ploss。
3.上式中的αsei由电池的首效有关,代表了电池早期用于形成稳定的sei膜消耗的锂离子的占比。
4.根据每个该型号电池的循环次数和衰减百分比,拟合得到每个该型号电池对应的衰减曲线后,确定每个该型号电池对应的αsei、βsei和fd,1,即共得到n个αsei、n个βsei和n个fd,1。分别对n个αsei、n个βsei和n个fd,1求平均数得到该型号电池的和并将以和作为该型号电池的衰减基准曲线中的αsei、βsei、fd,1,最终得到该型号电池的衰减曲线将其作为该型号电池的衰减基准曲线。
步骤二:不同条件下的参数修正
取若干个该型号电池,分为nz组进行不同温度、不同平均SOC、不同放电深度下的循环衰减实验,利用循环衰减实验的实验数据求取fd,1对应的温度修正式、平均SOC修正式、放电深度修正式和日历时间修正式,再利用温度修正式、平均SOC修正式、放电深度修正式和日历时间修正式对fd,1进行修正得到修正后的fd,1,进而利用修正后的fd,1修正该型号电池的衰减基准曲线得到该型号电池的修正后衰减曲线。
1.上述该型号电池的衰减基准曲线中的fd,1受温度、SOC、放电深度的不同,会有所变化,所以需要针对不同条件对其进行修正。
2.取若干该型号电池,分为nz组,采用控制变量法对电池进行不同温度、不同平均SOC、不同放电深度下的循环衰减实验,即实验时至少取个不同温度、2个不同平均SOC、4个不同放电深度。
3.修正后的fd,1=[Sδ(δ)+St(t)]Sσ(σ)ST(T)。
4.上式中,Sδ(δ)为放电深度修正式,St(t)为日历时间修正式,Sσ(σ)为平均SOC修正式,ST(T)为温度修正式。
5.针对温度修正式,中,kT为温度修正系数,T为当前温度,Tref为参考温度,当当前温度T=TA时,其中fd,t[T=TA]为当前温度T=TA时通过循环衰减实验得到的fd,1数据,fd,t[T=Tref]为当前温度T=Tref时通过循环衰减实验得到的fd,1数据,则结合温度修正式求解温度修正系数kT,进而得到温度修正式。此式中的参考温度Tref,如果以基准曲线的温度为参考温度,则Tref=t0。
6.针对平均SOC修正式,其中,kσ为平均SOC修正系数,σ为当前平均SOC,σref为参考平均SOC,当当前平均SOCσ=σA时,其中,fd,t[σ=σA]为当前平均SOCσ=σA时通过循环衰减实验得到的fd,1数据,fd,t[σ=σref]为当前平均SOCσ=σref时通过循环衰减实验得到的fd,1数据,则结合平均SOC修正式求解平均SOC修正系数,进而得到平均SOC修正式。如果以基准曲线的平均SOC为参考,则参考平均SOCσref=avg(SOCcycle)。
7.针对日历时间修正式,St(t)=ktt,其中,kt为日历时间修正系数,t为当前日历时间,日历时间修正系数其中,fd,t[T=TA,σ=σA]为当前温度T=TA、当前平均SOCσ=σref时通过循环衰减实验得到的fd,1数据。据此计算出日历时间修正系数kt。
8.针对放电深度修正式,Sδ(δ)=kδ,e1δexp(kδ,e2δ),其中,kδ,e1、kδ,e2均为放电深度修正系数,δ为当前放电深度,当当前放电深度δ=δA时,其中,fd,1[δ=δA,σ=σA,T=TA,t=tp,A]为当前放电深度δ=δA、当前平均SOCσ=σref、当前温度T=TA、当前前日历时间t=tp,A时通过循环衰减实验得到的fd,1数据,则结合放电深度修正式求解放电深度修正系数kδ,e1、kδ,e2,进而得到放电深度修正式。
步骤三:用于实际电池的预估
当对属于该型号电池的待预估电池进行健康度预估时,根据雨流计数法统计出待预估电池的使用数据,包括此电池使用中的循环次数、每次的平均温度、每次的放电深度和每次的平均SOC等,利用待预估电池的使用数据和该型号电池的修正后衰减曲线预估待预估电池每个循环的衰减量,从而预估待预估电池的寿命和健康度。
上述方案的优点在于:
1.扩展性强,同一型号电池,只需要做有限实验便可通用;
2.考虑到并兼容了不同条件,不同环境下的使用;
3.精度高;
4.融合了电池电化学特性;
5.结合了累积损伤的概念。
与现有的机器学习模型法相比,本方案只需要有限次实验,并且可以适用于同型号的其他电池;与现有的安时积分法相比,本方案准确度高,不会出现上下波动情况,对传感器精度不敏感;与现有的双卡尔曼滤波法相比,本方案不需要等效电路图,不需要参数识别,降低了算法的复杂度。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种预估电池健康度的方法,其特征在于:所述预估电池健康度的方法包括以下步骤:
步骤一:取n个同型号电池进行循环充放电衰减实验,n为大于3的整数,利用所述循环充放电衰减实验的实验数据拟合该型号电池的衰减曲线作为该型号电池的衰减基准曲线,所述衰减曲线表征该型号电池的衰减百分比Ploss与该型号电池的循环次数N的关系,所述衰减曲线中包含三个系数,分别为αsei、βsei、fd,1;
步骤二:取若干个该型号电池进行不同温度、不同平均SOC、不同放电深度下的循环衰减实验,利用所述循环衰减实验的实验数据求取所述fd,1对应的温度修正式、平均SOC修正式、放电深度修正式和日历时间修正式,再利用所述温度修正式、所述平均SOC修正式、所述放电深度修正式和所述日历时间修正式对所述fd,1进行修正得到修正后的fd,1,进而利用所述修正后的fd,1修正该型号电池的衰减基准曲线得到该型号电池的修正后衰减曲线;
步骤三:当对属于该型号电池的待预估电池进行健康度预估时,利用所述待预估电池的使用数据和所述该型号电池的修正后衰减曲线预估所述待预估电池每个循环的衰减量,从而预估所述待预估电池的寿命和健康度。
2.根据权利要求1所述的预估电池健康度的方法,其特征在于:所述步骤一中,在标准温度t0下进行所述循环充放电衰减实验。
5.根据权利要求1所述的预估电池健康度的方法,其特征在于:所述步骤二中,进行所述循环衰减实验时至少取个不同温度、2个不同平均SOC、4个不同放电深度。
7.根据权利要求6所述的预估电池健康度的方法,其特征在于:所述步骤二中,当所述当前温度T=TA时,其中fd,t[T=TA]为当前温度T=TA时通过所述循环衰减实验得到的fd,1数据,fd,t[T=Tref]为当前温度T=Tref时通过所述循环衰减实验得到的fd,1数据,则结合所述温度修正式求解所述温度修正系数kT,进而得到所述温度修正式;
当所述当前平均SOCσ=σA时,其中,fd,t[σ=σA]为当前平均SOCσ=σA时通过所述循环衰减实验得到的fd,1数据,fd,t[σ=σref]为当前平均SOCσ=σref时通过所述循环衰减实验得到的fd,1数据,则结合所述平均SOC修正式求解所述平均SOC修正系数,进而得到所述平均SOC修正式;
8.根据权利要求7所述的预估电池健康度的方法,其特征在于:所述步骤二中,所述修正后的fd,1=[Sδ(δ)+St(t)]Sσ(σ)ST(T)。
9.根据权利要求1所述的预估电池健康度的方法,其特征在于:所述步骤三中,根据雨流计数法统计出所述待预估电池的使用数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110388367.5A CN112986828A (zh) | 2021-04-12 | 2021-04-12 | 预估电池健康度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110388367.5A CN112986828A (zh) | 2021-04-12 | 2021-04-12 | 预估电池健康度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112986828A true CN112986828A (zh) | 2021-06-18 |
Family
ID=76337859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110388367.5A Pending CN112986828A (zh) | 2021-04-12 | 2021-04-12 | 预估电池健康度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986828A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114114050A (zh) * | 2021-11-08 | 2022-03-01 | 上海电享信息科技有限公司 | 基于雨流计数法的电池衰减归因方法及车载管理*** |
CN115184830A (zh) * | 2022-09-13 | 2022-10-14 | 楚能新能源股份有限公司 | 电池衰减估算方法 |
-
2021
- 2021-04-12 CN CN202110388367.5A patent/CN112986828A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114114050A (zh) * | 2021-11-08 | 2022-03-01 | 上海电享信息科技有限公司 | 基于雨流计数法的电池衰减归因方法及车载管理*** |
CN115184830A (zh) * | 2022-09-13 | 2022-10-14 | 楚能新能源股份有限公司 | 电池衰减估算方法 |
CN115184830B (zh) * | 2022-09-13 | 2022-12-27 | 楚能新能源股份有限公司 | 电池衰减估算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN106909716B (zh) | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 | |
CN110386029B (zh) | 一种根据动态电压修正锂电池soc方法 | |
CN107271905B (zh) | 一种用于纯电动汽车的电池容量主动估计方法 | |
CN105116343B (zh) | 最小二乘支持向量机的动力电池电荷状态估计方法及*** | |
CN105467328B (zh) | 一种锂离子电池荷电状态估计方法 | |
CN109143102B (zh) | 一种安时积分估算锂电池soc方法 | |
CN108732503A (zh) | 一种电池健康状态与电池容量检测方法及装置 | |
CN107037366A (zh) | 一种电力动车锂离子电池控制*** | |
CN109663756B (zh) | 基于自放电速率的电芯筛选方法及介质 | |
CN108802625B (zh) | 一种二次利用电池的soc自适应修正方法 | |
CN111562501A (zh) | 一种锂离子电池soc-ocv关系曲线标定方法 | |
CN108445422B (zh) | 基于极化电压恢复特性的电池荷电状态估算方法 | |
CN111638462B (zh) | 一种soc-ocv分段拟合方法 | |
CN106443492A (zh) | 一种低速电动车锂电池soc的估算方法 | |
CN107861074B (zh) | 一种锂电池soc估算方法 | |
CN112986828A (zh) | 预估电池健康度的方法 | |
CN109884540B (zh) | 一种铅酸电池电量测量方法 | |
CN110109019A (zh) | 一种基于ekf算法的混合动力锂电池的soc估算方法 | |
CN113567873B (zh) | 一种基于电池组内单体充电曲线差异的电池容量和soc估计方法 | |
CN108287316A (zh) | 基于阈值扩展卡尔曼算法的蓄电池剩余电量估计方法 | |
CN112363077A (zh) | 一种电池健康度容量预估方法 | |
Baba et al. | State of charge estimation of lithium-ion battery using Kalman filters | |
CN110133510B (zh) | 一种锂离子电池荷电状态soc混合估计方法 | |
CN109716151B (zh) | 用于估计电池电压的方法和设备 |
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 |