CN113011012A - 一种基于Box-Cox变化的储能电池剩余寿命预测方法 - Google Patents

一种基于Box-Cox变化的储能电池剩余寿命预测方法 Download PDF

Info

Publication number
CN113011012A
CN113011012A CN202110232725.3A CN202110232725A CN113011012A CN 113011012 A CN113011012 A CN 113011012A CN 202110232725 A CN202110232725 A CN 202110232725A CN 113011012 A CN113011012 A CN 113011012A
Authority
CN
China
Prior art keywords
battery
capacity
box
cox
voltage
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
CN202110232725.3A
Other languages
English (en)
Other versions
CN113011012B (zh
Inventor
尚德华
王嘉兴
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.)
Aopu Shanghai New Energy Co Ltd
Original Assignee
Aopu Shanghai New Energy 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 Aopu Shanghai New Energy Co Ltd filed Critical Aopu Shanghai New Energy Co Ltd
Priority to CN202110232725.3A priority Critical patent/CN113011012B/zh
Publication of CN113011012A publication Critical patent/CN113011012A/zh
Application granted granted Critical
Publication of CN113011012B publication Critical patent/CN113011012B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种基于Box‑Cox变化的储能电池剩余寿命预测方法，该方法包括以下步骤：S1、首先在电池历史容量数据库中提取电池的历史容量数据；S2、对步骤S1中提取的电池历史容量数据进行线性化处理；S3、通过极大似然估计法对步骤S2中的参数λ进行求解；S4、通过最小二乘法求解电池容量衰减轨迹拟合方程的参数；S5、判断当前的电池容量是否在帚颈之前。本发明通过加入电池的扫帚效应，使用多次Box‑cox变化结合最大似然估计法和最小二乘法拟合预测电池衰减效果，不仅改善了电池剩余寿命的预测精度和收敛能力，且免于做大量的电池离线老化实验，提高了实际的应用性和方便性。

Description

一种基于Box-Cox变化的储能电池剩余寿命预测方法
技术领域
本发明涉及储能电池剩余寿命预测方法技术领域，具体为一种基于Box-Cox变化的储能电池剩余寿命预测方法。
背景技术
电池的剩余寿命是指在一定的充放电情况下，电池的最大可用容量衰减退化到某一规定的失效阈值所需要经历的循环寿命的循环周期数量。电池剩余寿命的预测是一个基于电池历史数据运用到一定的数学手段对其残余寿命进行预测计算的过程。目前，电池剩余寿命预测的方法主要分为：1、经验预测法(包括单指数模型，双指数模型，线性模型，多项式模型，Verhulst模型等)；2、滤波预测法(包括：卡尔曼滤波，扩展卡尔曼滤波，无迹卡尔曼滤波，粒子滤波，无迹例子滤波等)。其中经验预测法，虽然具有良好的在线运算能力，但是预测性太差，难以满足电池的实际使用需求；而滤波预测法，虽然可以改善经验预测法的精度和收敛性，但是又增加了算法对模型的依赖性，以及复杂的数据计算。
但在目前现有的技术手段中，对于上述两种方法的缺点尚未有一种有效的技术方法，可以有效地改善电池剩余寿命的预测精度和收敛能力，因此本发明提供一种基于Box-Cox变化的储能电池剩余寿命预测方法。
发明内容
本发明的目的在于提供一种基于Box-Cox变化的储能电池剩余寿命预测方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于Box-Cox变化的储能电池剩余寿命预测方法，该方法包括以下步骤：
S1、首先在电池历史容量数据库中提取电池的历史容量数据；
S2、对步骤S1中提取的电池历史容量数据进行线性化处理；
S3、通过极大似然估计法对步骤S2中的参数λ进行求解；
S4、通过最小二乘法求解电池容量衰减轨迹拟合方程的参数；
S5、判断当前的电池容量是否在帚颈之前；
S6、如果是，则求解电池剩余寿命；如果不是，则重复步骤S1-S5。
进一步的，在步骤S2中，利用以下公式对电池的历史容量数据进行Box-Cox线性化处理：
Figure BDA0002958061820000021
其中：
Figure BDA0002958061820000022
为经过Box-Cox变换后的历史容量观测值，λ为Box-Cox变换系数，Cmax为经过Box-Cox变换前的历史容量观测值。
进一步的，在步骤S3中，利用以下公式对参数λ进行求解：
Figure BDA0002958061820000023
其中：L(λ)为对数自然函数，n为电池历史容量观测值的样本数，C为电池历史容量观测向量，K为电池历史容量所对应的循环次数向量，T为K向量的转置，B为参数，B＝(kTk)- 1kTC。
进一步的，通过步骤S1-S3的Box-Cox变换后，此时电池历史容量数据已经线性化了，则电池容量的衰减轨迹拟合方程为：
Figure BDA0002958061820000024
其中a为拟合后电池容量衰减轨迹拟合方程的斜率，b为拟合后电池容量衰减轨迹拟合方程的偏差。
进一步的，在步骤S4中，利用以下公式求解电池容量衰减轨迹拟合方程的参数：
Figure BDA0002958061820000031
进一步的，通过最小二乘法得到拟合方程的两个参数a和b之后，从而可以求解出电池容量失效阈值所对应的循环次数n，即拟合方程为：
Figure BDA0002958061820000032
进一步的，在步骤S5中，判断当前的电池容量是否在帚颈之前的方法为：
(1)、通过多次小电流的对电池的初始化充放电，建立电池电压V和充放电容量的映射关系表；
(2)、开始进行实际使用下的正常的电池工作的充放电，并记录每一次的电池电压和充电容量的映射关系表；
(3)、设置一个电压差值的上限阈值λ，并实时的判断当前循环次数下的电压V2和上次的循环次数下的电压V1的电压差值ΔV值的大小：
若λ＞ΔV，则继续查找另外一个ΔV；
若λ≤ΔV，则记录下此时的电池容量，此容量即为电池的“帚颈”。
进一步的，在步骤S6中，如果判断当前的电池容量在帚颈之前，则记录步骤S5的当前充放电环境条件下的电池容量失效阈值的循环次数n和此时的电池充放电循环次数nn，则电池的剩余寿命ns为：
ns＝n-nn；
如果判断当前的电池容量不是在帚颈之前，则对电池帚颈后面的性能衰减曲线，再使用一次BOX-c0X变化，过程重复S1-S5的步骤，然后记录此时当前充放电环境条件下的电池容量失效阈值的循环次数n和此时的电池充放电循环次数nn，则电池的剩余寿命nn为：
ns＝n-nn。
进一步的，在步骤(1)中，建立电池电压V和充放电容量的映射关系表的具体的方法为：
首先：对电池进行小电流的充放电初始化，对每一节单体电池，有：
①充电时：Uchar＝OCV+IR电池内阻；
②放电时：Udis＝OCV-IR电池内阻；
①中的公式+②中的公式得：OCV＝(Uchar+Udis)/2；
其中OCV为开路电压，Uchar为充电电压，Udis为放电电压；
然后：通过插针SOC-OCV表，得到电池初始的电池容量，实时的测量电池的充当电电流，使用安时积分法得到实时的电池容量，公式如下：
Figure BDA0002958061820000041
最后：将不同电压下的对应的电池容量数值对应光系建立映射关系表。
进一步的，在步骤(2)中，将每次得到的电池电压和充电容量的映射关系表的容量值对应的电压值V2与上次得到的电池电压和充电容量的映射关系表的容量值对应的电压值V1相减，可得到电压差值ΔV为：ΔV＝V2-V1。
与现有技术相比，本发明所达到的有益效果是：
1、本发明通过加入电池的扫帚效应，使用多次Box-cox变化结合最大似然估计法和最小二乘法拟合预测电池衰减效果，不仅改善了电池剩余寿命的预测精度和收敛能力，而且免于做大量的电池离线老化实验，提高了实际的应用性和方便性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明整体的流程图；
图2是本发明判断帚颈的放电扫帚效应示意图；
图3是本发明判断帚颈的充电扫帚效应示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明提供技术方案：一种基于Box-Cox变化的储能电池剩余寿命预测方法，该方法包括以下步骤：
S1、首先在电池历史容量数据库中提取电池的历史容量数据；
S2、对步骤S1中提取的电池历史容量数据进行线性化处理；
S3、通过极大似然估计法对步骤S2中的参数λ进行求解；
S4、通过最小二乘法求解电池容量衰减轨迹拟合方程的参数；
S5、判断当前的电池容量是否在帚颈之前；
S6、如果是，则求解电池剩余寿命；如果不是，则重复步骤S1-S5。
进一步的，在步骤S2中，利用以下公式对电池的历史容量数据进行Box-Cox线性化处理：
Figure BDA0002958061820000051
其中：
Figure BDA0002958061820000052
为经过Box-Cox变换后的历史容量观测值，λ为Box-Cox变换系数，Cmax为经过Box-Cox变换前的历史容量观测值。
进一步的，在步骤S3中，利用以下公式对参数λ进行求解：
Figure BDA0002958061820000061
其中：L(λ)为对数自然函数，n为电池历史容量观测值的样本数，C为电池历史容量观测向量，K为电池历史容量所对应的循环次数向量，T为K向量的转置，B为参数，B＝(kTk)- 1kTC。
进一步的，通过步骤S1-S3的Box-Cox变换后，此时电池历史容量数据已经线性化了，则电池容量的衰减轨迹拟合方程为：
Figure BDA0002958061820000062
其中a为拟合后电池容量衰减轨迹拟合方程的斜率，b为拟合后电池容量衰减轨迹拟合方程的偏差。
进一步的，在步骤S4中，利用以下公式求解电池容量衰减轨迹拟合方程的参数：
Figure BDA0002958061820000063
进一步的，通过最小二乘法得到拟合方程的两个参数a和b之后，从而可以求解出电池容量失效阈值所对应的循环次数n，即拟合方程为：
Figure BDA0002958061820000064
进一步的，在步骤S5中，判断当前的电池容量是否在帚颈之前的方法为：
(1)、通过多次小电流的对电池的初始化充放电，建立电池电压V和充放电容量的映射关系表；
(2)、开始进行实际使用下的正常的电池工作的充放电，并记录每一次的电池电压和充电容量的映射关系表；
(3)、设置一个电压差值的上限阈值λ，并实时的判断当前循环次数下的电压V2和上次的循环次数下的电压V1的电压差值ΔV值的大小：
若λ＞ΔV，则继续查找另外一个ΔV；
若λ≤ΔV，则记录下此时的电池容量，此容量即为电池的“帚颈”。
进一步的，在步骤S6中，如果判断当前的电池容量在帚颈之前，则记录步骤S5的当前充放电环境条件下的电池容量失效阈值的循环次数n和此时的电池充放电循环次数nn，则电池的剩余寿命ns为：
ns＝n-nn；
如果判断当前的电池容量不是在帚颈之前，则对电池帚颈后面的性能衰减曲线，再使用一次BOX-COX变化，过程重复S1-S5的步骤，然后记录此时当前充放电环境条件下的电池容量失效阈值的循环次数n和此时的电池充放电循环次数nn，则电池的剩余寿命nn为：
ns＝n-nn。
进一步的，在步骤(1)中，建立电池电压V和充放电容量的映射关系表的具体的方法为：
首先：对电池进行小电流的充放电初始化，对每一节单体电池，有：
①充电时：Uchar＝OCV+IR电池内阻；
②放电时：Udis＝OCV-IR电池内阻；
①中的公式+②中的公式得：OCV＝(Uchar+Udis)/2；
其中OCV为开路电压，Uchar为充电电压，Udis为放电电压；
然后：通过插针SOC-OCV表，得到电池初始的电池容量，实时的测量电池的充当电电流，使用安时积分法得到实时的电池容量，公式如下：
Figure BDA0002958061820000071
最后：将不同电压下的对应的电池容量数值对应光系建立映射关系表。
进一步的，在步骤(2)中，将每次得到的电池电压和充电容量的映射关系表的容量值对应的电压值V2与上次得到的电池电压和充电容量的映射关系表的容量值对应的电压值V1相减，可得到电压差值ΔV为：ΔV＝V2-V1。
具体实施方式为：使用时，首先提取电池的历史容量数据，通过Box-Cox变换，将非线性的容量衰减轨迹线性化，公式如下：
Figure BDA0002958061820000081
其中：
Figure BDA0002958061820000082
为经过Box-Cox变换后的历史容量观测值，λ为Box-Cox变换系数，Cmax为经过Box-Cox变换前的历史容量观测值；
然后通过极大似然估计法对参数λ进行求解，公式如下：
Figure BDA0002958061820000083
其中：L(λ)为对数自然函数，n为电池历史容量观测值的样本数，C为电池历史容量观测向量，K为电池历史容量所对应的循环次数向量，T为K向量的转置，B为参数，B＝(kTk)- 1kTC；
此时经过Box-Cox变换后，电池历史容量数据已经线性化了，其电池容量的衰减轨迹拟合方程为：
Figure BDA0002958061820000084
其中a为拟合后电池容量衰减轨迹拟合方程的斜率，b为拟合后电池容量衰减轨迹拟合方程的偏差；
然后通过最小二乘法求解电池容量衰减轨迹拟合方程的参数，公式如下：
Figure BDA0002958061820000091
通过最小二乘法得到拟合方程的两个参数a和b之后，从而可以求解出电池容量失效阈值所对应的循环次数n，即拟合方程为：
Figure BDA0002958061820000092
中的n值；又因为动力电池在充放电末期的强非线性特点，即会产生“电池扫帚效应”，在多次充放电数据的相交点，该相交点在业内称为电池的“帚颈”，在帚颈之前电池的电池性能衰减曲线相同，超过“帚颈”后电池的性能衰减成不规律的非线性；此时我们判断当前的电池容量是否在帚颈之前，如果是，则记录步骤S5的当前充放电环境条件下的电池容量失效阈值的循环次数n和此时的电池充放电循环次数nn，则电池的剩余寿命ns为：
ns＝n-nn；
如果不是，则对电池帚颈后面的性能衰减曲线，再使用一次BOX-COX变化，过程重复S1-S5的步骤，然后记录此时当前充放电环境条件下的电池容量失效阈值的循环次数n和此时的电池充放电循环次数nn，则电池的剩余寿命nn为：
ns＝n-nn；
其中判断当前的电池容量在帚颈之前还是之后的方法为：
(1)通过多次小电流的对电池的初始化充放电，建立电池电压V和充放电容量的映射关系表，其具体的方法为：
首先，对电池进行小电流的充放电初始化，对每一节单体电池，有：
①充电时：Uchar＝OCV+IR电池内阻
②放电时：Udis＝OCV-IR电池内阻
又因为电池内阻R与充放电的电流有关，不同的电流会导致产生不同的电池内阻，但本方法使用小电流进行电池的初始化，可避免这个问题；
①+②得：OCV＝(Uchar+Udis)/2；
其中OCV为开路电压，Uchar为充电电压，Udis为放电电压；
现有技术为了得到电池的开路电压OCV，必须将电池静置一段时间后(＞8h)，从而让电池的化学性能稳定，得到准确的OCV，但这样的话不但需要大量的时间而且电池实际应用时很少会有长时间的静止的条件允许，通过本方法便可以方便快捷的得到电池的OCV；
然后，通过插针SOC-OCV表，得到电池初始的电池容量，实时的测量电池的充当电电流，使用安时积分法得到实时的电池容量；
Figure BDA0002958061820000101
最后：将不同电压下的对应的电池容量数值对应光系建立映射关系表；
(2)开始进行实际使用下的正常的电池工作的充放电，并记录每一次的电池电压和充电容量的映射关系表；并把每次得到的电池电压和充电容量的映射关系表的容量值对应的电压值V2与上次得到的电池电压和充电容量的映射关系表的容量值对应的电压值V1相减，得到电压差值ΔV为：ΔV＝V2-V1
(3)设置一个电压差值的上限阈值λ，并实时的判断当前循环次数下的电压V2和上次的循环次数下的电压V1的电压差值ΔV值的大小：
若λ＞ΔV，则继续查找另外一个ΔV
若λ≤ΔV，则记录下此时的电池容量，此容量即为电池的“帚颈”；
此方法通过加入电池的扫帚效应，使用多次Box-cox变化结合最大似然估计法和最小二乘法拟合预测电池衰减效果，不仅改善了电池剩余寿命的预测精度和收敛能力，而且免于做大量的电池离线老化实验，提高了实际的应用性和方便性。
本发明的工作原理：
参照说明书附图1-3，本发明通过加入电池的扫帚效应，使用多次Box-cox变化结合最大似然估计法和最小二乘法拟合预测电池衰减效果，不仅改善了电池剩余寿命的预测精度和收敛能力，而且免于做大量的电池离线老化实验，提高了实际的应用性和方便性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：该方法包括以下步骤：
S1、首先在电池历史容量数据库中提取电池的历史容量数据；
S2、对步骤S1中提取的电池历史容量数据进行线性化处理；
S3、通过极大似然估计法对步骤S2中的参数λ进行求解；
S4、通过最小二乘法求解电池容量衰减轨迹拟合方程的参数；
S5、判断当前的电池容量是否在帚颈之前；
S6、如果是，则求解电池剩余寿命；如果不是，则重复步骤S1-S5。
2.根据权利要求1所述的一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：在步骤S2中，利用以下公式对电池的历史容量数据进行Box-Cox线性化处理：
Figure FDA0002958061810000011
其中：
Figure FDA0002958061810000012
为经过Box-Cox变换后的历史容量观测值，λ为Box-Cox变换系数，Cmax为经过Box-Cox变换前的历史容量观测值。
3.根据权利要求1所述的一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：在步骤S3中，利用以下公式对参数λ进行求解：
Figure FDA0002958061810000013
其中：L(λ)为对数自然函数，n为电池历史容量观测值的样本数，C为电池历史容量观测向量，K为电池历史容量所对应的循环次数向量，T为K向量的转置，B为参数，B＝(kTk)-1kTC。
4.根据权利要求1所述的一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：通过步骤S1-S3的Box-Cox变换后，此时电池历史容量数据已经线性化了，则电池容量的衰减轨迹拟合方程为：
Figure FDA0002958061810000021
其中a为拟合后电池容量衰减轨迹拟合方程的斜率，b为拟合后电池容量衰减轨迹拟合方程的偏差。
5.根据权利要求4所述的一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：在步骤S4中，利用以下公式求解电池容量衰减轨迹拟合方程的参数：
Figure FDA0002958061810000022
6.根据权利要求5所述的一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：通过最小二乘法得到拟合方程的两个参数a和b之后，从而可以求解出电池容量失效阈值所对应的循环次数n，即拟合方程为：
Figure FDA0002958061810000023
7.根据权利要求1所述的一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：在步骤S5中，判断当前的电池容量是否在帚颈之前的方法为：
(1)、通过多次小电流的对电池的初始化充放电，建立电池电压V和充放电容量的映射关系表；
(2)、开始进行实际使用下的正常的电池工作的充放电，并记录每一次的电池电压和充电容量的映射关系表；
(3)、设置一个电压差值的上限阈值λ，并实时的判断当前循环次数下的电压V2和上次的循环次数下的电压V1的电压差值ΔV值的大小：
若λ＞ΔV，则继续查找另外一个ΔV；
若λ≤ΔV，则记录下此时的电池容量，此容量即为电池的“帚颈”。
8.根据权利要求1所述的一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：在步骤S6中，如果判断当前的电池容量在帚颈之前，则记录步骤S5的当前充放电环境条件下的电池容量失效阈值的循环次数n和此时的电池充放电循环次数nn，则电池的剩余寿命ns为：
ns＝n-nn；
如果判断当前的电池容量不是在帚颈之前，则对电池帚颈后面的性能衰减曲线，再使用一次BOX-COX变化，过程重复S1-S5的步骤，然后记录此时当前充放电环境条件下的电池容量失效阈值的循环次数n和此时的电池充放电循环次数nn，则电池的剩余寿命nn为：
ns＝n-nn。
9.根据权利要求7所述的一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：在步骤(1)中，建立电池电压V和充放电容量的映射关系表的具体的方法为：
首先：对电池进行小电流的充放电初始化，对每一节单体电池，有：
①充电时：Uchar＝OCV+IR电池内阻；
②放电时：Udis＝OCV-IR电池内阻；
①中的公式+②中的公式得：OCV＝(Uchar+Udis)/2；
其中OCV为开路电压，Uchar为充电电压，Udis为放电电压；
然后：通过插针SOC-OCV表，得到电池初始的电池容量，实时的测量电池的充当电电流，使用安时积分法得到实时的电池容量，公式如下：
Figure FDA0002958061810000041
最后：将不同电压下的对应的电池容量数值对应光系建立映射关系表。
10.根据权利要求7所述的一种基于Box-Cox变化的储能电池剩余寿命预测方法，其特征在于：在步骤(2)中，将每次得到的电池电压和充电容量的映射关系表的容量值对应的电压值V2与上次得到的电池电压和充电容量的映射关系表的容量值对应的电压值V1相减，可得到电压差值ΔV为：ΔV＝V2-V1。
CN202110232725.3A 2021-03-02 2021-03-02 一种基于Box-Cox变化的储能电池剩余寿命预测方法 Active CN113011012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110232725.3A CN113011012B (zh) 2021-03-02 2021-03-02 一种基于Box-Cox变化的储能电池剩余寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110232725.3A CN113011012B (zh) 2021-03-02 2021-03-02 一种基于Box-Cox变化的储能电池剩余寿命预测方法

Publications (2)

Publication Number Publication Date
CN113011012A true CN113011012A (zh) 2021-06-22
CN113011012B CN113011012B (zh) 2023-11-28

Family

ID=76403046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110232725.3A Active CN113011012B (zh) 2021-03-02 2021-03-02 一种基于Box-Cox变化的储能电池剩余寿命预测方法

Country Status (1)

Country Link
CN (1) CN113011012B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113740754A (zh) * 2021-09-06 2021-12-03 北京西清能源科技有限公司 一种检测电池组不一致性的方法与***
CN115267546A (zh) * 2022-06-24 2022-11-01 重庆长安汽车股份有限公司 一种电池寿命模型参数拟合方法
WO2024120075A1 (zh) * 2022-12-09 2024-06-13 深圳海辰储能科技有限公司 寿命预测方法、电池管理***、用电设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106383324A (zh) * 2016-12-07 2017-02-08 上海动力储能电池***工程技术有限公司 一种基于容量衰减机理分解分析的锂离子电池寿命预测方法
CN107479000A (zh) * 2017-08-17 2017-12-15 北京理工大学 一种基于Box‑Cox变换与蒙特卡罗仿真的锂离子动力电池RUL预测方法
CN110110365A (zh) * 2019-04-01 2019-08-09 华南理工大学 一种基于电池容量衰退轨迹线性化变换的电池rul预测方法
CN110188920A (zh) * 2019-04-26 2019-08-30 华中科技大学 一种锂电池剩余寿命预测方法
CN110429693A (zh) * 2019-09-02 2019-11-08 东北电力大学 一种基于电池组一致性的储能电池组功率控制方法
CN110658461A (zh) * 2019-10-16 2020-01-07 北京航空航天大学 一种基于双e指数模型的随机充放电电池容量衰减预测方法
CN110687450A (zh) * 2019-08-28 2020-01-14 武汉科技大学 基于相空间重构和粒子滤波的锂电池剩余寿命预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106383324A (zh) * 2016-12-07 2017-02-08 上海动力储能电池***工程技术有限公司 一种基于容量衰减机理分解分析的锂离子电池寿命预测方法
CN107479000A (zh) * 2017-08-17 2017-12-15 北京理工大学 一种基于Box‑Cox变换与蒙特卡罗仿真的锂离子动力电池RUL预测方法
CN110110365A (zh) * 2019-04-01 2019-08-09 华南理工大学 一种基于电池容量衰退轨迹线性化变换的电池rul预测方法
CN110188920A (zh) * 2019-04-26 2019-08-30 华中科技大学 一种锂电池剩余寿命预测方法
CN110687450A (zh) * 2019-08-28 2020-01-14 武汉科技大学 基于相空间重构和粒子滤波的锂电池剩余寿命预测方法
CN110429693A (zh) * 2019-09-02 2019-11-08 东北电力大学 一种基于电池组一致性的储能电池组功率控制方法
CN110658461A (zh) * 2019-10-16 2020-01-07 北京航空航天大学 一种基于双e指数模型的随机充放电电池容量衰减预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
余斌: "锂离子电池退化建模与剩余寿命预测方法研究", 《中国博士学位论文全文数据库 工程科技II辑》, no. 1, pages 042 - 335 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113740754A (zh) * 2021-09-06 2021-12-03 北京西清能源科技有限公司 一种检测电池组不一致性的方法与***
CN113740754B (zh) * 2021-09-06 2023-10-13 北京西清能源科技有限公司 一种检测电池组不一致性的方法与***
CN115267546A (zh) * 2022-06-24 2022-11-01 重庆长安汽车股份有限公司 一种电池寿命模型参数拟合方法
WO2024120075A1 (zh) * 2022-12-09 2024-06-13 深圳海辰储能科技有限公司 寿命预测方法、电池管理***、用电设备及存储介质

Also Published As

Publication number Publication date
CN113011012B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
Ouyang et al. Improved parameters identification and state of charge estimation for lithium-ion battery with real-time optimal forgetting factor
CN107422269B (zh) 一种锂电池在线soc测量方法
Dong et al. An online model-based method for state of energy estimation of lithium-ion batteries using dual filters
CN110488194B (zh) 一种基于电化学阻抗模型的锂电池soc估算方法及其***
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***
CN113011012A (zh) 一种基于Box-Cox变化的储能电池剩余寿命预测方法
Kim The novel state of charge estimation method for lithium battery using sliding mode observer
CN108008320B (zh) 一种锂离子电池荷电状态与模型参数自适应联合估计方法
CN109061506A (zh) 基于神经网络优化ekf的锂离子动力电池soc估计方法
CN112444749B (zh) 一种基于温度修正模型的锂电池荷电状态联合估计方法
CN111965547B (zh) 一种基于参数辨识法的电池***传感器故障诊断方法
CN111913109B (zh) 一种电池峰值功率的预测方法及装置
CN106585422B (zh) 一种动力电池soh估算方法
CN109839599B (zh) 基于二阶ekf算法的锂离子电池soc估计方法
CN108693472A (zh) 电池等效模型参数在线辨识方法
CN112595979B (zh) 一种考虑非充分激励的锂电池参数在线辨识方法及***
CN112989690B (zh) 一种混合动力汽车锂电池多时间尺度荷电状态估计方法
CN106777786A (zh) 一种锂离子电池soc估算方法
CN111044906A (zh) 一种基于极大似然准则的锂离子电池能量状态估算方法
CN111781503A (zh) 一种锂离子储能电池soc在线估算方法
CN115494400B (zh) 一种基于集成学习的锂电池析锂状态在线监控方法
CN113484771A (zh) 一种锂离子电池宽温度全寿命soc及容量估计的方法
CN113933714A (zh) 基于简化电化学模型和灰色预测联合的电池容量预测方法
CN116643196A (zh) 一种融合机理与数据驱动模型的电池健康状态估计方法
CN115219918A (zh) 一种基于容量衰退组合模型的锂离子电池寿命预测方法

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