CN113933734B - 一种退役电池包内部单体参数的提取方法 - Google Patents
一种退役电池包内部单体参数的提取方法 Download PDFInfo
- Publication number
- CN113933734B CN113933734B CN202111027941.0A CN202111027941A CN113933734B CN 113933734 B CN113933734 B CN 113933734B CN 202111027941 A CN202111027941 A CN 202111027941A CN 113933734 B CN113933734 B CN 113933734B
- Authority
- CN
- China
- Prior art keywords
- battery
- battery pack
- battery cell
- surface temperature
- temperature values
- 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
- 238000000034 method Methods 0.000 title claims description 56
- 239000000178 monomer Substances 0.000 claims abstract description 58
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000012216 screening Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 7
- 230000020169 heat generation Effects 0.000 description 7
- 238000007599 discharging Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000001931 thermography Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- 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
-
- 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
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Secondary Cells (AREA)
Abstract
本申请实施例提供的退役电池包内部单体参数的提取方法,可以利用可见光相机和红外热像仪,获取电池单体在预设时长内的一组表面温度值,并且根据获取的一组表面温度值与目标模型,基于电池单体的热传导性,得到电池单体的参数。不需要对电池包进行拆解,就可以得到电池包内每个电池单体的参数,能够提高电池包检测和筛选的效率。
Description
技术领域
本申请属于动力电池技术领域,尤其涉及一种退役电池包内部单体参数的提取方法。
背景技术
动力电池包一般用于为新能源汽车提供动力,动力电池包的好坏将直接影响到新能源汽车的安全性。动力电池包由多个电池单体组成,由于在使用过程中,动力电池包中的每个电池单体的参数随时间的变化可能不同,电池单体之间的老化程度可能不一致,会影响动力电池包的性能。因此在动力电池包使用之前、使用过程中或者退役之后,需要对动力电池包进行检测和筛选,确定动力电池包的性能是否满足使用要求。
目前检测的方式是将动力电池包拆解成单体,再对单体进行测试,然而动力电池包的拆解流程十分繁琐,导致对动力电池包进行检测和筛选的效率较低。
发明内容
针对上述技术问题,本申请实施例提供一种退役电池包内部单体参数的提取方法,能够在未拆解条件下检测动力电池包内电池单体的参数,提高动力电池包检测和筛选的效率。
第一方面,本申请实施例提供了一种退役电池包内部单体参数的提取方法,该方法应用于未被拆解的电池包,该方法包括:
获取电池包中第一电池单体在预设时长内的一组表面温度值,第一电池单体是电池包内多个电池单体中的任意一个;
根据一组表面温度值与目标模型,确定第一电池单体的参数,目标模型用于根据预设时长内的一组表面温度值,输出第一电池单体的参数。
结合第一方面,在第一方面的某些实现方式中,获取电池包中第一电池单体在预设时长内的一组表面温度值,包括:获取关于第一电池单体的热图像;根据第一电池单体的热图像,确定第一电池单体在预设时长内的一组表面温度值。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,获取关于第一电池单体的热图像,包括:获取电池包内多个电池单体之间的位置关系;根据多个电池单体之间的位置关系与关于多个电池单体的热图像,从关于多个电池单体的热图像中获取关于第一电池单体的热图像。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,电池包内多个电池单体之间的位置关系是利用可见光相机获取的。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,热图像是利用红外热像仪获取的。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,参数包括电池单体的内阻,根据一组表面温度值与目标模型,确定第一电池单体的参数,包括:
根据目标模型与一组表面温度值,确定第一电池单体在预设时长内的一组内部温度值;根据一组内部温度值与目标模型,确定第一电池单体的内阻。
结合第一方面和上述实现方式,在第一方面的某些实现方式中,参数还包括电池单体的容量,该方法还包括:
根据第一电池单体的内阻,确定第一电池单体当前支持的最大电压;根据当前支持的最大电压和额定电压,确定第一电池单体的容量。
第二方面,本申请实施例提供了一种退役电池包内部单体参数的提取装置,包括:
获取模块,用于获取电池包中第一电池单体在预设时长内的一组表面温度值,第一电池单体是电池包内多个电池单体中的任意一个;
处理模块,用于根据一组表面温度值与目标模型,确定第一电池单体的参数,目标模型用于根据预设时长内的一组表面温度值,输出第一电池单体的参数。
第三方面,本申请实施例还提供了一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的退役电池包内部单体参数的提取方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得所述计算机执行如第一方面所述的退役电池包内部单体参数的提取方法。
第五方面,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,当所述计算机程序产品在计算机上运行时,实现如第一方面所述的退役电池包内部单体参数的提取方法。
本申请实施例提供的退役电池包内部单体参数的提取方法,可以获取电池单体在预设时长内的一组表面温度值,并且根据获取的一组表面温度值与目标模型,得到电池单体的参数。不需要对电池包进行拆解,就可以得到电池包内每个电池单体的参数,能够提高电池包检测和筛选的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的影响电池包性能的因素及其耦合关系的示意图;
图2是本申请实施例提供的一种退役电池包内部单体参数的提取***的结构示意图;
图3是本申请实施例提供的一种退役电池包内部单体参数的提取方法的流程示意图;
图4是本申请实施例提供的一种电池热阻模型的结构示意图;
图5是本申请实施例提供的又一种退役电池包内部单体参数的提取方法的流程示意图;
图6是本申请实施例提供的电池单体的表面温度的变化曲线;
图7是本申请实施例提供的电池单体的内部温度的变化曲线;
图8是本申请实施例提供的电池单体单位时间生热量的变化曲线;
图9是本申请实施例提供的一种装置的结构示意图;
图10是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上,“至少一个”、“一个或多个”是指一个、两个或两个以上。
在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
目前,新能源汽车的储能器件是动力电池包,随着新能源汽车的使用,动力电池包会逐渐老化,当动力电池包的容量衰退至额定容量的80%时,动力电池会从新能源汽车退役。退役后的动力电池包还可以在多个领域继续使用,比如,汽车充电站、电动自行车、路灯等领域,从而实现动力电池包的梯次利用。
动力电池包由多个电池单体组成,如图1所示,由于在使用过程中,动力电池包中的每个电池单体的容量、内阻以及换热随时间的变化可能不一致,在电流的激励下,电池的电流倍率、放电深度以及电池温度可能不一致,导致电池单体之间的容量衰减不一致和功率衰减不一致,进而影响动力电池包的性能。因此在动力电池包使用之前、使用过程中或者退役之后,需要对动力电池包进行检测和筛选,确定动力电池包的性能是否满足使用要求。
以退役后的动力电池包为例,一般来说,退役的动力电池包的梯次回收利用主要包括检测、筛选、重组、均衡等流程。为了简洁,以下将“退役后的动力电池包”简称为“电池包”。
在检测筛选流程中,一些方法基于神经网络对电池状态进行估计,通过将大量的电池原始单体数据,如电流、电压、温度与荷电状态值(State ofcharge,SOC),输入到神经网络当中,建立单体数据与状态估计结果之间的对应关系,归一化后并进行训练得到神经网络模型。然后对电池包进行测试,得到单体数据输入神经网络故障诊断结果。但是神经网络的训练比较耗时,该神经网络模型用于电池包的故障诊断,得到电池的单体数据需对电池包进行拆解测试。
一些方法选取电池荷电状态、剩余寿命和剩余容量、电芯温度、充电倍率、放电倍率、工作电压和工作电流这8个电池参数,计算出电池单体的参数与健康度之间的互信息值,选取互信息值最高的两个参数作为评判电池单体的指标,通过现有聚类方法求出类别中心点并给电池单体分簇。
一些方法构建电池等效电路模型,进行不同温度等间隔SOC放电和阻抗测量实验,确定等效电路模型中特定参数与SOC在不同温度下的函数关系,基于等效电路模型中特定参数与SOC在不同温度下的函数关系建立离线模型,利用离线模型对不同温度下的未知荷电状态的退役动力电池进行SOC估计,该方法对电池的荷电状态估计的误差较大,并且在电池包应用上有局限性。
总之,目前在检测筛选时,需要将退役的动力电池包拆解为单体,利用传统电池充放电设备对退役电池进行充放电特性实验,得到电池单体的参数,然而,拆解动力电池包的程序十分繁琐,该方法耗时长且不能实现自动化,导致目前对电池包进行检测和筛选的效率较低。
有鉴于此,本申请提出一种退役电池包内部单体参数的提取方法,预先构建目标模型,目标模型用于根据电池单体的表面温度输出电池单体的参数,在检测时获取电池单体预设时长内的一组表面温度值,根据预设时长内的一组表面温度值和目标模型,得到电池单体的参数。其中,电池单体在预设时长内的一组表面温度值,可以根据电池包的表面温度值确定,获取电池包的表面温度时不需要对电池包进行拆解,因此,本申请提供的方法,可以在未拆解条件下对电池包进行检测分析,得到电池单体的参数,从而避免繁琐的拆解流程,提高对电池包进行检测和筛选的效率。
首先介绍本申请实施例提供的退役电池包内部单体参数的提取***200,如图2所示。该***200包括:可见光相机21、红外热像仪22、位移台23、支架24、CAN总线分析仪25、电池包充放电测试仪26与计算机27,还可以包括支撑台架(图中未示出)。
其中,支架24固定在地面上,可见光相机21固定在支架24上,用于获取电池包28内部的彩色图像,内部的彩色图像反映电池单体之间的位置关系,可见光相机21可以是高分辨率可见光相机。
红外热像仪22固定在位移台23上,用于获取电池包和周围环境的热成像图,也叫热分布图。位移台23一端固定在支架24上,一端可以带动红外热像仪22移动,以扩展红外热像仪22的视角。可见光相机21与红外热像仪22之间的相对位置和视场位置固定。
支撑台架与支架24连接,用于放置未拆解的电池包28,电池包28中包括多个电池单体281,支撑台架与支架24之间的距离保持固定。CAN总线分析仪25、电池包充放电测试仪26一端均与计算机27连接,另一端均与电池包28连接。
可见光相机21对应相机坐标系211,红外热像仪22对应于热像仪坐标系221,地面对应于世界坐标系241。
电池包充放电测试仪26用于为电池包提供充电电源和放电负载,并采集电池包正负两端的电压和总电流数据。CAN总线分析仪25与电池包的电池管理***20连接,用于监听电池包单体电压数据,限定电池包充放电测试仪26充电和放电的电压范围。计算机27用于对获取的数据进行存储、计算和解析。
检测***200搭建好之后,可以对电池包28进行检测,首先对可见光相机21与红外热像仪22进行标定,使可见光相机21与红外热像仪22对准支撑台架或者固定位置的地面。打开电池包28一侧的外壳,露出内部电池单体,将电池包28放置在地面上或者放置在支撑台架上,并将电池包28接入电池包充放测试仪26进行充电,也可以放电或循环充放电。
在充电过程中,电流流过电池包28,使电池包28产生热量,通过红外热像仪22可以记录电池包28的表面温度随时间变化的分布数据,可以生成电池包28整体以及电池包28周围环境随时间变化的热图像,将热图像发送至计算机27进行数据存储并处理,其中热图像是在热像仪坐标系221中获取的。
可见光相机21获取电池包28内部的彩色图像,使用目标检测与图像分割算法可以准确得出每个电池单体281的大小和在相机坐标系211中的坐标等。
通过坐标转换将获取的热图像和彩色图像的数据融合,可以得到在充电过程中每个电池单体281的表面温度值,然后根据电池单体281的表面温度值和目标模型,得到电池单体的参数。
在***200的基础上,本申请实施例提供一种退役电池包内部单体参数的提取方法300,如图3所示,该方法300包括:
S301:获取电池包中第一电池单体在预设时长内的一组表面温度值,第一电池单体是电池包内多个电池单体中的任意一个。
S302:根据一组表面温度值与目标模型,确定第一电池单体的参数,目标模型用于根据预设时长内的一组表面温度值,输出第一电池单体的参数。
充电过程中,红外热像仪22实时记录电池包28的表面温度的分布数据,电池包28的表面温度随充电时间增加会发生变化,从而得到预设时长内关于多个电池单体的热图像。基于可见光相机21获取的彩色图像,可以获取电池包内多个电池单体之间的位置关系。
本申请实施例可以建立可见光相机21和红外热像仪22之间的空间位置关系,实现对电池单体大小、形状以及位姿的自适应适配,从而将彩色图像与热图像匹配,精准获取每个电池单体的表面温度值及周围环境温度值。彩色图像中除各电池单体281之外的部分即为周围环境。
可以将相机坐标系211直接转换到热像仪坐标系221,也可以将热像仪坐标系221直接转换到相机坐标系211,或者可以通过世界坐标系241作为中介,得到可见光相机21和红外热像仪22之间的空间位置关系。
例如,利用针孔成像原理可以得到理想的红外热成像模型,红外热成像模型结合畸变模型可以得到实际成像***。红外热成像模型用于描述世界坐标系241中的点QW(XW,ZW,YW)与热像仪坐标系221中的点P(u,v)之间的关系。世界坐标系241中的点到热像仪坐标系221中的点的映射关系表示为:
其中,W为相机的外部参数,表示坐标系之间的映射关系。3×3矩阵RI为相机的径向畸变,表示旋转关系,3×1向量TI为相机的切向畸变,表示平移关系,s为比例系数,M是将热像仪坐标系221与像素坐标系联系起来的相机内参矩阵,(u0,v0)为主点的坐标,α和β是像素坐标系的u和v轴的比例因子。像素坐标系中横坐标u和纵坐标v分别是热图像所在的行和列。
上述对红外热成像仪22进行相机标定,得到热像仪坐标系221与世界坐标系241的转换关系,同理可对可见光相机21进行标定,得到相机坐标系211与世界坐标系241的转换关系,通过坐标转换,可以在电-热-空间多物理场融合下,获取电池包28中各电池单体281的表面的热像图与周围环境温度的热像图。
热成像图中包括图中所有像素点的温度值,本申请中可以取所有像素点的温度值的平均值作为电池单体281的表面温度值,或者,可以取中心像素点的温度值作为电池单体281的表面温度值。可以取周围环境温度的平均值作为周围环境温度的表面温度值。
由于红外热成像仪22获取的是预设时长内的热图像,每个热像图对应一个时刻的表面温度值,因此可以得到预设时长内的一组表面温度值。预设时长可以是充电时长中的任意一段时长。
以下对步骤S302进行说明。由于电流通过电池单体,使电池单体产生热量,热量扩散到电池单体表面,才可以捕捉到表面温度,则可以根据电池单体的表面温度进行反向推算,得到电池单体的内部温度,进而推算出电池单体的内阻,进而计算流经每个电池单体的支路电流,以及电池单体的容量。
如图4所示,为本申请实施例根据一阶等效电路模型建立的电池热阻模型,即目标模型,根据该热阻电池模型,可以看出电池单体281内部在单位时间内产生的热量Qin以及扩散到表面的温度,与电池单体281的内阻、电池单体281内部与壳体的热阻Rin、壳体与外部环境之间的热阻Rout、以及电池单体281内部材料的热容量Cin和壳体的热容量Ccan等因素有关,可以用状态转移方程表示热传导过程,如公式(2)所示:
其中,Tin是电池单体281的内部温度,Tsurf是电池单体281的表面温度,Tout是周围环境的温度,Tsurf,k和Tsurf,k-1分别表示电池当前时刻的表面温度和上一时刻的表面温度,Tin,k和Tin,k-1分别表示电池当前时刻的内部温度和上一时刻的内部温度。Rin与Rout可以根据参数辨识算法确定,参数辨识算法可以是最小二乘法。
对公式(2)利用前项差分进行离散化处理可得公式(3):
对公式(3)进行化简可得公式(4):
对公式(4)进行变换可得公式(5)与公式(6):
将获取得到的预设时长内的一组表面温度值输入到公式(6),可以得到一组内部温度值Tin,k,将一组内部温度值代入公式(4)可以得到电池单体单位时间的一组生热量值Qin。
根据电池单体的支路电流可以表示为:
电池包内电池单体的编号为(1,2,…,C),IC表示经过第C个电池单体的电流,表示第C个电池单体的电阻,/>为待求量,电池包内电池单体之间是并联的,根据并联模块内支路电流之和为IL,可得:
根据前述过程已知每个电池单体在充电过程中单位时间的生热量Qin,选择每个电池单体单位时间内生热量较大的一组生热量值,即电池温升明显的一组生热量值代入公式(8),在生热量矩阵满秩的前提下,可推导出每个电池单体的内阻进而根据公式(7)可以得到经过第C个电池单体的支路电流值IC。
根据公式可以得到电池单体当前支持的最大电压。电池单体当前支持的最大电压与电池单体的额定电压的比值,即为电池单体当前支持的最大容量。
其中,生热量矩阵为:
综上所述,如图5所示,本申请实施例建立检测***,将未拆解的电池包放置于固定位置上,进行充电或者放电,利用可见光相机获取电池包内部的彩色图像,基于目标检测算法与图像分割算法精准定位电池包中每个电池单体的坐标,利用红外热像仪获取电池包关于表面温度的热图像。将彩色图像与热图像融合,获取电池包中每个电池单体的表面温度值。基于电池单体的温升不一致建立目标模型,即电池热阻模型,根据电池单体的表面温度值和生热不一致等条件逆推得到电池单体的内阻参数和容量参数。
本申请实施例提供的方法,避免了传统退役电池包梯次利用方法需要对电池包进行拆解而遇到的拆卸流程繁琐以及效率较低等问题。在得到电池单体的内阻和容量之后,可以对电池单体进行筛选和分类,当一个电池包内的多个电池单体的参数的一致性较好时,该电池包可以直接梯次利用,无需拆解后筛选重组。
除此之外,可以在检测***中标记电池包的放置位置,便于实现电池包的更换,该方法不针对任何型号的电池,具有普遍性,并且适用于流水线场景下的电池测试,可以实现自动化。
以下结合实验数据对本申请实施例提供的方法的准确性进行说明。首先进行实验测试,实验步骤如下:
(1)基于一阶等效电路模型建立电池单体的热阻模型。
(2)搭建电-热-空间多物理场融合的检测电池包的参数的***,并标定可见光相机和红外热像仪。
(3)将退役电池包放置到***中检测位置处,将电池包与电池包充放电测试仪连接,以2C倍率恒流恒压对电池包进行充电,电池包中包括3个电池单体。
(4)可见光相机获取电池包内部的彩色图像,红外热像仪获取电池包的热图像。
然后对实验数据进行处理:
(5)充电工况结束后,通过数据处理得到每个电池单体的坐标与中心点坐标,将中心点的温度值作为电池单体的表面温度值,得到预设时间段内的一组表面温度值。
(6)根据预设时间段内的一组表面温度值和目标模型,得到电池单体的内阻参数和容量参数。
(7)得到每个电池单体的参数后,对电池单体进行筛选分类,将容量下降与内阻增大明显的电池单体剔除,将其他电池单体回收,进行梯次利用。
实验结果分析:
将得到的数据以曲线形式呈现,如图6所示,为本次实验得到的三个电池单体在充电过程中表面温度的变化曲线。将三个电池单体的表面温度数据分别代入电池热阻模型中,可以得到三个电池单体内部温度的变化曲线与单位时间生热量的变化曲线,如图7和图8所示,其中附图标记中将电池单体简称为电池。
将根据本申请实施例提供的方法检测得到电池单体的参数值(实验计算值),与实际电池单体的参数值(实际测得值)进行比较,如表1所示,可以看出实验计算值与实际测得值之间的误差很小,验证了本申请实施例提供的方法的可行性与准确性。其中,实际电池单体的参数值是根据传统电池充放电设备测试得到的。
表1电池单体的参数对比表
第一个电池 | 第一个电池 | 第一个电池 | |
实际测得容量值(Ah) | 5.21 | 4.85 | 5.05 |
实验计算容量值(Ah) | 5.15 | 4.88 | 5.01 |
实际测得内阻值(Ω) | 0.0096 | 0.0102 | 0.01 |
实验计算内阻值(Ω) | 0.009 | 0.0094 | 0.0091 |
以下对本申请实施例提供的装置和电子设备进行说明。
图9为本申请实施例提供的退役电池包内部单体参数的提取装置,该装置900包括获取模块901和处理模块902。
获取模块901,用于获取电池包中第一电池单体在预设时长内的一组表面温度值,第一电池单体是电池包内多个电池单体中的任意一个。
处理模块902,用于根据一组表面温度值与目标模型,确定第一电池单体的参数,目标模型用于根据预设时长内的一组表面温度值,输出第一电池单体的参数。
处理模块902,还用于获取关于第一电池单体的热图像;根据第一电池单体的热图像,确定第一电池单体在预设时长内的一组表面温度值。
处理模块902,还用于获取电池包内多个电池单体之间的位置关系;根据多个电池单体之间的位置关系与关于多个电池单体的热图像,从关于多个电池单体的热图像中获取关于第一电池单体的热图像。
处理模块902,还用于根据目标模型与一组表面温度值,确定第一电池单体在预设时长内的一组内部温度值;根据一组内部温度值与目标模型,确定第一电池单体的内阻。
处理模块902,还用于根据第一电池单体的内阻,确定第一电池单体当前支持的最大电压;根据当前支持的最大电压和额定电压,确定第一电池单体的容量。
应理解的是,本申请实施例的装置900可以通过专用集成电路(application-specific integrated circuit,ASIC)实现,或可编程逻辑器件(programmable logicdevice,PLD)实现,上述PLD可以是复杂程序逻辑器件(complex programmable logicaldevice,CPLD),现场可编程门阵列(field-programmable gate array,FPGA),通用阵列逻辑(generic array logic,GAL)或其任意组合。也可以通过软件实现图3所示的方法,通过软件实现图3所示的方法时,装置900及其各个模块也可以为软件模块。
图10为本申请实施例提供的一种电子设备100的结构示意图。如图10所示,该设备100包括处理器1001、存储器1002、通信接口1003和总线1004。其中,处理器1001、存储器1002、通信接口1003通过总线1004进行通信,也可以通过无线传输等其他手段实现通信。该存储器1002用于存储指令,该处理器1001用于执行该存储器1002存储的指令。该存储器1002存储程序代码1021,且处理器1001可以调用存储器1002中存储的程序代码1021执行图3所示的方法。
应理解,在本申请实施例中,处理器1001可以是CPU,处理器1001还可以是其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。
该存储器1002可以包括只读存储器和随机存取存储器,并向处理器1001提供指令和数据。存储器1002还可以包括非易失性随机存取存储器。该存储器1002可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(randomaccess memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data date SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DR RAM)。
该总线1004除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图10中将各种总线都标为总线1004。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘(solid state drive,SSD)。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种退役电池包内部单体参数的提取方法,其特征在于,所述方法应用于未被拆解的电池包,所述方法包括:
获取电池包中第一电池单体在预设时长内的一组表面温度值,所述第一电池单体是所述电池包内多个电池单体中的任意一个;
根据所述一组表面温度值与目标模型,确定所述第一电池单体的参数,所述目标模型用于根据所述预设时长内的一组表面温度值,输出所述第一电池单体的参数。
2.根据权利要求1所述的方法,其特征在于,所述获取电池包中第一电池单体在预设时长内的一组表面温度值,包括:
获取关于所述第一电池单体的热图像;
根据所述第一电池单体的热图像,确定所述第一电池单体在预设时长内的一组表面温度值。
3.根据权利要求2所述的方法,其特征在于,所述获取关于所述第一电池单体的热图像,包括:
获取所述电池包内多个电池单体之间的位置关系;
根据所述多个电池单体之间的位置关系与关于所述多个电池单体的热图像,从关于所述多个电池单体的热图像中获取关于所述第一电池单体的热图像。
4.根据权利要求3所述的方法,其特征在于,所述电池包内多个电池单体之间的位置关系是利用可见光相机获取的。
5.根据权利要求4所述的方法,其特征在于,所述热图像是利用红外热像仪获取的。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述参数包括电池单体的内阻,根据所述一组表面温度值与目标模型,确定所述第一电池单体的参数,包括:
根据所述目标模型与所述一组表面温度值,确定所述第一电池单体在预设时长内的一组内部温度值;
根据所述一组内部温度值与所述目标模型,确定所述第一电池单体的内阻。
7.根据权利要求6所述的方法,其特征在于,所述参数还包括电池单体的容量,所述方法还包括:
根据所述第一电池单体的内阻,确定所述第一电池单体当前支持的最大电压;
根据所述当前支持的最大电压和额定电压,确定所述第一电池单体的容量。
8.一种退役电池包内部单体参数的提取装置,其特征在于,所述装置包括:
获取模块,用于获取电池包中第一电池单体在预设时长内的一组表面温度值,所述第一电池单体是所述电池包内多个电池单体中的任意一个;
处理模块,用于根据所述一组表面温度值与目标模型,确定所述第一电池单体的参数,所述目标模型用于根据所述预设时长内的一组表面温度值,输出所述第一电池单体的参数。
9.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111027941.0A CN113933734B (zh) | 2021-09-02 | 2021-09-02 | 一种退役电池包内部单体参数的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111027941.0A CN113933734B (zh) | 2021-09-02 | 2021-09-02 | 一种退役电池包内部单体参数的提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113933734A CN113933734A (zh) | 2022-01-14 |
CN113933734B true CN113933734B (zh) | 2024-04-30 |
Family
ID=79275051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111027941.0A Active CN113933734B (zh) | 2021-09-02 | 2021-09-02 | 一种退役电池包内部单体参数的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113933734B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063418B (zh) * | 2022-08-10 | 2022-11-01 | 北京航空航天大学 | 一种基于图像识别的动力电池温度检测方法 |
CN115421046B (zh) * | 2022-09-16 | 2023-11-03 | 广东邦普循环科技有限公司 | 动力电池梯度利用筛选方法、装置、设备及存储介质 |
CN115995628B (zh) * | 2023-03-23 | 2023-06-30 | 深圳市杰成镍钴新能源科技有限公司 | 一种退役锂离子电池的回收处理方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106154171A (zh) * | 2016-06-17 | 2016-11-23 | 清华大学 | 建立电池直流内阻函数的方法 |
CN106443475A (zh) * | 2016-10-21 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于运营大数据的退役动力电池无拆解再次利用筛选方法 |
CN106772079A (zh) * | 2016-12-21 | 2017-05-31 | 远东福斯特新能源有限公司 | 动力电池包模块中失效电芯的识别方法 |
CN107732337A (zh) * | 2017-10-18 | 2018-02-23 | 中航锂电(洛阳)有限公司 | 一种退役电池模块分选方法 |
WO2018076193A1 (zh) * | 2016-10-26 | 2018-05-03 | 深圳市大疆创新科技有限公司 | 电池温度检测方法、控制***、电池及无人飞行器 |
CN108232337A (zh) * | 2017-12-07 | 2018-06-29 | 上海国际汽车城(集团)有限公司 | 一种电动汽车退役电池梯级检测评估利用方法 |
CN109078871A (zh) * | 2018-07-12 | 2018-12-25 | 深圳大学 | 一种面向梯次利用的退役电池并联模块的剔除方法 |
CN110389300A (zh) * | 2019-08-16 | 2019-10-29 | 福建易动力电子科技股份有限公司 | 一种锂电池热扩散试验装置与试验方法 |
CN110554325A (zh) * | 2019-09-10 | 2019-12-10 | 北京理工大学 | 一种基于表面温度的车用锂离子电池容量估计方法 |
CN110661041A (zh) * | 2018-06-29 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种退役动力电池诊断的方法和装置 |
CN111740176A (zh) * | 2020-07-02 | 2020-10-02 | 南京工程学院 | 一种退役动力锂电池分选方法 |
CN112051512A (zh) * | 2020-09-09 | 2020-12-08 | 傲普(上海)新能源有限公司 | 一种梯次利用分选方法及储能*** |
CN112531912A (zh) * | 2020-12-01 | 2021-03-19 | 国网陕西省电力公司汉中供电公司 | 一种基于退役电池的模块化储能装置及其梯次利用异构方法 |
CN213184407U (zh) * | 2020-07-20 | 2021-05-11 | 浙江浙能技术研究院有限公司 | 退役动力电池分类筛选重组*** |
-
2021
- 2021-09-02 CN CN202111027941.0A patent/CN113933734B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106154171A (zh) * | 2016-06-17 | 2016-11-23 | 清华大学 | 建立电池直流内阻函数的方法 |
CN106443475A (zh) * | 2016-10-21 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 基于运营大数据的退役动力电池无拆解再次利用筛选方法 |
WO2018076193A1 (zh) * | 2016-10-26 | 2018-05-03 | 深圳市大疆创新科技有限公司 | 电池温度检测方法、控制***、电池及无人飞行器 |
CN106772079A (zh) * | 2016-12-21 | 2017-05-31 | 远东福斯特新能源有限公司 | 动力电池包模块中失效电芯的识别方法 |
CN107732337A (zh) * | 2017-10-18 | 2018-02-23 | 中航锂电(洛阳)有限公司 | 一种退役电池模块分选方法 |
CN108232337A (zh) * | 2017-12-07 | 2018-06-29 | 上海国际汽车城(集团)有限公司 | 一种电动汽车退役电池梯级检测评估利用方法 |
CN110661041A (zh) * | 2018-06-29 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种退役动力电池诊断的方法和装置 |
CN109078871A (zh) * | 2018-07-12 | 2018-12-25 | 深圳大学 | 一种面向梯次利用的退役电池并联模块的剔除方法 |
CN110389300A (zh) * | 2019-08-16 | 2019-10-29 | 福建易动力电子科技股份有限公司 | 一种锂电池热扩散试验装置与试验方法 |
CN110554325A (zh) * | 2019-09-10 | 2019-12-10 | 北京理工大学 | 一种基于表面温度的车用锂离子电池容量估计方法 |
CN111740176A (zh) * | 2020-07-02 | 2020-10-02 | 南京工程学院 | 一种退役动力锂电池分选方法 |
CN213184407U (zh) * | 2020-07-20 | 2021-05-11 | 浙江浙能技术研究院有限公司 | 退役动力电池分类筛选重组*** |
CN112051512A (zh) * | 2020-09-09 | 2020-12-08 | 傲普(上海)新能源有限公司 | 一种梯次利用分选方法及储能*** |
CN112531912A (zh) * | 2020-12-01 | 2021-03-19 | 国网陕西省电力公司汉中供电公司 | 一种基于退役电池的模块化储能装置及其梯次利用异构方法 |
Non-Patent Citations (4)
Title |
---|
Development of recycling strategy for large stacked systems: Experimental and machine learning approach to form reuse battery packs for secondary applications;Garg, Akhil, et al.;Journal of cleaner production;20201231;第275卷;第124152页 * |
Understanding ageing in Li-ion batteries: a chemical issue;M. Rosa Palacín;The Royal Society of Chemistry;20180510;第1-8页 * |
梯次利用动力锂电池内部参数特性分析;李凯 等;无线电通信技术(第03期);第243-247页 * |
锂硫电池外特性及其机理研究;谭震;中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)(第01期);C042-1154 * |
Also Published As
Publication number | Publication date |
---|---|
CN113933734A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113933734B (zh) | 一种退役电池包内部单体参数的提取方法 | |
WO2021259196A1 (zh) | 一种电池组一致性评估方法及*** | |
WO2021143592A1 (zh) | 电池等效电路模型的建立方法、健康状态估算方法及装置 | |
US20210382114A1 (en) | Battery diagnosis apparatus and battery diagnosis method based on current pulse method | |
KR20200023672A (ko) | 딥러닝을 이용한 전지 진단 방법 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及*** | |
CN109900937B (zh) | 一种具有温度补偿功能的锂电池电荷状态估算方法 | |
CN112632850A (zh) | 一种锂电池组中异常电池的检测方法及*** | |
CN107037375B (zh) | 电池直流内阻测量方法及装置 | |
CN115032542A (zh) | 一种基于混合模型的储能***电池热失控预判方法 | |
CN114325404A (zh) | 一种基于热-神经网络耦合模型的电池温度估计方法 | |
CN113590482B (zh) | 一种用于电池管理***bms的测试方法和测试*** | |
CN113820615B (zh) | 一种电池健康度检测方法与装置 | |
CN114935721B (zh) | 一种基于光纤光栅传感器的锂离子电池荷电状态估计方法 | |
Liu et al. | Toward high-accuracy and high-efficiency battery electrothermal modeling: A general approach to tackling modeling errors | |
CN111307480B (zh) | 一种基于嵌入式热管传热管理***、方法及存储介质 | |
CN115158076A (zh) | 计量误差评估方法、装置及计算机可读存储介质 | |
Wei et al. | Multiscale dynamic construction for abnormality detection and localization of Li-ion batteries | |
CN115877232A (zh) | 一种基于卡尔曼滤波的锂离子电池内部温度估计方法 | |
CN116626502A (zh) | 电池容量预测方法、装置、设备及存储介质 | |
Shen et al. | Accurate state of health estimation for lithium-ion batteries under random charging scenarios | |
CN112748348B (zh) | 电池低温性能分布水平检测方法、***及存储介质 | |
CN110068409B (zh) | 锂电池应力预测方法和装置 | |
CN116224073A (zh) | 电池soc估计方法、装置、设备、电池模组及存储介质 | |
CN116165547A (zh) | 锂电池的电压计算与修正方法及***、装置、存储介质 |
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 |